Pre-elaborazione dei dati
L'app System Identification Toolbox™ e le funzioni da riga di comando consentono di pre-elaborare i dati di stima (e di validazione) prima di utilizzarli per la stima del modello. La pre-elaborazione aiuta a perfezionare i dati e a correggere o eliminare le imprecisioni. Garantisce che i dati siano in un formato adeguato per la stima del modello.
Dopo aver selezionato i dati per la stima, verificare che non presentino caratteristiche indesiderate quali:
Valori mancanti o errati (noti anche come dati anomali). Ad esempio, si potrebbero notare lacune che indicano dati mancanti, valori che non sono coerenti con il resto dei dati o valori non significativi.
Offset e derive nei livelli del segnale (disturbi a bassa frequenza).
Disturbi ad alta frequenza al di sopra dell'intervallo di frequenza rilevante per la dinamica del sistema.
A seconda delle caratteristiche dei dati, è possibile ricostruire i dati mancanti, modificare la velocità di campionamento dei dati, rimuovere le medie, gli offset costanti o le tendenze lineari dai dati.
Per un metodo di analisi dei dati nel dominio del tempo o nel dominio della frequenza, vedere How to Analyze Data Using the advice Command.
Funzioni
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 | Segnali di differenza negli oggetti 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 (Da 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 |
Argomenti
Gestione, ricampionamento e filtraggio dei dati
- 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.
Pre-elaborazione dei dati utilizzando l'app
- 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.
Pre-elaborazione dei dati utilizzando la riga di comando
- 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.
