主要内容

impulseestOptions

选项设置冲动

所有的页面崩溃

语法

选择= impulseestOptions
选项= impulseestOptions(名称、值)

描述

选项= impulseestOptions创建一个默认的选项设置冲动。

选项= impulseestOptions (名称,值)创建一个选项组与一个或多个指定的选项名称,值对参数。

输入参数

名称-值参数

指定可选的双参数作为Name1 = Value1,…,以=家,在那里的名字参数名称和吗价值相应的价值。名称-值参数必须出现在其他参数,但对的顺序无关紧要。

R2021a之前,用逗号来分隔每一个名称和值,并附上的名字在报价。

RegularizationKernel

正则化内核,用于正规化估计所有输入输出通道的脉冲响应。正则化减少方差的估计模型系数和交易方差产生平滑的回应偏见。有关更多信息,请参见[1]。

正则化被指定为以下值之一:

  • “TC”——调整和相关的内核

  • “没有”——不使用正则化

  • “CS”——三次样条的内核

  • “本身”——平方指数内核

  • “党卫军”——稳定的花键内核

  • “高频”——高频率稳定的花键内核

  • “迪”——对角线内核

  • “直流”——对角线和相关的内核

默认值:“TC”

PW

输入的顺序prewhitening过滤器。必须是下列之一:

  • “汽车”——使用一个过滤器的顺序10时RegularizationKernel是“没有”;否则,0。

  • 非负整数

只使用一个非零值prewhitening unregularized估计(RegularizationKernel是“没有”)。

默认值:“汽车”

InputOffset

输入信号抵消水平的时域估计数据。必须是下列之一:

  • 一个ν元列向量,ν输入的数量。对于multi-experiment数据,指定一个ν——- - - - - -不矩阵,不是实验的数量。偏移值InputOffset (i, j)减去从我th输入信号的jth实验。

  • []——没有补偿。

默认值:[]

OutputOffset

输出信号抵消水平的时域估计数据。必须是下列之一:

  • 一个纽约元列向量,纽约是输出的数量。对于multi-experiment数据,指定一个纽约——- - - - - -不矩阵,不是实验的数量。偏移值OputOffset (i, j)减去从我th输出信号的jth实验。

  • []——没有补偿。

默认值:[]

先进的

结构、正规化的评估期间使用以下字段:

  • 最大尺寸——最大允许的大小估计期间形成雅可比矩阵。指定一个很大的正数。

    默认值:250年e3

  • SearchMethod——搜索的正则化参数,估算方法指定为以下值之一:

    • “fmincon”:Trust-region-reflective受限的最小值。一般来说,“fmincon”比“gn”处理边界在实施自动正则化参数估计。

    • “gn”:拟牛顿行搜索。

    SearchMethod只有当使用RegularizationKernel不是“没有”。

    默认值:“fmincon”

  • AROrder——订单AR-part模型中从输入到输出。指定一个正整数。

    订单> 0允许更精确的脉冲响应模型的反馈和输出扰动非白人。

    默认值:5

  • FeedthroughInSys——指定是否脉冲响应值在零延迟必须归因于引线系统(真正的)或反馈效应(假)。只适用于当你计算消极落后的响应值。

    默认值:假

输出参数

选项

包含指定选项的选项设置冲动。

例子

全部折叠

打开生活的脚本

创建一个默认的选项设置冲动。

选择= impulseestOptions;
打开生活的脚本

指定“高频”起居内核prewhitening过滤冲动。

选择= impulseestOptions (“RegularizationKernel”,“高频”,“PW”5);

另外,使用点符号来指定这些选项。

选择= impulseestOptions;选项。RegularizationKernel =“高频”;选项。PW = 5;

提示

  • 一个线性模型不能描述任意的输入-输出补偿。因此,在使用数据之前,你必须去趋势或删除使用水平InputOffset和OutputOffset。你可以在模拟使用恢复删除的数据InputOffset和OutputOffset模拟选项。有关更多信息,请参见simOptions。

  • 估计脉冲响应通过指定InputOffset,OutputOffset或者两者都相当于消除趋势数据使用getTrend和去趋势。例如:

    选择= impulseestOptions (‘OutputOffset’,‘InputOffset’, in_off out_off);冲动(数据、选择);

    是一样的:

    Tr = getTrend(数据),Tr.InputOffset = in_off TR.OutputOffset = out_off人数(=去趋势(数据、Tr)脉冲(人数()

引用

[1]t . Chen h·欧胜,l . Ljung。“在传递函数的估计,合法化和高斯过程——重新审视“,自动化第48卷,2012年8月。

版本历史

介绍了R2012b

全部展开

另请参阅