matlab小波工具箱傳遞函數參數辨識

A. 關於傳遞函數參數在線辨識的幾個問題

可以啊，MATLAB裡面的ident工具箱就是專門用來做辨識的，你只需要把輸入輸出的數據給它，然後設置好參數(采樣時間，傳遞函數階數，有無零點，有無延遲，極點類型等)，然後就會計算出傳遞函數的參數，不需要編程，我記得這個工具箱本身用的就是最小二乘的演算法。當然，MATLAB本身是以矩陣為基礎的，所以你需要有一個數據採集器採集數據，然後存到一個數組里，然後轉化成向量的形式，讓MATLAB來讀取數據。這個工具箱能夠接受各種各樣的數據，可以是時域的，也可以是頻域的，比如階躍信號就很明顯是時域的分析，如果測試的時候用的是不同頻率的正弦波，那就是掃頻法，屬於頻域數據。能夠辨識的數學模型可以使傳遞函數，也可以是狀態空間方程等等。
至於精度的問題，和采樣時間一定是有關的，但是也沒必要讓采樣時間間隔很小，適當就可以了，一般的數據採集器都可以滿足要求。還有就是辨識演算法的正確性與合理性很重要，可以說是起到關鍵作用的。而且不同類型的演算法適應不同的系統，很難單純地用精度來說。反正以實際結果為准，吻合度高的就是好的。

B. 急求！怎樣用MATLAB輸入一個傳遞函數

1、將輸入輸出數據保存存到MATLAB的工作空間中；

C. 從matlab系統辨識工具箱導出傳遞函數模型

謝邀。

如果想通過程序代碼實現傳遞函數的功能，需要將辨識得到內的傳遞函數離散化並轉化成容差分方程，然後通過當前時刻和前幾個時刻的數據即可計算得到當前時刻輸出。k-1時刻的

舉一個簡單的例子說吧
假設單輸入單輸出傳遞函數是G=1/(s+1)
按采樣周期Ts=0.01s離散得到離散傳遞函數G'=Y/U=0.00995z^-1/(1-0.99z^-1)
轉化為差分方程為y(k)=0.99*y(k-1)+0.00995*u(k-1)
也就是說想要得到k時刻的輸出y，需要通過k-1時刻的輸出y與k-1時刻的輸入u，編寫程序時對之前時刻的數據加以記錄即可

辨識工具箱我這邊只是淺嘗輒止，項目最後使用了神經網路辨識的方式，而且負責這塊的人也並不是我。只是按照我自己僅有的理解加以解答，不知道是否對您有所幫助。能力所限，如果沒有幫助還請見諒。

D. MATLAB系統辨識工具箱（ARMAX模型）

系統辨識是研究系統輸入輸出數據，以建立描述系統行為的數學模型的現代控制理論分支。MATLAB系統辨識工具箱提供直觀且簡便的流程進行模型擬合，本文將簡要介紹其使用方法。

使用MATLAB系統辨識工具箱進行模型辨識的第一步是打開工具箱，通過命令窗口輸入「ident」即可實現。

導入數據時，數據分為輸入與輸出兩部分，這里以功率輸出為例，使用MATLAB自帶數據為例。步驟包括數據導入、選擇數據范圍、預處理數據等。具體步驟包括：時間域數據導入、填寫數據、數據范圍選擇、趨勢項去除等操作。數據預處理後，系統界面將顯示預處理後的數據。

進行模型辨識時，以多項式ARMAX模型為例，選擇Estimate→Polynomial Models。數據將自動展示在右側，雙擊模型可以查看參數。模型輸出界面展示了模型的擬合程度，如ARMAX2221模型的擬合度為76.72%。

對於ARX模型的辨識，選擇Estimate→Polynomial Models，選擇ARX模型進行辨識，設置階數范圍為1-10，並觀察不同演算法下的最優擬合情況。結果顯示，最小二乘法的擬合度最高。

系統辨識工具箱在數據處理過程中提供了便利的工具，通過直觀的界面和簡單的操作步驟，實現數據模型的快速擬合。其數據精度基本符合要求，在現代控制系統設計中發揮重要作用。

E. 如何使用matlab中的工具箱

使用matlab中的工具箱方法：
MATLAB自帶工具箱

查看方式：
我們首先詳細介紹一下MATLAB自帶工具箱的使用。
在我們不熟悉一些調用工具箱的命令的時候，我們可以按照如下圖所示：
在MATLAB主窗口中，點擊左下角start--toolboxes,就會羅列出你的MATLAB已經安裝的所有工具箱，可以根據你的需要選擇你將要使用的工具箱。我們可以看到有擬合工具箱、金融工具箱、最優化工具箱等等。

調用（打開）方式：
下面我們介紹一下如何打開一個工具箱。
我們以調用擬合工具箱為例，進行詳細的示例。
調用方式一：
按照如下圖所示的步驟：
點擊主窗口左下角start--toolboxes--curve fitting--curve fitting tool 單擊，就可以打開擬合工具箱.

調用方式二：
在上一步中，我們在start--toolboxes--curve fitting--curve fitting tool ，到這里的時候，會看到在其後面有一個簡寫 cftool 如下圖，這就是我們的擬合工具箱調用命令函數。在MATLAB主窗口中輸入cftool ，回車，同樣可以打開擬合工具箱。

工具箱的使用：
擬合工具箱打開之後，如下，我們就可以進行多種曲線擬合了。
關於MATLAB擬合工具箱等，一些工具箱的詳細用法，由於篇幅的有限，在我的其他經驗中都會陸續給出，有興趣的可以查看。

非自帶工具箱
非自帶工具箱，需另外下載，然後按照一定的步驟導入，導入後一般不能像上面工具箱一樣，通過界面操作，一般都通過函數使用。由於工具箱的導入有幾個小的細節需要注意，所以在我的其他經驗中，關於如何導入工具箱，我也進行了詳細的介紹。

F. MATLAB里的Toolboxes怎麼使用急求高手指點！！！

MATLAB工具箱介紹
有三十多個工具箱大致可分為兩類:功能型工具箱和領域型工具箱。
功能型工具箱主要用來擴充MATLAB的符號計算功能、圖形建模模擬功能、文字處理功能以及與硬體實時交互功能，能用於多種學科。
領域型工具箱是專業性很強的。如圖像處理工具箱(Image Processing Toolbox)、控制工具箱(Control Toolbox)、信號處理工具箱(Signal Processing Toolbox)等。下面，將MATLAB工具箱內所包含的主要內容做簡要介紹：

1) 圖像處理工具箱(Image Processing Toolbox)。
* 二維濾波器設計和濾波
* 圖像恢復增強
* 色彩、集合及形態操作
* 二維變換
* 圖像分析和統計
可由結構圖直接生成可應用的C語言源代碼。
2)控制系統工具箱(Control System Toolbox)。
魯連續系統設計和離散系統設計
* 狀態空間和傳遞函數
* 模型轉換
* 頻域響應：Bode圖、Nyquist圖、Nichols圖
* 時域響應：沖擊響應、階躍響應、斜波響應等
* 根軌跡、極點配置、LQG
3)財政金融工具箱(FinancialTooLbox)。
* 成本、利潤分析，市場靈敏度分析
* 業務量分析及優化
* 偏差分析
* 資金流量估算
* 財務報表
4)頻率域系統辨識工具箱(Frequency Domain System ldentification Toolbox
* 辨識具有未知延遲的連續和離散系統
* 計算幅值／相位、零點／極點的置信區間
* 設計周期激勵信號、最小峰值、最優能量諾等
5)模糊邏輯工具箱(Fuzzy Logic Toolbox)。
* 友好的交互設計界面
* 自適應神經—模糊學習、聚類以及Sugeno推理
* 支持SIMULINK動態模擬
* 可生成C語言源代碼用於實時應用
(6)高階譜分析工具箱(Higher—Order SpectralAnalysis Toolbox
* 高階譜估計
* 信號中非線性特徵的檢測和刻畫
* 延時估計
* 幅值和相位重構
* 陣列信號處理
* 諧波重構
(7) 通訊工具箱(Communication Toolbox)。
令提供100多個函數和150多個SIMULINK模塊用於通訊系統的模擬和分析
——信號編碼
——調制解調
——濾波器和均衡器設計
——通道模型
——同步
(8)線性矩陣不等式控制工具箱(LMI Control Toolbox)。
* LMI的基本用途
* 基於GUI的LMI編輯器
* LMI問題的有效解法
* LMI問題解決方案
(9)模型預測控制工具箱(ModelPredictive Control Toolbox
* 建模、辨識及驗證
* 支持MISO模型和MIMO模型
* 階躍響應和狀態空間模型

(10)u分析與綜合工具箱(u-Analysis and Synthesis Toolbox)
* u分析與綜合
* H2和H無窮大最優綜合
* 模型降階
* 連續和離散系統
* u分析與綜合理論

(11)神經網路工具箱(Neursl Network Toolbox)。
* BP，Hopfield，Kohonen、自組織、徑向基函數等網路
* 競爭、線性、Sigmoidal等傳遞函數
* 前饋、遞歸等網路結構
* 性能分析及應用
(12)優化工具箱(Optimization Toolbox)。
* 線性規劃和二次規劃
* 求函數的最大值和最小位
* 多目標優化
* 約束條件下的優化
* 非線性方程求解
(13)偏微分方程工具箱(Partial DifferentialEquation Toolbox)。
* 二維偏微分方程的圖形處理
* 幾何表示
* 自適應曲面繪制，
* 有限元方法
(14)魯棒控制工具箱(Robust Control Toolbox)。
* LQG／LTR最優綜合
* H2和H無窮大最優綜合
* 奇異值模型降階
* 譜分解和建模
(15)信號處理工具箱(signal Processing Toolbox)
* 數字和模擬濾波器設計、應用及模擬
* 譜分析和估計
* FFT，DCT等變換
* 參數化模型
(16)樣條工具箱(SPline Toolbox)。
* 分段多項式和B樣條
* 樣條的構造
* 曲線擬合及平滑
* 函數微分、積分
(17)統計工具箱(Statistics Toolbox)。
* 概率分布和隨機數生成
* 多變數分析
* 回歸分析
* 主元分析
* 假設檢驗
(18)符號數學工具箱(Symbolic Math Toolbox)。
* 符號表達式和符號矩陣的創建
* 符號微積分、線性代數、方程求解
* 因式分解、展開和簡化
* 符號函數的二維圖形
* 圖形化函數計算器
(19)系統辨識工具箱(SystEm Identification Toolbox)
* 狀態空間和傳遞函數模型
* 模型驗證
* MA，AR，ARMA等
* 基於模型的信號處理
* 譜分析
(20)小波工具箱(Wavelet Toolbox)。
* 基於小波的分析和綜合
* 圖形界面和命令行介面
* 連續和離散小波變換及小波包
* 一維、二維小波
* 自適應去噪和壓縮