码农知识堂 - 1000bd
  •   Python
  •   PHP
  •   JS/TS
  •   JAVA
  •   C/C++
  •   C#
  •   GO
  •   Kotlin
  •   Swift
  • MATLAB中d2d函数用法


    目录

    语法

    说明

    示例

    重新采样离散时间模型

    重新采样已识别的离散时间模型


            d2d函数的功能是重新采样离散时间模型。

    语法

    1. sys1 = d2d(sys, Ts)
    2. sys1 = d2d(sys, Ts, 'method')
    3. sys1 = d2d(sys, Ts, opts)

    说明

            sys1 = d2d(sys, Ts)将离散时间动态系统模型 sys 重新采样,生成一个具有新采样时间 Ts(以秒为单位)的等效离散时间模型 sys1,采用输入信号的零阶保持方式。

            sys1 = d2d(sys, Ts, 'method')使用指定的重新采样方法 'method':

    • 'zoh' — 对输入信号使用零阶保持
    • 'tustin' — 双线性(Tustin)逼近法

    有关每种 d2d 转换方法的算法信息,请参阅"Continuous-Discrete Conversion Methods"。

            sys1 = d2d(sys, Ts, opts) 使用使用 d2dOptions 设置的选项重新采样 sys。

    示例

    重新采样离散时间模型

            创建以下零极点增益模型,采样时间为0.1秒。

    H = zpk(0.7,0.5,1,0.1);

    以0.05秒的采样时间重新采样模型。

    1. H2 = d2d(H,0.05)
    2. H2 =
    3. (z-0.8243)
    4. ----------
    5. (z-0.7071)

            采样时间:0.05秒 离散时间零/极点/增益模型。

            以0.1秒的采样时间重新采样H2模型,以获得原始模型H。

    1. H3 = d2d(H2,0.1)
    2. H3 =
    3. (z-0.7)
    4. -------
    5. (z-0.5)

            采样时间:0.1秒 离散时间零/极点/增益模型。

    重新采样已识别的离散时间模型

            假设你使用与估算数据相符的采样时间(0.1秒)来估算了一个离散时间的输出误差多项式模型。然而,你的应用需要更快的采样频率(0.01秒)。你可以使用d2d来重新采样你的估算模型。

    加载估算数据。

    1. load iddata1 z1
    2. z1.Ts
    3. ans = 0.1000

    z1是一个包含采样时间为0.1秒的估算输入-输出数据的iddata对象。

    估算一个阶数为[2 2 1]的输出误差多项式模型。

    1. sys = oe(z1,[2 2 1]);
    2. sys.Ts
    3. ans = 0.1000

    以0.01秒的采样时间重新采样模型。

    1. sys2 = d2d(sys,0.01);
    2. sys2.Ts
    3. ans = 0.0100

    提示:

    • 使用语法sys1 = d2d(sys, Ts, 'method') 以使用 'method' 的默认选项重新采样 sys。要指定带有频率预弯的Tustin重新采样,请使用语法sys1 = d2d(sys, Ts, opts)。有关更多信息,请参阅d2dOptions。

    • 当sys是一个已识别的(IDLTI)模型时,sys1不包括sys的估算参数协方差。如果你想在转换模型的同时转换协方差,请使用translatecov(System Identification Toolbox)。

  • 相关阅读:
    论文阅读笔记(三)——YOLACT Real-time Instance Segmentation
    部署项目上线(多种方式)
    【大学复健】两种质朴的素数筛法
    2022年全球市场混凝土脱模剂总体规模、主要生产商、主要地区、产品和应用细分研究报告
    Seata入门系列【9】Seata之SQL语句限制
    Hadoop学习记录1
    SpringCloud(二)Docker、Spring AMQP、ElasticSearch
    Linux内核编译
    matlab中一个神奇的操作(鼠标滚轮调节改变数字)
    电池故障估计:Realistic fault detection of li-ion battery via dynamical deep learning
  • 原文地址:https://blog.csdn.net/jk_101/article/details/133130718
  • 最新文章
  • 攻防演习之三天拿下官网站群
    数据安全治理学习——前期安全规划和安全管理体系建设
    企业安全 | 企业内一次钓鱼演练准备过程
    内网渗透测试 | Kerberos协议及其部分攻击手法
    0day的产生 | 不懂代码的"代码审计"
    安装scrcpy-client模块av模块异常,环境问题解决方案
    leetcode hot100【LeetCode 279. 完全平方数】java实现
    OpenWrt下安装Mosquitto
    AnatoMask论文汇总
    【AI日记】24.11.01 LangChain、openai api和github copilot
  • 热门文章
  • 十款代码表白小特效 一个比一个浪漫 赶紧收藏起来吧!!!
    奉劝各位学弟学妹们,该打造你的技术影响力了!
    五年了,我在 CSDN 的两个一百万。
    Java俄罗斯方块,老程序员花了一个周末,连接中学年代!
    面试官都震惊,你这网络基础可以啊!
    你真的会用百度吗?我不信 — 那些不为人知的搜索引擎语法
    心情不好的时候,用 Python 画棵樱花树送给自己吧
    通宵一晚做出来的一款类似CS的第一人称射击游戏Demo!原来做游戏也不是很难,连憨憨学妹都学会了!
    13 万字 C 语言从入门到精通保姆级教程2021 年版
    10行代码集2000张美女图,Python爬虫120例,再上征途
Copyright © 2022 侵权请联系2656653265@qq.com    京ICP备2022015340号-1
正则表达式工具 cron表达式工具 密码生成工具

京公网安备 11010502049817号