估计输入信号- MATLAB和Simulink MathWorks意大利金宝app - 金宝app,下载188bet金宝搏,金宝搏官方网站

估计输入信号

频率响应估计需要一个输入信号激励模型在感兴趣的频率。指定的软件然后措施响应输出,使用输入信号和测量响应来估计频率响应。

当您执行频率响应估计,你指定要使用什么类型的输入信号,其属性是什么。

离线估计

下表总结了不同类型的输入信号可以使用离线估计模型线性化电路或在MATLAB^®使用命令行frestimate。

信号	描述
Sinestream	一系列正弦扰动应用一个接一个。Sinestream信号建议对于大多数情况。他们是特别有用,当你的系统包含强大的非线性或您需要高度精确的频率响应模型。
尖声地说	扫描信号激发系统的频率范围,这样输入频率瞬间变化。线性调频信号是有用的当你的系统是近线性模拟范围。他们也非常有用,当你想获得一个响应快速大量的频率点。
伪随机位序列	一个确定性的伪随机二进制序列,两个值之间变化,white-noise-like属性。PRBS信号减少总估计时间相比,使用sinestream输入信号,而产生类似的估计结果。PRBS信号是有用的估计通信和电力电子系统的频率响应。
随机	一个随机输入信号。随机信号是有用的,因为他们可以激发系统统一奈奎斯特频率的频率。
一步	一个阶跃输入信号。步骤输入快速模拟和可能是有用的作为一个第一次尝试当你没有太多知识系统你想估计。
任意的	一个MATLAB timeseries您可以指定任何时变信号作为输入。

一般来说,估计频率响应与输入和输出信号为:

$R e 年代 p = \frac{F F T (y_{e 年代 t} (t))}{F F T (u_{e 年代 t} (t))} 。$

在这里,u_{美国东部时间}(t)是输入信号和注入y_{美国东部时间}(t)是相应的模拟输出信号。有关详细信息,请参见算法部分frestimate。

在线评估

在线评估的频率响应估计量块,您可以使用两种类型的输入信号:

Sinestream——一系列正弦扰动应用一个接一个
叠加——一组正弦扰动同时应用

在线估计,使用sinestream信号可以更准确和可容纳更大范围的频率比信号叠加。sinestream模式也可以较小的干扰。然而,由于sinestream扰动的自然顺序,每个频率点添加增加实验时间。因此,估计实验通常更快与叠加信号令人满意的结果。

指定哪个类型的输入信号用于在线估计,使用实验模式参数的频率响应估计量块。

Sinestream信号

细节sinestream信号的结构和如何创建它们,看到的Sinestream输入信号。

线性调频信号

对线性调频信号的结构细节和如何创建它们,看到的短促声波输入信号。

伪随机位序列信号

细节PRBS信号的结构和如何创建它们,看到的伪随机位序列输入信号。

随机信号

随机信号是有用的,因为他们可以激发系统统一奈奎斯特频率的频率。创建一个随机输入信号估计:

在模型线性化电路,在估计选项卡上,选择输入信号>随机。
在命令行中,使用frest.Random创建随机信号和使用它作为输入参数frestimate。

随机信号由均匀分布随机数的间隔振幅[0]或振幅[0]分别为积极的和消极的振幅。您可以指定振幅,样品时间,样品数量直接当您创建输入信号。另外,如果你有一个相关的线性定常模型(LTI)如非整数(党卫军)模型,您可以使用它来初始化随机信号参数。例如,如果你有一个系统的精确线性化,您可以使用它来初始化参数。

当你使用一个随机输入信号的估计,返回的频率估计的朋友模型依赖于信号的长度和采样时间。他们获得的频率输入信号的快速傅里叶变换(见的算法部分frestimate)。

步信号

一步输入快速模拟。像一个随机信号,信号可以激发系统的奈奎斯特频率的频率。因为这些原因,阶跃输入可能是有用的作为一个第一次尝试当你没有太多知识系统你想估计。然而,激励的振幅下降迅速,越来越频繁。因此,低阶步信号最好用来识别植物,最慢的波兰人占主导地位。步骤输入不建议用于评估在一个广泛的频率。

创建一个阶跃输入信号估计,使用frest.createStep。这个函数创建一个MATLABtimeseries表示一个阶跃输入的样品时间,一步,一步大小和总信号长度时指定电话frest.createStep。

使用MATLAB工作区中创建步骤输入信号:

在模型线性化电路,在估计选项卡上,选择它的现有的输入信号部分的输入信号下拉列表。
在命令行中,使用它作为输入参数frestimate。

当你使用一个阶跃输入信号的估计,返回的频率估计的朋友模型依赖于信号的长度和采样时间。他们获得的频率输入信号的快速傅里叶变换(见的算法部分frestimate)。

任意的信号

如果你想使用一个信号除了sinestream,唧唧喳喳,一步,或者随机信号,你可以提供你自己的MATLABtimeseries对象。例如,您可以创建一个timeseries代表一个斜坡,锯齿或方波输入。

使用一个timeseries为评估对象作为输入信号,首先创建的timeseries在MATLAB工作区。然后:

在模型线性化电路,在估计选项卡上,选择它的现有的输入信号部分的输入信号下拉列表。
在命令行中,使用它作为输入参数frestimate。

当你使用一个任意的输入信号的估计,返回的频率估计的朋友模型依赖于信号的长度和采样时间。他们获得的频率输入信号的快速傅里叶变换(见的算法部分frestimate)。

叠加信号

叠加信号只提供的在线估计频率响应估计量块。一个向量的频率响应估计频率ω= (ω₁、…ω_N在振幅)一个= (一个₁、…一个_N,叠加信号是由:

$Δ u = \sum_{我} {一个}_{我} 罪 (ω_{我} t) 。$

微扰Δ块供应u实验期间(虽然启动/停止信号是积极的)。块决定等待系统瞬变消失多久和多少个周期用于评估,下图所示。

T_经验值是你指定的实验时间的配置启动/停止信号(看到的吗启动/停止块上的端口描述参考页面获取更多信息)。估计计算,块只使用的数据收集在一个窗口N_最长的P。在这里,P是最慢的时间频率的频率向量ω,N_最长的的价值吗使用的时间频率最低的数量估计块参数。这个窗口被丢弃之前任何周期。因此,解决时间T_解决=T_经验值- - - - - -N_最长的P。如果你知道你的系统迅速解决,你可以缩短T_经验值在不改变N_最长的有效地缩短T_解决。如果你的系统是嘈杂的,你可以增加N_最长的得到更多的平均收集窗口。无论如何,总是选择T_经验值足够长的时间足够的沉淀和足够的数据收集。推荐的T_经验值= 2N_最长的P。

使用叠加信号估计,频率响应估计量块,设置实验模式参数叠加。有关详细信息,请参见频率响应估计量。

另请参阅