利用arx和iv4估计arx模型

方法可以估计单输出和多输出ARX模型arx而且iv4命令。有关算法的信息，请参见多项式模型估计算法．

你可以使用下面的通用语法来配置和评估ARX模型:

%使用ARX方法M = arx(data，[na nb nk]，opt);%使用IV法M = iv4(data，[na nb nk]，opt);

数据估计数据和[na nb nk]指定模型顺序，如中所讨论什么是多项式模型?．

第三个输入参数选择包含配置ARX模型估计的选项，例如初始条件和输入偏移量的处理。您可以创建和配置选项集选择使用arxOptions而且iv4Options命令。三个输入参数后面还可以跟着名称和值对，以指定可选的模型结构属性，例如InputDelay，IODelay,IntegrateNoise．

要获得离散时间模型，请使用时域数据(iddata对象)。

有关验证模型的更多信息，请参见评估后验证模型．

你可以使用pem或聚改进现有多项式模型的参数估计，如优化线性参数模型．

有关这些命令的详细信息，请参见相应的参考页面。

使用聚估计多项式模型

您可以使用迭代预测-误差估计方法估计任何多项式模型聚．对于方差未知的高斯扰动，该方法给出最大似然估计。生成的模型存储为idpoly模型对象。

使用以下通用语法来配置和估计多项式模型:

m = polyest(data，[na nb nc nd nf nk]，opt,Name,Value);

在哪里数据是估计数据。na，注，数控，nd，nf是指定模型顺序的整数，和nk指定每个输入的输入延迟。F或more information about model orders, see什么是多项式模型?．

如果你想估计所有五个多项式的系数，一个，B，C，D,F，则必须为每个多项式指定整数顺序。但是，如果您想指定一个ARMAX模型，例如，它只包括一个，B,C多项式，你必须设置nd而且nf到零适当大小的矩阵。对于一些更简单的配置，有专用的估计命令，例如arx，armax，bj,oe，通过只使用所需的订单来交付所需的模型。例如,Oe (data，[nb nf nk]，opt)估计一个输出误差结构多项式模型。

除了列出的多项式模型之外什么是多项式模型?，你可以使用聚来模拟ARARX结构，称为广义最小二乘模型——设置数控= nf = 0．您还可以对ARARMAX结构建模，称为扩展矩阵模型——设置nf = 0．

第三个输入参数，选择，包含配置多项式模型估计的选项，如初始条件的处理、输入偏移量和搜索算法。您可以创建和配置选项集选择使用polyestOptions命令。三个输入参数后面还可以跟着名称和值对，以指定可选的模型结构属性，例如InputDelay，IODelay,IntegrateNoise．

对于ARMAX、Box-Jenkins和输出误差模型(它们只能使用迭代预测误差方法进行估计)，请使用armax，bj,oe分别为估计命令。这些命令是聚简化了这些特定模型结构的语法，如下所示:

m = armax(Data，[na nb nc nk]);m = oe(数据，[nb nf nk]);m = bj(数据，[nb nc nd nf nk]);

类似于聚，可以指定使用命令配置的选项集作为输入参数armaxOptions，oeOptions,bjOptions对于估计量armax，oe,bj分别。您还可以使用名称和值对来配置附加的模型结构属性。

opt = oeOptions('WeightingFilter”,[0 10]);m = oe(Data， [nb nf nk]， opt);

有关验证模型的更多信息，请参见评估后验证模型．

你可以使用pem或聚要细化现有多项式模型(任何配置)的参数估计，如优化线性参数模型．

有关更多信息，请参见聚，pem而且idpoly．