Daten vorverarbeiten
Die App System Identification Toolbox™ und die Befehlszeilenfunktionen ermöglichen es Ihnen, die Schätzungs- und Validierungsdaten vorzuverarbeiten, bevor diese für die Modellschätzung verwendet werden. Eine Vorverarbeitung hilft dabei, die Daten zu verfeinern und Ungenauigkeiten zu korrigieren oder zu entfernen. Dies gewährleistet, dass die Daten in einer für die Modellschätzung geeigneten Form vorliegen.
Haben Sie die Daten zur Schätzung ausgewählt, überprüfen Sie die Daten auf unerwünschte Merkmale wie:
Fehlende oder fehlerhafte Werte (auch als Ausreißer bekannt). Beispielsweise könnten sich Lücken zeigen, die auf fehlende Daten hinweisen, Werte, die nicht mit dem Rest der Daten übereinstimmen oder nichtinformative Werte.
Offsets und Abweichungen der Signalwerte (niederfrequente Störungen).
Hochfrequente Störungen oberhalb des für die Systemdynamik relevanten Frequenzintervalls.
Je nach den Datenmerkmalen können Sie fehlende Daten rekonstruieren, die Datenabtastrate ändern und Mittelwerte, konstante Offsets oder lineare Trends aus den Daten entfernen.
Eine Methode zur Analyse von Zeitdomänen- oder Frequenzdomänendaten finden Sie unter How to Analyze Data Using the advice Command.
Funktionen
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 | Difference signals in iddata objects |
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 (Seit 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 |
Themen
Handhaben, erneutes Abtasten und Filtern von Daten
- 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.
Vorverarbeiten von Daten mithilfe der 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.
Vorverarbeitung von Daten mithilfe der Befehlszeile
- 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.
