错误数据

重构丢失的输入和输出数据

折叠所有页面

语法

Datae =错误数据(数据) Datae =错误数据(数据模型) Datae =错误数据(数据、MaxIterations Tol)

Datae =错误数据(数据)重新构造丢失的输入和输出数据。数据时域输入-输出数据在iddata对象的格式。丢失的数据样本(输入和输出)被输入为南年代。Datae是一个iddata对象，其中丢失的数据已被合理的估计所替代。

Datae =错误数据(数据模型)指定用于重建丢失数据的模型。模型是否任何线性识别模型(idtf,idproc,idgrey,idpoly,中的难点)。如果没有合适的模型已知，它被估计在一个迭代的方式使用默认的有序状态空间模型。

Datae =错误数据(数据、MaxIterations Tol)指定最大迭代数和容错。MaxIterations是执行的最大迭代次数(默认为10)。当两个连续数据估计值之间的差异小于时，迭代终止托尔%。的默认值托尔是1。

打开生活的脚本

加载缺少数据点的数据。

负载(“missing_data.mat”)

missing_data是一个iddata包含输入-输出数据的对象。

图数据。

情节(missing_data)

输出数据包含索引10到100之间的缺失数据。

使用指定的模型重建缺失数据，使用没有缺失样本的测量数据估计模型。在这个例子中，估计一个有两个极点的传递函数模型。

data2 = missing_data(101:结束);模型=特遣部队(data2 2);

重建丢失的数据。

datae =错误数据(missing_data模型);

绘制原始数据和重建数据。

情节(missing_data“b”datae,“——r”)

如果您没有指定用于重建数据的模型，则软件会根据当前的数据重建，在估计缺失数据和估计模型之间交替进行。

对于给定的模型，将缺失数据作为参数进行估计，以使重构数据的输出预测误差最小。见Ljung(1999)第14.2节。从统计学的角度来看，将缺失的输出作为参数处理并不是最好的方法，但在许多情况下是一个很好的近似。

在不给出模型的情况下，该算法根据当前重构情况，在缺失数据估计和模型估计之间交替进行。