输入-输出多项式模型

输入-输出多项式模型，包括ARX, ARMAX，输出误差和Box-Jenkins模型结构

多项式模型使用传递函数的广义概念来表示输入，u（t)，则输出y（t)，以及噪音e（t)，使用如下形式的方程式:

$一个（问） y （ t ）＝ \frac{B （问）}{F （问）} u （ t - n k ） + \frac{C （问）}{D （问）} e （ t ）$

一个（问)，B（问)，F（问)，C（问),D（问)是用时移算子表示的多项式矩阵问^－1．u（t)为输入，且nk是输入延迟。y（t)为输出和e（t)为干扰信号。

每个多项式都有一个独立的订单，或可估计系数的数目。例如，如果一个（问)的顺序为2，则一个多项式的形式是一个（问) = 1 +一个₁问^－1+一个₂问^－2．

在实践中，并非所有多项式都是同时活动的。更简单的多项式形式，如ARX, ARMAX, Output-Error和Box-Jenkins提供了适合特定目标的模型结构，如处理非平稳扰动或为动力学和噪声提供完全独立的参数化。有关这些模型类型的更多信息，请参见什么是多项式模型?

应用程序

系统识别	从测量数据中识别动态系统的模型

`idpoly`	具有可识别参数的多项式模型
`arx`	估计ARX, ARIX, AR或ARI模型的参数
`armax`	利用时域数据估计ARMAX、ARMAX、ARMA或ARIMA模型的参数
`bj`	利用时域数据估计Box-Jenkins多项式模型
`iv4`	用四阶段工具变量法估计ARX模型
`ivx`	用任意仪器的工具变量法估计ARX模型
`oe`	利用时域或频域数据估计输出误差多项式模型
`聚`	用时域或频域数据估计多项式模型
`pem`	优化线性和非线性模型的预测误差最小化

为迭代估计算法指定初始状态
当你使用pem或聚函数来估计ARMAX, Box-Jenkins (BJ)，输出误差(OE)，您必须指定算法如何处理初始条件。
多项式模型估计算法
ARX和AR模型估计的ARX和IV算法之间的选择。

对时间序列数据进行谱估计。我们使用Marple的测试用例(L. Marple中的复杂数据:S.L. Marple, Jr，数字光谱分析与应用，Prentice-Hall, Englewood Cliffs, NJ 1987)。

打开实时脚本