去趋势被去除装置,偏移或从线性规则采样的时域输入输出的数据信号的趋势。此数据处理操作可以帮助你估算更准确的线性模型,因为线性模型无法捕捉的输入和输出信号电平之间任意的差异。从去趋势数据估计线性模型描述在输入信号的变化和输出信号的变化之间的关系。
对于稳态数据,则应该从输入和输出信号中去除平均值和线性的趋势。
对于瞬态数据,您应该删除在激励输入信号之前测量的物理平衡偏移。
除去线性趋势之一的线性趋势或几个分段当水平在实验过程中漂移。信号漂移被认为是一种低频率的干扰,并可能导致不稳定的车型。
当你想你不应该消除趋势模型估计之前的数据:
为了模拟或预测在系统操作条件的线性模型响应,则可以使用还原所移除的趋势到模拟或预测模型的输出retrend
命令。
有关处理数据漂移的更多信息,请参阅预处理数据的章节系统辨识:理论对于用户,第二版,由伦纳特·晶,普伦蒂斯霍尔PTR,1999年。
您可以使用系统识别应用消除趋势的数据,然后在命令行中使用消除趋势
命令。
应用程序和命令行都让您从稳态时域信号中减去平均值和一个线性趋势。
但是,这是消除趋势
命令提供以下附加功能(在该应用中不可用):
在规定的转折点减去分段线性趋势。A.断点是定义连续的线性趋势之间的不连续性的时间值。
减去瞬时数据信号的任意的偏移量和线性的趋势。
保存趋势信息给一个变量,这样就可以将其应用到多个数据集。
作为替代预先消解趋势的数据,你可以指定偏移水平评估选项并直接与估计命令中使用它们。
例如,假设您的数据已输入偏移,U0和输出偏移,y0.。有两种方式来执行使用该数据的线性模型估计(比方说,一个传递函数模型估计):
使用消除趋势
:
T = getTrend(数据)T.InputOffset = U0;T.OutputOffset = Y0;datad =消除趋势(数据,T);模型= tfest(datad,NP);
指定偏移量为估计选项:
选择= tfestOptions( 'InputOffset',U0, 'OutputOffset',Y0);模型= tfest(数据,NP,优化)
这种方法的优点是模型中存在偏移水平的记录model.report.Optionsed.
。这种方法的限制是它不能处理的线性趋势,这只能从数据通过使用去除消除趋势
。
消解趋势数据后,你不妨做到以下几点:
执行其他数据预处理操作。看的方式来准备数据进行系统辨识。
估计的线性模型。看线性模型识别。