去趋势

从稳态信号消除偏见iddata对象的使用去趋势计算,减去平均值的输入和输出。

负载的输入和输出时间序列数据y2和u2。构建iddata对象data2,使用的数据和样本时间0.08秒。

负载dryer2y2u2data2 = iddata (y2, u2, 0.08);

使用去趋势计算平均值和减去他们的输入和输出信号。使用输入参数Tr存储计算趋势信息。画出原始数据,一起去趋势数据。

[data2_d, Tr] =去趋势(data2);情节(data2 data2_d)传说(“原始数据”,“去趋势数据”)

去趋势数据转移5单位。检查Tr获得精确的平均值去趋势计算,减去。这些值中返回InputOffset和OutputOffset属性。

Tr

趋势规格数据“data2”1输入(s), 1个输出(s), 1实验(s): DataName:“data2”InputOffset: 5.0000 OutputOffset: 4.8901 InputSlope: 0 OutputSlope: 0

原始输入的均值高于均值的原始输出。

删除从一个信号在一个线性趋势iddata对象,并覆盖前后数据曲线图上的趋势线。

从文件加载和绘制信号数据lintrend2。对于这个例子,只提供的输出数据iddata对象按日计算工资。

负载lintrend2按日计算工资情节(按日计算工资,“b”)

情节展示了一个明确的线性趋势数据。使用去趋势线性选项(类型= 1)减去趋势数据。去趋势适合数据并确定线性趋势减去。包括TrendInfo对象Tr作为一个输出参数你可以看到什么去趋势减去。

[dataL_d, Tr] =去趋势(按日计算工资,1);

去趋势数据与原始数据的阴谋。

持有在情节(dataL_d‘g’)传说(“原始”,“去趋势”,“位置”,“西北”)

线性趋势已被删除。检查Tr得到更多的信息删除的趋势。

Tr

趋势规格数据与0包含日期的输入,输出1 (s), 1实验(s): DataName:“按日计算工资”InputOffset: [1 x0双]OutputOffset: 0.8888 InputSlope: [1 x0双]OutputSlope: 19.3830

的OutputOffset和OutputSlope属性提供的参数线去趋势移除。你可以重建这条线,然后覆盖前后数据曲线图。的SamplingInstants的属性按日计算工资提供时间点相关联的数据。

m = Tr.OutputSlope

m = 19.3830

b = Tr.OutputOffset

b = 0.8888

t = dataL.SamplingInstants;TrLn = m * t + b;情节(t, TrLn“r”)传说(“原始”,“去趋势”,“趋势线”,“位置”,“西北”)

把已知的偏移量从包含在一个一对输入-输出信号iddata对象。

去趋势可以计算,减去平均值输入和输出信号,导致零均值去趋势信号。然而,如果你已经知道你有特定的数据预先补偿,你可以去趋势减去这些从你的信号。指定偏移量还允许您保留一个非零的操作点去趋势结果。

负载的输出包含矢量数据u2和y2。对于这个示例,假设您知道信号的抵消4从预期的操作点1。这些向量合并成一个iddata对象,使用一个示例以0.08秒的成绩,和情节。

负载dryer2u2y2data = iddata (y2, u2, 0.08);情节(数据)

已知的4抵消(从操作角度1)是可见的情节。你可以建立一个TrendInfo对象捕捉这个偏移量,使用函数getTrend。

创建TrendInfo对象,然后设置其抵消属性。

T = getTrend(数据);T。InputOffset = 4;T。OutputOffset = 4

趋势规格数据“数据”1输入(s), 1个输出(s), 1实验(s): DataName:“数据”InputOffset: 4 OutputOffset: 4 InputSlope: 0 OutputSlope: 0

使用去趋势减去偏移量数据。它与原始数据的阴谋。

data_d =去趋势(数据、T);持有在情节(data_d)传说(“原始”,“去趋势”)

4被移除的抵消。

去趋势数据分割分段线性趋势通过指定断点划段。

大部分的去趋势语法假设和计算一个趋势的信号。但是,在某些情况下有不连续的线性趋势,造成测试配置更改,环境条件,或其他因素的影响。当信号显示这样的细分,可以有去趋势独立操作测试部分。为此,在指定断点brkpt输入参数。这些指标的时间点信号的线性趋势变化的斜率。

你可能知道这些断点,基于变化你知道发生在数据收集。或者,您可能需要近似他们通过检查数据本身。

加载数据,检查其结构和内容和情节。只有在这个数据由输出数据iddata对象dataLb2。

负载brkTrenddataLb2dataLb2

dataLb2 =时域与512个样本数据集。样品时间:0.00390625秒(如果指定了的话)y1输出单元

情节(dataLb2)

对于这个示例,已知数据断点在指数(100 300)。应用样本时间(财产Ts),这些断点对应于实际的时间点如下:

brkpt = (100 - 300);brkpt_time = brkpt * dataLb2.Ts

brkpt_time =1×20.3906 - 1.1719

去趋势的数据使用brkpt。

dataLb2_d =去趋势(dataLb2 1 brkpt);

绘制原始和去趋势数据。

情节(dataLb2 dataLb2_d)传说(“原始数据”,“去趋势数据”)

线性趋势段已被移除。

应用一组独特的断点时每个实验去趋势Multiexperiment数据集。

实验在multiexperiment数据集可能包含独特的线性趋势不连续。您可以应用一组独特的断点,单元阵列中的每个实验,表达他们。

加载数据,包括:

负载multiexpdtdatmultbp1bp2bp3datmult

datmult =时域数据集包含3实验。实验样品样本exp3 exp2 exp1 250 320 350 1输出单位(如果指定了的话)日元

bp1、bp2 bp3

bp1 =1×250 200

bp2 = 100

bp3 = []

图数据。在流之间有显著差异,他们在不同的利率从零漂移的意思。

情节(datmult)传奇

对于这组实验中,众所周知,有独特的为每个运行趋势和独特的不连续表示的英国石油公司向量。

去趋势可以把这些独特的特点,如果英国石油公司作为一个单元阵列提供信息。

构造单元阵列。

bpcell = {bp1; bp2 bp3}

bpcell =3×1单元阵列{[200]}{[100]}{0 x0双}

应用去趋势和阴谋的结果,使用相同的规模与原始情节。

datmult_d =去趋势(datmult 1 bpcell);图绘制(datmult_d)轴([0,正无穷,-15,30])传奇

实验数据现在更好的对齐,不明显漂移远离零均值。

应用不同的趋势类型中包含一个输入和输出信号iddata对象。

去趋势假设相同类型的趋势适用于输入和输出信号。在某些情况下,可能存在一种趋势,存在于只有一个信号。您可以执行去趋势分别在每个信号提取到单独的信号iddata对象。应用去趋势每个对象使用其个人信号趋势类型。然后重新组装结果返回到一个单独的去趋势iddata对象。

负载,检查,情节中的数据iodatab。

负载septrendiodatab;iodatab

iodatab =时域与1000个样本数据集。样品时间:0.08秒(如果指定了的话)y1输入输出单元(如果指定了的话)u1

情节(iodatab)在

输入和输出的情节表现出偏见。然而,输出图也显示了一个倒v字形趋势没有出现在输入数据。

单独的输入数据和输出数据趋势分离为单独的对象,使用iddata(见通用数据选择形式使用iddata对象代表时间和频域的数据):

数据(样本,outputchannels inputchannels)

idatab = iodatab ([],::);odatab = iodatab (:,: []);

从输入数据,消除偏见去趋势计算和减去均值。

idatab_d =去趋势(idatab 0);

消除偏见和倒v输出数据的趋势,使用中点指数500年作为一个断点。

odatab_d =去趋势(odatab, 1500);

结合成一个单一的去趋势的输入和输出数据iddata对象。

iodatab_d = [odatab_d, idatab_d];

覆盖原始数据上的去趋势数据。

情节(iodatab_d)传说(“原始”,“去趋势”)

输入和输出数据现在包含偏见和v字形的趋势。