Representar datos
Las funciones de estimación, validación y análisis de System Identification Toolbox™ aceptan datos de estimación de entrada/salida en múltiples formatos.
Datos del dominio del tiempo: horarios, matrices numéricas, objetos
iddataen el dominio del tiempoDatos del dominio de la frecuencia y de respuesta en frecuencia: objetos
iddataen el dominio de la frecuencia, objetosidfrd, objetosfrd
También puede generar datos de señal personalizados para proporcionar la señal de estimulación para experimentos o para estudiar el comportamiento de un modelo estimado simulando la respuesta del modelo a estas señales.
Los tipos de datos como horarios y objetos iddata también incluyen propiedades que contienen información sobre los datos, como tasa de muestreo, unidades y, para los objetos iddata, comportamiento entre muestras, nombres de canal e identificadores de experimento. Las matrices numéricas solo contienen valores de datos y no proporcionan información sobre la tasa de muestreo o cualquier otra propiedad de los datos.
Puede combinar conjuntos de datos relacionados siempre y cuando tengan la misma tasa de muestreo y las mismas selecciones de canal. En concreto, puede crear conjuntos de datos multiexperimento que deben compartir la tasa de muestreo y las selecciones de canal, pero pueden tener distintas duraciones y tiempos de inicio.
Funciones
Bloques
| Iddata Sink | Exportar los datos de simulación como objeto iddata al área de trabajo de MATLAB |
| Iddata Source | Import time-domain data stored in iddata object in
MATLAB workspace |
Temas
Requisitos de los datos
- Representing Data in MATLAB Workspace
Represent time-domain, time-series, and frequency-domain data.
Trabajar con tipos de datos
- Data Domains and Data Types in System Identification Toolbox
System Identification Toolbox accepts timetables, numeric matrices, and data objects for model estimation in the time and frequency domains. - Use Timetable Data for Time-Domain System Identification
Create and use timetables for model estimation. - Use Matrix-Based Data for Time-Domain System Identification
Use data contained in numeric matrices for time-domain model estimation. - Convert SISO Matrix Data to Timetable
Convert matrix-based SISO estimation data to timetables for model identification. - Convertir datos de matrices MIMO en un horario para la estimación de un modelo en tiempo continuo
Realice la estimación de un modelo MIMO en tiempo continuo convirtiendo en primer lugar datos basados en matrices en un horario. - Representing Time- and Frequency-Domain Data Using iddata Objects
Using theiddataconstructor to represent time-domain and frequency-domain data and working withiddataobjects. - Managing iddata Objects
Theiddataobject stores time-domain data or frequency-domain data and has several properties that specify the time or frequency values. - Representing Frequency-Response Data Using idfrd Objects
Using theidfrdconstructor to represent frequency-response data and working withidfrdobjects.
Generar datos de entrada y salida
- Generate Data Using Simulation
Creating input data with specific characteristics and simulating the output data from a model.
Trabajar con datos en la app
- Import Time-Domain Data into the App
Import time-domain data into the System Identification app. - Import Frequency-Domain Data into the App
Import frequency-domain input-output data and frequency-response data into the System Identification app. - Import Data Objects into the App
Importiddataandidfrddata objects. - Specifying the Data Sample Time
Specify time between successive data samples. - Managing Data in the App
You can get information about each data set in the System Identification app by right-clicking the corresponding data icon.
Utilizar datos de valores complejos
- Manipulating Complex-Valued Data
Supported operations and limitations for handling complex data and commands for manipulating complex signals.
