文档帮助中心
识别的模型参数协方差
cov_data = getcov(系统)
cov_data = getcov(SYS,cov_type)
cov_type cov_data = getcov (sys,“免费”)
例
cov_data= getcov (SYS)返回确定模型参数的原始协方差。
cov_data= getcov (SYS)
cov_data
SYS
如果SYS是一个单一的模型,然后cov_data是一个np——- - - - - -np矩阵。np是的参数的数量SYS。
如果SYS是一个模型数组,那么cov_data是大小的单元阵列等于阵列尺寸SYS。
cov_data(I,J,K,...)包含协方差数据SYS(:,:,I,J,K,...)。
cov_data(I,J,K,...)
SYS(:,:,I,J,K,...)
cov_data= getcov (SYS,cov_type)返回参数协方差无论是作为矩阵或结构,这取决于被指定的协方差类型。
cov_data= getcov (SYS,cov_type)
cov_type
cov_data= getcov (SYS,cov_type“免费”)返回只有自由模型参数的协方差数据。
cov_data= getcov (SYS,cov_type“免费”)
全部折叠
获取识别模型。
加载iddata1Z1sys =特遣部队(z1, 2);
查看该模型的原始参数协方差。
cov_data =5×51.2131 -4.3949 -0.0309 -0.5531 0 -4.3949 115.0838 1.8598 10.6660 0 -0.0309 1.8598 0.0636 0.1672 0 -0.5531 10.6660 0.1672 1.2433 0 0 0 0 0 0
cov_data包含参数向量的协方差矩阵[sys.Numerator sys.Denominator(2:结束),sys.IODelay]。
[sys.Numerator sys.Denominator(2:结束),sys.IODelay]
sys.Denominator(1)固定为1而不是作为参数来处理。由于没有估计延迟,对应于延迟参数(第五行和列)的协方差矩阵项为零。
sys.Denominator(1)
1
获取已识别的模型数组。
加载iddata1Z1;sys1 =特遣部队(z1, 2);sys2 =特遣部队(z1, 3);sysarr =栈(1,SYS1,SYS2);
sysarr是一个2×1阵列的连续时间,确定传递函数。
sysarr
获得数组中模型的原始参数协方差。
cov_data = getcov(sysarr)
cov_data =2×1单元阵列{5x5的双} {7×7}双
cov_data是一个2×1单元格数组。cov_data {1}和cov_data {2}是原始参数的协方差矩阵为sys1和sys2。
cov_data {1}
cov_data {2}
sys1
sys2
加载估计数据。
加载iddata1Z1z1.y = cumsum(z1.y);
估计模型。
init_sys = IDTF([100 1500],[1 10 10 0]);init_sys.Structure.Numerator.Minimum = EPS;init_sys.Structure.Denominator.Minimum = EPS;init_sys.Structure.Denominator.Free(结束)= FALSE;选择= tfestOptions('SearchMethod','LM');sys =特遣部队(z1、init_sys选择);
SYS是一个IDTF与六个参数,其中四个估计的模型。
IDTF
获取估计参数的协方差矩阵。
cov_type ='值';cov_data = getcov(SYS,cov_type,'自由')
cov_data =4×410五×0.0269 -0.1237 -0.0001 -0.0017 -0.1237 1.0221 0.0016 0.0133 -0.0001 0.0016 0.0000 0.0000 -0.0017 0.0133 0.0000 0.0002
cov_data是4 x4协方差矩阵,对应于四个估计参数条目。
4 x4
查看该模型加因子参数协方差。
cov_type =“因素”;cov_data = getcov(SYS,cov_type);
加载iddata1Z1sys1 =特遣部队(z1, 2);sys2 =特遣部队(z1, 3);sysarr =栈(1,SYS1,SYS2);
获取数组中的模型加因子参数协方差。
cov_type =“因素”;cov_data = getcov(sysarr,cov_type)
cov_data =2×1结构阵列字段:[RŤ免费
cov_data是一个2乘1结构数组。cov_data(1)和cov_data(2)对于加因子方差结构sys1和sys2。
cov_data(1)
cov_data(2)
SYS,一IDTF模型有六个参数,其中四个是估计的。
获取估计参数加因子方差。
cov_type =“因素”;cov_data = getcov(SYS,cov_type,'自由');
IDSS
idgrey
idpoly
idproc
idnlarx
idnlhw
idnlgrey
识别的模型,指定为IDTF,IDSS,idgrey,idpoly,idproc,idnlarx,idnlhw, 要么idnlgrey模型或这些模型的阵列。
该getcov命令返回cov_data如[]对于idnlarx和idnlhw因为这些模型不存储参数协方差数据。
getcov
[]
'值'
“因素”
协方差返回类型,指定为'值'或“因素”。
如果cov_type是'值', 然后cov_data返回为一个矩阵(原始协方差)。
如果cov_type是“因素”, 然后cov_data作为包含协方差矩阵因子的结构返回。
如果协方差矩阵包含非有限值、非正定值或条件恶劣,则使用此选项来获取协方差数据。您可以使用协方差因子来计算响应的不确定性,而不是在数值上不利的协方差矩阵。
此选项不会在下列情况下提供了数量上的优势:
SYS使用某些仪器变量的方法,如估计IV4。
IV4
您已经明确指定的参数协方差SYS使用弃用CovarianceMatrix模型属性。
CovarianceMatrix
数据类型:字符
字符
参数协方差SYS,返回作为基质,结构或结构的单元阵列的矩阵,单元阵列。cov_data是[]对于idnlarx和idnlhw楷模。
如果SYS单一模型和cov_type是'值', 然后cov_data是一个np——- - - - - -np矩阵。np是的参数的数量SYS。
这个矩阵的非零元素的值等于sys.Report.Parameters.FreeParCovariance什么时候SYS是通过估计得到的。对应于固定参数的行和列条目为零。
sys.Report.Parameters.FreeParCovariance
如果SYS单一模型和cov_type是“因素”, 然后cov_data是一种带有字段的结构:
[R- 通常在上三角矩阵。
[R
Ť——变换矩阵。
Ť
自由- 长度的逻辑矢量np指示如果模型参数是免费的(估计的)或没有。np是的参数的数量SYS。
自由
为了获得使用因子形式的协方差矩阵,请输入:
免费= cov_factored.Free;T = cov_factored.T;R = cov_factored.R;NP = nparams(SYS);cov_matrix =零(NP);cov_matrix(免费,免费)= T * INV(R '* R)* T';
为了数值精度,计算T *发票(R ' T * R) *如X * X”,其中X = T / R。
T *发票(R ' T * R) *
X * X”
X = T / R
getpvec|nparams|R样品|setcov|SIM卡|simsd
getpvec
nparams
R样品
setcov
SIM卡
simsd
您的系统上有此示例的修改版本。你想打开这个版本吗?
您单击对应于该MATLAB命令的链接:
在MATLAB命令窗口中输入它运行的命令。Web浏览器不支持MATLAB的命令。金宝app
选择一个网站,以获得翻译的内容,其中可看到当地的活动和优惠。根据您的位置,我们建议您选择:。
您也可以从以下列表中选择网站:
选择最佳的网站性能的中国网站(在中国或英文)。其他MathWorks的国家网站都没有从您的位置访问进行了优化。
请联系您当地的办事处
现在就试用