AR模型具有如下的形式：A(q)y(t)=e(t) 其中，y(t)为系统的输出，(e)为白噪声输入信号。关于平移算子q的多项式A(q)定义为 A(q)=1+a1q-1+a2q-2+….+a na q-na
这个程序只是用于标量时间序列，不支持多变量数据。这里随机过程AR模型中的驱动白噪声e（t）是模型固有组成部分，须将它与因观测误差或其他干扰引起的附加噪声严格区分。对于一个平稳过程，当用某种模型描述的逼近速度较慢时，改用其他模型可能获得更快的逼近速度。AR ( n)模型所描述的过程是一均值为零、满足正态分布的平稳随机过程，最基本的建模方法是最小二乘建模法，该方法具有较高的精度。AR ( n)模型的优点是，建模简单，计算迅速，预测容易，参数易于估计。 ARx模型：
ARx模型具有如下的形式：A(q)y(t)=B(q)u(t-nt)+e(t)，其中，A(q),B(q)为关于平移算子q的多项式，定义为：
A(q)=1+a1q-1+a2q-2+….+a na q-na
B(q)=b1+b2q-1+….+b nb q-n(b-1)
其模型是通过最小2乘法估计出的，其不支持多输出建模，当e(t)不是白噪声时且na参数非零时，将得不到正确的估计模型。
AR模型与ARx模型的比较：
从两者形式可以看出arx模型比ar模型多了两项，分别为B(q)和u(t)项，说明arx模型是考虑了某时刻以前的所有输入量u（t）以及此刻的白噪声e（t）得出的系统模型，而ar模型仅考虑应用白噪声e（t）做驱动得出系统模型。ar模型估计起来简单运算量较小。
Matlab仿真如下：
ar程序：
e = iddata([],randn(300,1));
A = [1 -1.5 0.7];
如何提高行政效率B = [0 1 0.5];
m0 = idpoly(A,B);
y=sim(m0,[e]);
m1=spa(y);
mb = ar(y,4,'burg');
玻璃粉
bode(m1,’r’,mb);
arx程序：
湖南工程学院学报A = [1 -1.5 0.7];
B = [0 1 0.5];
m0 = idpoly(A,B);
u = iddata([],sin([1:300]') + 0.5*randn(300,1));
e = iddata([],randn(300,1));
y = sim(m0, [u e]);
z = [y,u];
乳糖酸阿奇霉素
m = arx(z,[2 2 1]);
bode(m0,’r’,m);
ar输出辨识结果图：绿线为辨识结果，红线为实际频率响应曲线 arx辨识结果图：绿线为辨识结果，红线为系统标准bode图
Ident工具的使用：
1.数据导入：load count.dat; u=count(:,1); y=count(:,2);
冬芹2.处理：
钒矿将u，y导入import data中，并进行detrend及remove mean操作。再将所得输入输出信号process 得到各个模型，如下图所示：
P1d处理结果
Arx441处理结果：
豫公网安备41160202000603
站长QQ:729038198
关于我们
投诉建议