MATLAB系统辨识：优化序列处理与模型连续化方法

资源摘要信息:"在进行系统辨识时，经常遇到不能正确识别外部设备，如u盘的问题，本文档针对在使用Matlab工具进行系统辨识时，采用4M序列（伪随机序列）作为输入信号，详细介绍了系统辨识的一些处理方法。" 知识点一：伪随机序列（4M序列）的使用 伪随机序列，也被称为白噪声，是一种特殊的信号序列，它具有类似噪声的特性，因此在工程上更易于实现。在系统辨识中，4M序列作为输入信号，用于激发系统，获取系统的输出响应。 知识点二：消除零漂 在系统辨识的过程中，通常会遇到输出信号的零漂现象，即输出信号存在一个固定的偏移量。为了解决这个问题，我们需要从原始数据中的输出中减去y(1)，即第一个数据点的值，以此消除零漂。 知识点三：周期信号的处理 由于M序列是周期信号，因此在系统辨识的过程中，通常只考虑从第二个周期开始的数据，因为第一个周期的数据往往是不稳定的。同时，输出信号也是周期的，这是由于输入信号和系统响应的共同特性。 知识点四：自相关和互相关 在系统辨识中，我们通常需要计算信号的自相关和互相关。由于MATLAB的指令只能得到有限信号的自/互相关，因此，为了得到准确的结果，我们需要自己编写代码进行计算。在编写代码时，需要考虑到周期信号的特性，对结果进行适当的拓展。 知识点五：Hankel阵的应用 在系统辨识的过程中，通过将脉冲响应转化为Hankel阵，可以得到系统的离散模型。在这个过程中，通常取足够大的维数，例如46*46的Hankel阵，然后基于这个阵进行平衡实现，最后直接截断成5阶。这里需要说明的是，Hankel阵的引入可以有效处理连续系统，使得系统的辨识更加准确。 知识点六：连续化处理和增益调整 由于得到的模型是离散的，因此需要进行连续化处理。同时，为了使辨识结果的低频增益与原始数据的低频增益相同，需要对增益进行相应的修改。这是一个关键的步骤，直接影响到系统的辨识精度。 在处理系统辨识时，还需要注意到"系统识别不了u盘"的问题。这可能涉及到Matlab的硬件驱动问题，或者是USB接口的问题，需要进行相应的检查和修复。