n4sidOptions
选项设置n4sid
语法
选择= n4sidOptions
选择= n4sidOptions(名称、值)
输入参数
名称-值参数
指定可选的双参数作为Name1 = Value1,…,以=家
,在那里的名字
参数名称和吗价值
相应的价值。名称-值参数必须出现在其他参数,但对的顺序无关紧要。
R2021a之前,用逗号来分隔每一个名称和值,并附上的名字
在报价。
InitialState
- - - - - -处理初始状态
“估计”
(默认)|“零”
处理期间的初始状态估计,指定为以下值之一:
“零”
——初始状态设置为零。“估计”
——初始状态被当作一个独立的评估参数。
N4Weight
- - - - - -加权方案用于奇异值分解的N4SID
算法
“汽车”
(默认)|“MOESP”
|“脑血管意外”
|“SSARX”
N4Horizon
- - - - - -向前和向后预测所使用的视野N4SID
算法
“汽车”
(默认)|向量(r sy苏)
|k
3矩阵
向前和向后预测视野N4SID所使用的算法,指定为以下值之一:
与三个元素——行向量
(r sy苏)
,在那里r
最大向前预测地平线,使用r
提前预测。sy
是过去的输出,然后呢苏
是过去的数量输入用于预测。看到209和210页[3]为更多的信息。这些数字可以有实质性影响的质量产生的模型,并没有简单的规则选择他们。使“N4Horizon”
一个k
3矩阵意味着每一行“N4Horizon”
出最好的尝试,价值(预测)适合数据被选中。k
的猜测吗(r sy苏)
组合。如果您指定N4Horizon作为一个单独的列,r = sy =苏
使用。“汽车”
——软件使用Akaike信息准则(AIC)的选择sy
和苏
。
焦点
- - - - - -错误是最小化
“预测”
(默认)|“模拟”
误差最小化的损失函数在评估期间,指定为逗号分隔组成的“焦点”
和下列值之一:
“预测”
——提前一步预测误差测量和预测输出之间最小化估计。因此,评估主要关注的是产生一个好的预测模型。“模拟”
——测量和模拟输出之间的模拟误差在估计过程中被最小化。结果,估计是让适合模拟模型与当前输入响应。
的焦点
选项可以被解释为一个损失函数加权滤波器。有关更多信息,请参见损失函数和模型质量的指标。
WeightingFilter
- - - - - -加权预滤器
[]
(默认)|向量|矩阵|单元阵列|线性系统
加权前置滤波器应用于评估期间的损失函数最小化。理解的影响WeightingFilter
损失函数,看看损失函数和模型质量的指标。
指定WeightingFilter
下列值之一:
[]
——不使用加权预滤器。通频带,指定一个行向量或矩阵包含定义所需的通频带的频率值。你选择一个频带之间的配合优化估计模型和估计数据。例如,
(王,wh)
在哪里王
和wh
代表低和通频带的上限。为一个矩阵几行定义频率通带,[w1l, w1h; w2l w2h; w3l, w3h;……)
估计算法使用联盟定义估计通频带的频率范围。通频带的表达
rad / TimeUnit
对时域数据和FrequencyUnit
频域数据,TimeUnit
和FrequencyUnit
是时间和频率的单位的评估数据。输出过滤器——指定一个single-input-single-output线性滤波器的输出以以下方式之一:
一个输出线性时不变模型
{A, B, C, D}
格式,它指定一个过滤器的状态矩阵相同的样本时间估计数据。{分子,分母}
格式,它指定的分子和分母滤波器的传递函数相同的样品时间为估算数据。这个选项计算滤波器的权重函数作为一个产品和输入谱估计传递函数。
权重向量,只适用于频域数据。指定一个列向量的权重。这个向量必须具有相同的频率向量的长度的数据集,
Data.Frequency
。每个输入和输出响应的数据频率乘以相应的重量。
EnforceStability
- - - - - -控制是否执行模型的稳定
假
(默认)|真正的
控制是否执行稳定的估计模型,指定为逗号分隔组成的“EnforceStability”
,要么真正的
或假
。
数据类型:逻辑
EstimateCovariance
- - - - - -控制是否生成参数协方差数据
真正的
(默认)|假
控制参数协方差是否生成数据,指定为真正的
或假
。
如果EstimateCovariance
是真正的
,然后用getcov
获取的协方差矩阵估计模型。
显示
- - - - - -指定是否显示估计的进展
“关闭”
(默认)|“上”
指定是否显示评估进展,指定以下值之一:
“上”
——信息模型结构和评估结果显示在一个progress-viewer窗口。“关闭”
——没有任何进展或结果信息显示。
InputOffset
- - - - - -在估计中移除抵消从时域输入数据
[]
(默认)|向量的正整数|矩阵
删除抵消从时域输入数据在评估期间,指定为以下之一:
一个列向量长度的正整数ν,在那里ν输入的数量。
[]
——表示没有抵消。ν——- - - - - -不矩阵——multi-experiment数据,指定
InputOffset
作为一个ν——- - - - - -不矩阵。ν输入和数量吗不是实验的数量。
每个条目指定的InputOffset
中减去从相应的输入数据。
OutputOffset
- - - - - -在估计中移除抵消从时域输出数据
[]
(默认)|向量|矩阵
删除抵消从时域输出数据在评估期间,指定为以下之一:
一个列向量的长度纽约,在那里纽约是输出的数量。
[]
——表示没有抵消。纽约——- - - - - -不矩阵——multi-experiment数据,指定
OutputOffset
作为一个纽约——- - - - - -不矩阵。纽约是输出的数量,和不是实验的数量。
每个条目指定的OutputOffset
从相应的输出数据中减去。
OutputWeight
- - - - - -加权多输出预测误差的估计
[]
(默认)|“噪音”
|半正定对称矩阵
加权多输出预测误差的估计,指定为以下值之一:
“噪音”
——减少 ,在那里E代表了预测误差N
是数据样本的数量。这个选择是统计意义上的最优,导致了最大似然估计如果没有可用数据噪声的方差。这个选项使用估计噪声方差的倒数作为权重函数。半正定对称矩阵(
W
)——最小化加权预测误差的跟踪矩阵跟踪(E”* E * W / N)
地点:E
预测错误的矩阵,每一列输出。W
半正定对称矩阵的大小等于输出的数量。使用W
指定输出的相对重要性在输出模型,或相应的数据的可靠性。N
是数据样本的数量。
[]
——软件之间的选择“噪音”
或者使用的单位矩阵W
。
此选项只对多输出相关模型。
先进的
- - - - - -更多高级选项
结构
更多高级选项,指定为一个结构领域最大尺寸
。最大尺寸
在一段指定的最大数量的元素输入-输出数据分成段。
最大尺寸
必须是正整数。
默认值:250000年
例子
引用
[1]Larimore,真实再现“规范变量分析识别、过滤和自适应控制。”学报》第29届IEEE会议决定和控制,第604 - 596页,1990年。
[2]Verhaegen, m .”身份的确定性天线系统状态空间模型的一部分”。自动化30卷,1994年,页61 - 74。
[3]Ljung, L。为用户系统标识:理论。上台北:新世纪PTR, 1999。
[4]简颂,m .“子空间识别和ARX建模”。13日IFAC研讨会上系统识别鹿特丹,荷兰,2003年。
版本历史
介绍了R2012aMATLAB命令
你点击一个链接对应MATLAB命令:
运行该命令通过输入MATLAB命令窗口。Web浏览器不支持MATLAB命令。万博1manbetx
你也可以从下面的列表中选择一个网站:
表现最好的网站怎么走吗
选择中国网站(中文或英文)最佳站点的性能。其他MathWorks国家网站不优化的访问你的位置。