matlab的系统辨识工具箱得到的系统输出曲线如何复现

通过导入输入数据和输出数据得到拟合度高的传递函数，如何使用输入数据和得到的传递函数计算出输出数据，一直无法实现

img

根据已有的系统输入和输出使用matlab的系统辨识工具箱拟合了传递函数，但是怎么调用export导出的传递函数，通过输入数据生成和工具箱一样的输出曲线呢，我想再使用其他数据对这个传递函数试验一下，可是不知道怎么办。

img

  1. 维纳滤波

使用deconvwnr 函数可以利用维纳滤波方法恢复图像。在图像的频率特征和附加噪声已知的情况下，Wiener 滤波比较有效。本例演示了维纳滤波器的性能，同时也演示了PSF 的重要性。得到准确的PSF 时，恢复的结果会比较好。

I=imread(‘peppers.png’);

I=I(10+[1:256],222+[1:256],:);

LEN=31;

THETA=11;

PSF=fspecial(‘motion’,LEN,THETA);

Blurred=imfilter(I,PSF,’circular’,’conv’);

wnrl=deconvwnr(Blurred,PSF);

imshow(wnrl);

  1. 约束去卷积

采用deconvreg 函数可以对图像进行约束去卷积。当知道附加噪声的部分信息时，使用约束去卷积实现图像恢复比较有效。

（1）将一幅图像读入MATLAB 工作空间。本例使用裁剪来减小要恢复的图像的大小。

I=imread('flowers.tif');

I=I(10+[1:256],222+[1:256],:);

figure;imshow(I);

（2 ）创建PSF

PSF=fspecial(‘gaussian’,11,5);

（3）模糊化图像并添加噪声。

Blurred=imfilter(I,PSF,’conv’);

V=0.02;

BlurredNoisy=imnoise(Blurred,’gaussian’,0,V);

figure;imshow(BlurredNoisy);

（4 ）用deconvreg 函数恢复图像，指定PSF 和噪声幂次NP 。

NP=V*prod(size(I));

[reg1 LAGRA]=deconvreg(BlurredNoisy,PSF,NP);

figure,imshow(reg1);

五、实验内容

选择一幅清晰图像，对该图像进行模糊化处理，然后分别采用逆滤波、 维纳滤波和约束去卷积恢复原来图像，比较各图像恢复方法的恢复效果。

六、实验步骤与结果

将一张图片保存在C盘，保存名为0.jpg

1、（1）选择一幅清晰图像，对该图像进行模糊化处理

I=imread(‘0.jpg’);

I=I(60+[1:256],222+[1:256],:);

figure;imshow(I);

LEN=31;

THETA=11;

PSF=fspecial(‘motion’,LEN,THETA);

Blurred=imfilter(I,PSF,’circular’,’conv’);

figure;imshow(Blurred);

根据参考资料中的相关内容，建议可以采取以下步骤来使用 MATLAB 系统辨识工具箱中的传递函数及其输出曲线：

  1. 将输入输出数据保存到 MATLAB 的工作空间中，可以采用如参考资料中“段落1”和“段落13”所述的方法。

  2. 利用 MATLAB 系统辨识工具箱中的相应函数，如“tfest”、“arx”、“spa”等来拟合传递函数并得到相应的输出曲线。具体使用方法可以参考 MATLAB 官方文档或相关教程。

  3. 如果需要通过其他输入数据来测试这个传递函数，可以先将输入数据保存到 MATLAB 的工作空间中，然后利用“sim”函数或 Simulink 等工具来调用拟合好的传递函数进行模拟。具体使用方法可以参考 MATLAB 官方文档或相关教程。

  4. 如果需要导出拟合好的传递函数，可以利用“tf”函数或“ss”函数等来将其转化为传递函数或状态空间模型，并将其保存到 MATLAB 的工作空间中或导出为其他文件格式。具体使用方法可以参考 MATLAB 官方文档或相关教程。

下面是一个简单的示例代码，演示了如何采用“tfest”函数来拟合传递函数，并在 Simulink 中进行模拟：

% 生成示例数据
t = 0:0.01:10;
u = sin(t);
y = sim('simulink_model');

% 将数据保存到 MATLAB 工作空间中
save('example_data.mat','t','u','y');

% 使用 tfest 函数拟合传递函数
sys = tfest(iddata(y,u,0.01),2); % 确定一个二阶传递函数模型

% 在 Simulink 中进行模拟
sim('simulink_model');

% 将传递函数导出为文件
tf_export = tf(sys); % 将传递函数模型转化为传递函数
save('example_tf.mat','tf_export'); % 导出为 MATLAB workspace 变量

其中，“simulink_model”是一个简单的 Simulink 模型，用于进行传递函数的模拟和测试。通过以上步骤，可以实现对传递函数的拟合、模拟和导出。具体实现中可以根据具体需求进行调整和修改。

如果你已经通过导入输入数据和输出数据得到了拟合度高的传递函数，那么可以使用以下方法来使用输入数据和传递函数计算输出数据：
1.首先，将输入数据存储在一个向量或矩阵中。假设你的输入数据存储在一个名为“u”的向量中。
2.使用传递函数创建一个系统对象。例如，如果你得到了一个传递函数的分子和分母系数，你可以使用tf函数来创建一个传递函数系统对象。例如，对于一个分子系数为[1 2 1]，分母系数为[1 -0.5 0.1]的传递函数，可以使用以下命令创建一个系统对象：

sys = tf([1 2 1], [1 -0.5 0.1]);

3.然后，使用lsim函数将输入数据传递给系统对象，以获得系统的输出数据。例如，要计算输入数据u经过系统sys后的输出数据，可以使用以下命令：

y = lsim(sys, u);

此命令将返回一个向量y，其中包含与输入数据u相对应的输出数据。
需要注意的是，在使用传递函数计算输出数据时，需要确保输入数据的时间间隔与系统采样时间一致，否则会影响计算结果。另外，如果传递函数是离散时间系统，需要使用lsim函数的额外参数来指定离散时间的采样时间。

lsim无法复现相同效果
链接这是输入数据f1和输出数据f2以及传递函数step1