变换确定线性模型与噪声信道模型与测量通道
mod1 = noisecnv (mod)
“正常化”mod2 = noisecnv (mod)
mod1 = noisecnv (mod)
和“正常化”mod2 = noisecnv (mod)
变换与噪声通道识别线性模型与测量通道只有一个模型。
国防部
是任何线性识别模型,idproc
,idtf
,idgrey
,idpoly
,或中的难点
。
噪声输入通道国防部
转换如下:考虑一个模型与测量输入通道u(ν通道)和噪声通道e(纽约与协方差矩阵通道)Λ:
在哪里l是一个下三角矩阵。请注意,mod.NoiseVariance
=Λ。与单位方差描述的模型也可以,使用标准化的噪声源v:
mod1 = noisecnv (mod)
将该模型转换为代表的系统[GH)与ν+纽约输入和纽约输出。所有输入被视为衡量mod1
没有任何噪声模型。前噪声输入通道名称e@yname
,在那里yname
的名字是相应的输出。
mod2 = noisecnv (mod,“规范”)
将该模型转换为代表的系统[G霍奇金淋巴瘤)与ν+纽约输入和纽约输出。所有输入被视为衡量mod2
没有任何噪声模型。前噪声输入通道名称v@yname
,在那里yname
的名字是相应的输出。注意,噪声方差矩阵因子l通常是不确定的(有一个非零协方差)。这是考虑到不确定性的描述mod2
。
如果国防部
是一个时间序列,即ν= 0
,mod1
是一个模型,描述了传递函数H测量输入通道。类似地,mod2
描述了传递函数霍奇金淋巴瘤。
注意与subreferencing的区别:
国防部(:[])
给出了一个描述噪声模型特征的时间序列模型,它描述了H的协方差e。相比之下,noisecnv (m (: []))
或noise2meas (m)
描述的传递函数H。获得归一化传递函数的描述霍奇金淋巴瘤,使用noisecnv (m(:[]),“正常化”)
或noise2meas(“正常化”)
。
转换噪声通道测量的输入是有用的学习个体的属性转移函数噪声输出。也用于确定线性模型转换为明确表示,不处理干扰的描述。
确定一个模型和测量组件(G)和一个非平凡的噪声组件(H)。比较测量组件的频率响应的振幅噪声分量的频谱振幅。必须将噪声组件转换为测量一个通过使用noisecnv
如果你想比较其行为对一个真正测量组件。
负载iddata2 z2 sys1 = armax (z2, [2 2 2 1]);%与噪声组件模型sys2 =特遣部队(z2, 3);%模型与一个微不足道的噪声分量sys1 = noisecnv (sys1);sys2 = noisecnv (sys2);bodemag (sys1 sys2)