识别线性模型

使用系统识别应用程序识别线性模型

使用系统识别应用程序从单输入/单输出(SISO)数据识别线性黑箱模型。

使用命令行识别线性模型

使用系统识别工具箱命令从多输入/单输出(MISO)数据识别线性模型。

频域识别:使用频域数据估计模型

这个例子展示了如何使用频域数据估计模型。

评估报告

的评估报告包含有关用于模型估计的结果和选项的信息。

选择模型结构

关于已识别线性模型

系统识别工具箱软件使用对象来表示各种线性和非线性模型结构。

可用线性模型

可用于系统识别的线性模型类型的摘要。

黑箱建模

当您的主要兴趣是拟合数据而不考虑模型的特定数学结构时，黑箱建模是有用的。

模型结构选择:确定模型顺序和输入延迟

这个例子展示了一些选择和配置模型结构的方法。

建模输出系统

使用适合系统复杂性和内部输入-输出耦合的多输出建模技术。

模型对象的类型

模型对象类型包括用于表示具有固定系数的系统的数值模型，以及用于具有可调或不确定系数的系统的广义模型。

模型对象结构和约束

线性模型结构

系统辨识工具箱中的线性模型采用线性模型结构的模型对象形式。您可以直接构造模型对象，也可以使用评估命令来构造和评估模型。您还可以修改现有模型对象的属性。

对模型参数值施加约束

约束估计算法对单个模型参数的调整结构模式对象的属性。

正则化

动态系统的正则化辨识

这个例子显示了正则化识别线性和非线性模型的好处。

使用系统识别应用程序估计正则化ARX模型

这个例子展示了如何使用系统识别应用程序中自动生成的正则化常数来估计正则化ARX模型。

模型参数的正则化估计

正则化是一种技术，用于指定对模型灵活性的约束，从而减少估计参数值的不确定性。

额外的话题

损失函数和模型质量度量

配置参数估计时损耗最小的功能。在评估之后，使用模型质量度量来评估识别模型的质量。

输入样本间行为对连续时间模型的影响

输入信号的样本间行为影响着连续时间模型的估计、仿真和预测。