系统识别工具箱™提供MATLAB^®函数,仿真软件^®块，以及用于动态系统建模、时间序列分析和预测的应用程序。您可以学习测量变量之间的动态关系，从而在连续或离散时间中创建传递函数、过程模型和状态空间模型，同时使用时间域或频域数据。您可以使用AR、ARMA和其他线性和非线性自回归建模技术来预测时间序列。

该工具箱允许您使用Hammerstein-Wiener和带有机器学习技术(如高斯过程(GP)、支持向量机(SVM)和其他表示的非线性ARX模型来估计非线性系统动力学。或者，您可以使用深度学习创建神经常微分方程(ODE)模型来捕获非线性系统动力学。该工具箱允许您执行灰盒系统识别，以估计用户定义模型的参数。您可以将识别的模型集成到Simulink中进行快速模拟，以实现控制设计和诊断和预后应用。

您可以使用扩展或无气味卡尔曼滤波器和粒子滤波器进行在线参数和状态估计，用于自适应控制、故障检测和软测量应用。该工具箱允许您为针对嵌入式设备的在线估计算法生成C/ c++代码。