识别线性模型

使用系统识别应用识别线性模型

使用系统标识应用识别从单输入/单输出（SISO）数据的线性黑匣子型号。

使用命令行识别线性模型

使用系统识别工具箱命令识别来自多输入/单输出（MISO）数据的线性模型。

频域识别：使用频域数据估计模型

此示例显示了如何使用频域数据估计模型。

估计报告

这估计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

关于识别的线性模型

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

用于系统识别的线性模型类型摘要。

黑匣子建模

无论模型的特定数学结构如何，黑匣子建模都很有用。

模型结构选择：确定模型顺序和输入延迟

此示例显示了一些选择和配置模型结构的方法。

多输出系统建模

使用多输出建模技术，该技术适用于系统的复杂性和内部输入输出耦合。

模型对象的类型

模型对象类型包括数字模型，用于表示具有固定系数的系统，以及具有可调谐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

系统识别工具箱中的线性模型采用模型对象的形式，即线性模型结构。您可以直接构建模型对象或使用估计命令来构造和估计模型。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

通过使用结构模式对象的属性。

正则化

正规化动态系统的识别

此示例显示了正则化的好处，用于识别线性和非线性模型。

利用系统辨识App估计正则化ARX模型

此示例演示如何使用系统识别应用程序中自动生成的正则化常数估计正则化ARX模型。

模型参数的正则化估计

正则化是用于指定模型灵活性的约束的技术，从而降低了估计的参数值中的不确定性。

附加主题

损失函数与模型质量度量

配置在参数估计期间最小化的损耗功能。估算后，使用模型质量指标来评估所识别模型的质量。

输入样本间行为对连续时间模型的影响

输入信号的字数行为影响连续时间模型的估计，仿真和预测。