错误数据

重构丢失的输入和输出数据

语法

Datae =错误数据(数据) Datae =错误数据(数据模型) Datae =错误数据(数据、MaxIterations Tol)

Datae =错误数据(数据)重构丢失的输入和输出数据。数据时域输入输出数据是否在iddata对象的格式。缺失的数据样本(输入和输出中都有)被输入为南年代。Datae是一个iddata对象，其中缺失的数据已被合理的估计所取代。

Datae =错误数据(数据模型)指定用于重建丢失数据的模型。模型是否有线性识别模型(idtf，idproc，idgrey，idpoly，中的难点)．如果不知道合适的模型，则使用默认的顺序状态空间模型以迭代的方式进行估计。

Datae =错误数据(数据、MaxIterations Tol)指定最大迭代次数和公差。MaxIterations是所执行的最大迭代次数(默认值是10)。当两个连续数据估计之间的差值小于时，迭代终止托尔%。的默认值。托尔是1．

打开生活的脚本

加载缺少数据点的数据。

负载(“missing_data.mat”）

missing_data是一个iddata对象，它包含输入输出数据。

图数据。

情节(missing_data)

$图中包含2个轴对象。标题为y1的Axes对象1包含一个类型为line的对象。该对象表示丢失的\_data。标题为u1的Axes对象2包含一个类型为line的对象。该对象表示丢失的\_data。$

输出数据包含索引10到100之间的缺失数据。

要使用指定的模型重建缺失的数据，需要使用没有缺失样本的测量数据来估计模型。在这个例子中，估计一个有两个极点的传递函数模型。

data2 = missing_data(101:结束);模型=特遣部队(data2 2);

重构丢失的数据。

datae =错误数据(missing_data模型);

绘制原始数据和重构数据。

情节(missing_data“b”datae,“——r”）

$图中包含2个轴对象。标题为y1的axis对象1包含两个类型为line的对象。这些对象表示丢失的\_data, datae。标题为u1的Axes对象2包含两个类型为line的对象。这些对象表示丢失的\_data, datae。$

如果您没有为重构数据指定一个模型，软件将根据当前的数据重构在估计缺失数据和估计模型之间进行交替。

对于给定的模型，将缺失数据估计为参数，使重构数据的输出预测误差最小。见Ljung(1999)第14.2节。从统计的角度来看，将缺失的输出作为参数不是最好的方法，但在许多情况下是一个很好的近似。

当没有给出模型时，算法根据当前重构在估计缺失数据和估计模型之间交替进行。

之前介绍过的R2006a