识别线性模型

使用系统辨识程序识别线性模型

对于识别线性黑箱模型从单输入/输出)数据使用该系统识别应用。

使用命令行识别线性模型

对于识别线性模型应用/使用系统辨识工具箱(味噌)数据的命令。

频域识别:利用频域数据估计模型

这个例子展示了如何使用频域数据估计模型。

评估报告

的评估报告包含信息和选项用于模型估计的结果。

选择模型结构

关于确定线性模型

系统辨识工具箱软件使用对象来表示各种线性和非线性模型结构。

可用线性模型

总结线性系统辨识的模型类型,您可以使用。

黑箱建模

黑箱建模是非常有用的,当你的主要兴趣是在拟合数据不管一个特定模型的数学结构。

模型结构选择:决定模型秩序和输入延迟

这个例子显示了一些选择和配置模型结构的方法。

建模输出系统

使用输出建模技术适合的复杂性和内部系统的输入输出耦合。

类型的模型对象

模型对象类型包括数值模型,用于表示系统与固定系数和广义模型系统与可调或不确定的系数。

模型对象结构和约束

线性模型结构

线性模型的系统辨识工具箱以模型的形式对象线性模型结构。您可以直接构造模型对象,或者使用估计命令构建和评估模型。您还可以修改现有模型对象的属性。

施加约束模型参数值

约束估计算法可以使个人的调整模型参数使用结构模式对象的属性。

正则化

正规化的动态系统的识别

这个例子展示了正规化的好处为线性和非线性模型的识别。

估计正规化ARX模型使用系统识别应用

这个例子展示了如何使用自动生成估计正规化ARX模型正规化常数系统中识别应用。

正则化模型参数的估计

正则化的方法是指定约束模型的灵活性,从而减少不确定性的估计参数值。

额外的话题

损失函数和模型质量的指标

配置在参数估计的损失函数最小化。评估后,使用模型质量指标来评估确定模型的质量。

输入Intersample行为对连续时间模型的影响

输入信号影响的intersample行为评估、连续时间模型的模拟和预测。