Prétraiter les données
L’application System Identification Toolbox™ et les fonctions en ligne de commande permettent de prétraiter les données d’estimation (et de validation) avant de les utiliser pour l’estimation de modèles. Le prétraitement permet d’affiner les données et de corriger ou supprimer les inexactitudes. Il garantit que les données se présentent sous une forme qui convient à l’estimation de modèles.
Après avoir sélectionné les données pour l’estimation, vérifiez si elles ont des caractéristiques indésirables telles que les suivantes :
Valeurs manquantes ou incorrectes (également appelées valeurs aberrantes). Par exemple, vous pouvez détecter des lacunes indiquant qu’il manque des données, des valeurs qui ne correspondent pas au reste des données ou des valeurs non informatives.
Décalages et déviations des niveaux de signaux (perturbations basse fréquence).
Perturbations haute fréquence au-dessus de l’intervalle de fréquences d’intérêt pour la dynamique du système.
En fonction des caractéristiques des données, vous pouvez reconstruire les données manquantes, modifier la fréquence d’échantillonnage ou supprimer les moyennes, les décalages constants ou les tendances linéaires des données.
Pour découvrir une méthode permettant d’analyser les données dans le domaine temporel ou fréquentiel, consultez How to Analyze Data Using the advice Command.
Fonctions
detrend | Subtract offset or trend from time-domain signals contained in
iddata objects |
retrend | Add offsets or trends to time-domain data signals stored in iddata
objects |
diff | Signaux différentiels dans les objets iddata |
idfilt | Filter data using user-defined passbands, general filters, or Butterworth filters |
misdata | Reconstruct missing input and output data |
nkshift | Shift data sequences |
idresamp | Resample time-domain data by decimation or interpolation |
idresampOptions | Option set for idresamp (depuis R2023a) |
resample | (Not recommended) Resample time-domain data that is stored in an
iddata object by decimation or interpolation (requires
Signal Processing Toolbox software) |
getTrend | Create trend information object to store offset, mean, and trend information for
time-domain signals stored in iddata object |
chgFreqUnit | Change frequency units of frequency-response data model |
fdel | Delete specified data from frequency response data (FRD) models |
TrendInfo | Offset and linear trend slope values for detrending data |
Rubriques
Traiter, rééchantillonner et filtrer les données
- Handling Missing Data and Outliers
Handling missing or erroneous data values. - Handling Offsets and Trends in Data
Removing and restoring constant offsets and linear trends in data signals. - Resampling Data
Decimating and interpolating (resampling) data. - Filtering Data
Deciding whether to filter data before model estimation and how to prefilter data.
Prétraiter les données avec l’application
- Preprocess Data Using Quick Start
Subtract mean values from data, and specify estimation and validation data. - How to Detrend Data Using the App
Before you can perform this task, you must have regularly-sampled, steady-state time-domain data imported into the System Identification app. - Resampling Data Using the App
Use the System Identification app to resample time-domain data. - How to Filter Data Using the App
The System Identification app lets you filter time-domain data using a fifth-order Butterworth filter by enhancing or selecting specific passbands.
Prétraiter les données en ligne de commande
- How to Detrend Data at the Command Line
Before you can perform this task, you must have time-domain data as aniddataobject. - Resampling Data at the Command Line
Decimate and interpolate time-domain data. - How to Filter Data at the Command Line
Useidfiltto apply passband and other custom filters to a time-domain or a frequency-domainiddataobject.
