Preprocesar datos
System Identification Toolbox™ y las funciones de línea de comandos permiten preprocesar los datos de estimación (y validación) antes de usarlos para la estimación de modelos. El preprocesamiento ayuda a perfeccionar los datos y a corregir o eliminar imprecisiones. Garantiza que los datos están en un formato adecuado para la estimación de modelos.
Después de seleccionar los datos para la estimación, compruebe si los datos contienen características no deseadas como:
Valores ausentes o erróneos (también conocidos como valores atípicos). Por ejemplo, puede ver intervalos que indican datos ausentes, valores que no se ajustan al resto de datos o valores no informativos.
Desplazamientos y derivas en niveles de señal (perturbaciones de baja frecuencia).
Perturbaciones de alta frecuencia superiores al intervalo de frecuencia de interés para la dinámica del sistema.
Dependiendo de las características de los datos, puede reconstruir los datos ausentes, cambiar la tasa de muestreo de los datos, eliminar las medias, los desplazamientos constantes o las tendencias lineales de los datos.
Para ver un método para analizar datos del dominio del tiempo o del dominio de la frecuencia, consulte How to Analyze Data Using the advice Command.
Funciones
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 | Señales de diferencia en objetos iddata |
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 (Desde 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 |
Temas
Gestionar, remuestrear y filtrar datos
- 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.
Preprocesar datos con la 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.
Preprocesar datos con la línea de comandos
- 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.
