La traduction de cette page n'est pas à jour. Cliquez ici pour voir la dernière version en anglais.
Représenter des données
Les fonctions d'estimation, de validation et d'analyse System Identification Toolbox™ acceptent les données d'estimation d'entrée/de sortie sous plusieurs formes.
Données du domaine temporel : timetables, matrices numériques, objets
iddatadu domaine temporelDonnées du domaine fréquentiel et données de réponse fréquentielles : objets du domaine fréquentiel
iddata, objetsidfrd, objetsfrd
Vous pouvez également générer des données de signaux personnalisés qui fourniront le signal de stimulation pour les expériences ou permettront d’étudier le comportement estimé du modèle en simulant la réponse du modèle à ces signaux.
Les types de données, tels que les timetables et les objets iddata comprennent également des propriétés qui contiennent des informations sur les données, telles que la fréquence d'échantillonnage, les unités et, pour les objets iddata, le comportement entre les échantillons, les noms de canaux et les identifiants d'expérimentations. Les matrices numériques ne contiennent que des valeurs de données et ne fournissent aucune information quant à la fréquence d'échantillonnage ou toute autre propriété des données.
Vous pouvez combiner des jeux de données connexes à condition qu'ils présentent la même fréquence d'échantillonnage et les mêmes sélections de canaux. Vous pouvez en particulier créer des jeux de données multi-expérimentations qui doivent présenter la même fréquence d'échantillonnage et les mêmes sélections de canaux, mais peuvent avoir des durées et heures de début différentes.
Fonctions
Blocs
| Iddata Sink | Exporter les données de simulation en tant qu'objet iddata vers l'espace de travail MATLAB |
| Iddata Source | Import time-domain data stored in iddata object in
MATLAB workspace |
Rubriques
Exigences sur les données
- Representing Data in MATLAB Workspace
Represent time-domain, time-series, and frequency-domain data.
Utiliser des types de données
- 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 des données matricielles MIMO en une timetable en vue de l'estimation de modèles en temps continu
Estimez un modèle MIMO en temps continu en commençant par convertir les données matricielles en une timetable. - 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.
Générer des données d’entrée et de sortie
- Generate Data Using Simulation
Creating input data with specific characteristics and simulating the output data from a model.
Utiliser des données dans l’application
- 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.
Utiliser des données à valeurs complexes
- Manipulating Complex-Valued Data
Supported operations and limitations for handling complex data and commands for manipulating complex signals.
