利用arx和iv4估计arx模型

您可以估计单输出和多输出ARX模型使用arx和iv4命令。有关算法的信息，请参见多项式模型估计算法．

你可以使用以下通用语法来配置和估计ARX模型:

%采用ARX方法M = arx(数据，[na nb nk]，opt);%采用IV法M = iv4(数据，[na nb nk]，opt);

数据估算数据是不是和(na nb nk)指定模型顺序，如什么是多项式模型?．

第三个输入参数选择包含配置ARX模型估计的选项，例如初始条件和输入偏移量的处理。您可以创建和配置选项集选择使用arxOptions和iv4Options命令。这三个输入参数后面还可以跟着名称和值对，以指定可选的模型结构属性，例如InputDelay，IODelay,IntegrateNoise．

为了得到离散时间模型，使用时域数据(iddata对象)。

有关验证模型的更多信息，请参见评估后的模型验证．

您可以使用pem或聚改进现有多项式模型的参数估计，如优化线性参数模型．

这些命令的详细信息请参见相应的参考页面。

使用聚估计多项式模型

你可以使用迭代预测误差估计方法来估计任何多项式模型聚．对于方差未知的高斯扰动，该方法给出了极大似然估计。生成的模型存储为idpoly模型对象。

使用以下通用语法来配置和估计多项式模型:

m = polyest(数据，[na nb nc nd nf nk]，opt，名称，值);

在哪里数据为估计数据。na，注，数控，nd，nf是指定模型顺序的整数吗nk指定每个输入的输入延迟。F或more information about model orders, see什么是多项式模型?．

如果你想估计所有五个多项式的系数，一个，B，C，D,F，则必须为每个多项式指定整数阶。但是，如果您想要指定一个ARMAX模型，例如，它只包括一个，B,C多项式，你必须设置nd和nf到适当大小的零矩阵。对于一些更简单的配置，有一些专用的估计命令，例如arx，armax，bj,oe，它只使用所需的订单来交付所需的模型。例如,oe(数据、(nb nf nk)选择)估计一个输出误差结构多项式模型。

除了列出的多项式模型什么是多项式模型?，你可以使用聚为ARARX结构建模——称为广义最小二乘模型——设置数控= nf = 0．您还可以对ARARMAX结构建模—称为扩展矩阵模型——设置nf = 0．

第三个输入参数，选择，包含配置多项式模型估计的选项，例如初始条件的处理、输入偏移量和搜索算法。您可以创建和配置选项集选择使用polyestOptions命令。这三个输入参数后面还可以跟着名称和值对，以指定可选的模型结构属性，例如InputDelay，IODelay,IntegrateNoise．

对于ARMAX、Box-Jenkins和Output-Error模型(只能使用迭代预测误差方法进行估计)，使用armax，bj,oe分别估算命令。的版本聚这些特定模型结构的简化语法如下:

m = armax(Data，[na nb nc nk]);m = oe(数据，[nb nf nk]);m = bj(数据，[nb nc nd nf nk]);

类似于聚，您可以指定使用命令配置的选项集作为输入参数armaxOptions，oeOptions,bjOptions的估计armax，oe,bj分别。您还可以使用名称和值对来配置其他模型结构属性。

选择= oeOptions ('WeightingFilter”,[0 10]);m = oe(数据，[nb nf nk]， opt);

有关验证模型的更多信息，请参见评估后的模型验证．

您可以使用pem或聚改进现有多项式模型(任何配置)的参数估计，如优化线性参数模型．

有关更多信息，请参见聚，pem和idpoly．