System Identification Toolbox™ 提供用于动态系统建模、时间序列分析和预测的 MATLAB^® 函数、Simulink^® 模块和 App。您可以了解测得变量之间的动态关系，以使用时域或频域数据创建连续或离散时间的传递函数、过程模型和状态空间模型。您可以使用 AR、ARMA 及其他线性和非线性自回归建模方法来预测时间序列。

本工具箱支持您通过 Hammerstein-Wiener 和非线性 ARX 模型使用机器学习方法（如高斯过程 (GP)、支持向量机 (SVM) 和其他表示法）来估计非线性系统动态特性。您也可以使用深度学习来创建神经常微分方程 (ODE) 模型来捕获非线性系统动态特性。本工具箱可让您执行灰箱系统辨识以估计用户定义模型的参数。您可以将辨识的模型集成到 Simulink 中进行快速仿真，以实现控制设计以及诊断和预后应用。

您可以使用扩展或无迹卡尔曼滤波器和粒子滤波器进行在线参数和状态估计，用于自适应控制、故障检测和软测量应用。该工具箱支持您为在线估计算法生成 C/C++ 代码以部署到嵌入式设备。