估计输入信号- MATLAB和Simulink - 卡塔尔世界杯8强比赛直播

估计输入信号

频率响应估计需要一个输入信号在感兴趣的频率激发模型。然后该软件测量在指定输出处的响应，使用输入信号和被测响应来估计频率响应。

在执行频率响应估计时，需要指定要使用的输入信号类型及其属性。

离线估计

中可用于脱机估计的输入信号的类型模型线性化电路或者在MATLAB上^®使用的命令行frestimate．

信号	描述
Sinestream	一个接一个施加的一系列正弦扰动。在大多数情况下建议使用正弦流信号。当您的系统包含强非线性或您需要高度精确的频率响应模型时，它们特别有用。
尖声地说	一种扫频信号，在一定的频率范围内刺激系统，使输入频率瞬间改变。当系统在模拟范围内接近线性时，啁啾信号是有用的。当您想要快速获得大量频率点的响应时，它们也很有用。
伪随机位序列	在两个值之间移动的确定性伪随机二进制序列，具有类似白噪声的特性。与使用正弦流输入信号相比，PRBS信号减少了总估计时间，同时产生可比的估计结果。PRBS信号用于估计通信和电力电子系统的频率响应。
随机	随机输入信号。随机信号是有用的，因为它们可以在所有频率上均匀地激发系统，直到奈奎斯特频率。
一步	步进输入信号。步进输入可以快速模拟，当您对所要估计的系统没有太多的了解时，可以作为第一次尝试。
任意的	一个MATLAB时间序列，你可以用它指定任何时变信号作为输入。

一般来说，估计的频率响应与输入和输出信号相关如下:

$R e 年代 p ＝ \frac{F F T （ y_{e 年代 t} （ t ））}{F F T （ u_{e 年代 t} （ t ））} ．$

在这里,u_{美国东部时间}（t)为注入输入信号，y_{美国东部时间}（t)为相应的模拟输出信号。有关更多详细信息，请参见的算法部分frestimate．

在线评估

用于在线评估频率响应估计量块，你可以使用两种类型的输入信号:

Sinestream-一系列的正弦扰动一个接一个施加
叠加-同时应用的一组正弦扰动

对于在线估计，使用正弦流信号比叠加信号更准确，可以容纳更广泛的频率范围。sinstream模式也可以减少干扰。然而，由于正弦流扰动的顺序性质，每增加一个频率点都会增加实验时间。因此，当叠加信号得到满意的结果时，估计实验通常会快得多。

若要指定用于在线估计的输入信号类型，请使用实验模式参数的频率响应估计量块。

Sinestream信号

有关正弦流信号的结构和如何创建的详细信息，请参见Sinestream输入信号．

线性调频信号

啁啾信号的结构和创建方法请参见短促声波输入信号．

伪随机位序列信号

关于PRBS信号的结构和创建方法，请参见伪随机位序列输入信号．

随机信号

随机信号是有用的，因为它们可以在所有频率上均匀地激发系统，直到奈奎斯特频率。创建一个用于估计的随机输入信号:

在模型线性化电路,在估计选项卡上,选择输入信号>随机．
在命令行，使用弗列斯特。随机来创建随机信号并将其作为输入参数frestimate．

该随机信号由区间内均匀分布的随机数组成振幅[0]或振幅[0]分别是正振幅和负振幅。在创建输入信号时，可以直接指定振幅、采样时间和采样数量。或者，如果您有一个相关的线性时不变(LTI)模型，例如状态空间(党卫军)模型，可以用它来初始化随机信号参数。例如，如果您有一个系统的精确线性化，您可以使用它来初始化参数。

当使用随机输入信号进行估计时，估计中返回的频率的朋友模型取决于信号的长度和采样时间。它们是在输入信号的快速傅里叶变换中获得的频率(参见的算法部分)frestimate）.

步信号

步进输入可以快速模拟。像随机信号一样，阶跃信号可以在所有频率上激发系统，直到奈奎斯特频率。由于这些原因，当您对所要估算的系统没有太多的了解时，作为第一次尝试，步进输入可能是有用的。然而，激发的幅值随频率的增加而迅速减小。因此，阶跃信号最好用于识别低阶植物，其中最慢的极点占主导地位。不建议在较宽的频率范围内估计步进输入。

要创建用于估计的阶跃输入信号，使用frest.createStep．这个函数创建了一个MATLABtimeseries它表示具有调用时指定的采样时间、步长、步长和总信号长度的步长输入frest.createStep．

要使用您在MATLAB工作空间中创建的阶跃输入信号:

在模型线性化电路,在估计选项卡，从现有的输入信号部分的输入信号下拉列表。
在命令行中，使用它作为输入参数frestimate．

当使用阶跃输入信号进行估计时，估计中返回的频率的朋友模型取决于信号的长度和采样时间。它们是在输入信号的快速傅里叶变换中获得的频率(参见的算法部分)frestimate）.

任意的信号

如果你想使用弦流、啁啾、阶跃或随机信号以外的信号，你可以提供自己的MATLABtimeseries对象。例如，您可以创建一个timeseries表示斜线、锯齿波或方波输入的。

使用一个timeseries对象作为估计的输入信号，首先创建timeseries在MATLAB工作空间中。然后:

在模型线性化电路,在估计选项卡，从现有的输入信号部分的输入信号下拉列表。
在命令行中，使用它作为输入参数frestimate．

当您使用任意输入信号进行估计时，估计中返回的频率的朋友模型取决于信号的长度和采样时间。它们是在输入信号的快速傅里叶变换中获得的频率(参见的算法部分)frestimate）.

叠加信号

叠加信号只能用于在线估计频率响应估计量块。用于频率向量上的频率响应估计ω= (ω₁、……ω_N在振幅)一个= (一个₁、……一个_N]，叠加信号为:

$Δ u ＝ \sum_{我} {一个}_{我} 罪（ ω_{我} t ）．$

块提供扰动Δu在实验期间(而启动/停止信号是积极的)。该块决定了等待系统瞬变消失的时间，以及使用多少个周期进行估计，如下图所示。

T_经验值是你用你的启动/停止信号配置指定的实验持续时间(参见启动/停止更多信息请参见块参考页面上的端口描述)。对于估计计算，块只使用在窗口中收集的数据N_最长的P．在这里,P频率矢量中最慢频率的周期是什么ω,N_最长的是价值的用于估计的最低频率的周期数块参数。在此窗口之前的任何循环都将被丢弃。因此，沉淀时间T_解决＝T_经验值- - - - - -N_最长的P．如果您知道您的系统稳定得很快，您可以缩短T_经验值在不改变N_最长的有效地缩短T_解决．如果你的系统有噪声，你可以增加N_最长的在数据收集窗口中获得更多的平均。无论哪种方式，都要做出选择T_经验值足够长时间进行充分的处理和充分的数据收集。推荐的T_经验值= 2N_最长的P．

中使用叠加信号进行估计频率响应估计量块,设置实验模式参数叠加．有关详细信息,请参见频率响应估计量．

另请参阅