p Identificarea modelelor neparametrice

) Contextul de lucru

9 p

Dou
modele
Dou
modeleARMAX
ARMAX

Eroare de Ieire (Output Error)

Auto-Regresiv cu Control eXogen

ARX[na, nb] :

A( q ) y[n ] = B( q )u[n ] + e[n ]

(48)

H B/A

E {e[ n ]e[ n k ]} = 0 [ k ], k Z
2

Ordin
Ordin II

A( q ) = 1 0.8q
1

B( q ) = q
(50)

H B/A

A( q ) = 1 0.1q 0.56q
1

B ( q ) = 0.5q + 0.3q
(51)

Obiectiv
Obiectiv
Determinarea:

Ordin
Ordin IIII
1

((zgomot
zgomot alb)
alb)

Cazuri
Cazuri particulare
particulare

(49)

E {e[ n]} = 0

G 1/A
v

OE[na, nb] :

B ( q 1 )
y[ n ] =
u[n ] + e[n ]
1
A( q )

rspunsului indicial
rspunsului la impuls
rspunsului n frecven

L.40

p Identificarea modelelor neparametrice

Analiz
Analiztranzitorie
tranzitorie

) Exemple (model ARX de ordin I)

o realizare

rspuns
rspuns indicial
indicial ideal
ideal

tubul de deviaie standard

* Operaia de mediere statistic peste un numr de realizri este esenial.

oo realizare
realizare medie
medie

L.41

p Identificarea modelelor neparametrice

Analiz
Analizpe
pebaz
baz
de
decorelaie
corelaie

) Exemple (model ARX de ordin I)

o realizare

tubul de deviaie standard

* Ecuaia Wiener-Hopf este esenial.

secven
secven pondere
pondere ideal
ideal

oo realizare
realizare medie
medie

L.42

p Identificarea modelelor neparametrice

) Exemple (model ARX de ordin I)

Analiz
Analiz
spectral
spectral

o estimaie
amplitudine
amplitudine

rspuns
n frecven
rspuns n
frecven ideal
ideal
oo realizare
realizare medie
medie

faz

faz

o estimaie

* Ecuaia transferului densitii spectrale prin sisteme liniare este esenial.

L.43

p Identificarea modelelor neparametrice

) Contextul de lucru

Matrice
MatriceToeplitz
Toeplitzsimetric
simetric

Matrice
-covarian
Matricede
de auto
auto-covarian

ru [1] ru [2] " ru [ M 1]

ru [0]
r [1]

r
[0]
r
[1]
r
[
M
2]
"

u
u
u
u

def
0
#
%
%
%
#
R M (u) =

r
[
M
2]
r
[1]
r
[0]
r
[1]

"
u
u
u
u

ru [ M 1] " ru [2] ru [1]

ru [0]

Matrice
Matrice al
al crei
crei element
element generic
generic
depinde
depinde numai
numai de
de modulul
modulul diferenei
diferenei
indicilor
indicilor si
si..
Matricea
Matricea poate
poate fifi construit
construit folosind
folosind
numai
numai oo linie
linie sau
sau oo coloan
coloan..

def

ru [k ] = E{u[n ]u[n k ]}

Ecuaia
-Hopf
EcuaiaWiener
Wiener-Hopf
v

Ipoteza
Ipoteza Ergodic
Ergodic
N

u[n]u[n k ]

n = k +1

k 1, N / 4

* pentru a asigura o precizie

R M (u ) > 0
suficient de mare
* persisten E{v[n ]u[n k ]} 0

h[k]
Proces

E
d

u[n k ]
c

def

= [ h[0] h[1] " h[ M 1]]

T

1
ru [k ]
N k

vectorul parametrilor necunoscui

Cum s-ar putea determina

din date I/O msurate?

y h u + v

R M (u ) = rM ( y, u )

= R M1 (u ) rM ( y, u)

vectorul
covarianelor
ncruciate

L.44

p Identificarea modelelor neparametrice

) Contextul de lucru

Persisten
Persisten(de
(deordin
ordinM
M))

Timp
Timp

ru [1] ru [2] " ru [ M 1]

ru [0]
r [1]

r
[0]
r
[1]
r
[
M

2]
"
u
u
u
u

def
>0
#
%
%
%
#
R M (u) =

r
[
M
2]
r
[1]
r
[0]
r
[1]

"
u
u
u
u

ru [ M 1] " ru [2] ru [1]

ru [0]

Se
Se pot
pot determina
determina primele
primele M
M valori
valori ale
ale secvenei
secvenei pondere
pondere..

* inversabil

Frecven
Frecven

Semnalul
Semnalulpersistent
persistentpractic
practic

Zgomotul
Zgomotulalb
alb

Semnal
-Aleator ((Binar)
Binar) --SPA(B)
SemnalPseudo
Pseudo-Aleator
SPA(B)
SPA

0.05
0.05

00

-0.05
-0.05

XOR

-0.1
-0.1

00

50
50

100
100

150
150

200
200

250
250

300
300

350
350

* Imposibil de generat.

* cel puin M linii spectrale nenule

Semnalul
Semnalulpersistent
persistentideal
ideal((M
M==
))
0.1
0.1

SPAB
SPA

Ordin
Ordin de
de
persisten
persisten egal
egal
cu
cu perioada
perioada..

L.45

p Identificarea modelelor neparametrice

) Probleme de simulare

Problema
analiz tranzitorie
)
Problema 3.1
3.1 ((analiz
tranzitorie)
n cadrul acestei probleme, se va studia analiza tranzitorie. Modelele ARX i OE vor fi
simulate de 100 de ori cu intrarea treapt:

0
u[ n ] =
1

Program
Program
existent
existent
ISLAB_3A
ISLAB_3A

, n9
, n 10 ,100

(timp de cel cel mult 100 de perioade de eantionare).

a. Mini-simulatorul ISLAB_3A (deja implementat) permite determinarea rspunsului indicial
al unui model ARX[1,1], n condiii de zgomot. ntr-o prim fereastr, este reprezentat
grafic rspunsul indicial ideal (adic n absena zgomotului) al modelului, plus prima
realizare a ieirii. ntr-o a doua fereastr, se traseaz media rspunsurilor obinute (n
prezena zgomotului), mpreun cu rspunsul indicial ideal i tubul de amplitudine a ieirii
oferit de deviaia standard. (n acest scop, au fost folosite funciile MATLAB: filter, mean
i std.) Utilizai mini-simulatorul ISLAB_3A n cazul particular al modelului ARX de ordin
1. Observai c deviaia standard trebuie calculat lund n considerare ansamblul statistic
al realizrilor i nu media acestor realizri. Ce rol credei ca are tubul de deviaie standard
astfel ilustrat?
b. Studiai convergena ieirii la rspunsul indicial ideal variind numrul de realizri ale
procesului ARX n diferite rulri ale mini-simulatorului ISLAB_3A. Este aparent verificat
ipoteza ergodic? (Oferii toate explicaiile necesare.)
c. Imaginai o tehnic de estimare pe cale grafic a celor 2 parametri a i b ai modelului ARX
de ordin I, folosind realizrile ieirii (mai precis zona tranzitorie a acestora).
d. Reluai simulrile pentru modelul OE de ordin 1 i comparai rezultatele cu cele ale
simulatorului precedent. Pentru aceasta, n prealabil, proiectai i implementai minisimulatorul ISLAB_3B.
e. Generalizai mini-simulatoarele ISLAB_3A i ISLAB_3B pentru cazul unui model
ARMAX[na,nb,nc] (adic proiectai implementai mini-simulatorul general ISLAB_3C)
utiliznd aceeai intrare treapt de mai sus i un zgomot alb de dispersie unitar. Rulai
simulatorul n cazul modelelor ARX i OE de ordin II. Comparai rezultatele celor 2 modele.
Pot fi determinai parametrii unui sistem de ordin II (amplificare, supra-reglaj, pulsaie de
rezonan), afectat de zgomot, prin analiz tranzitorie, ca n cazul sistemelor de ordin I?
Dac nu, argumentai de ce. Dac da, explicai n ce const tehnica de identificare.

Programe
Programece
ce
trebuie
trebuieproiectate
proiectate
ISLAB_3B
ISLAB_3B
ISLAB_3C
ISLAB_3C
nainte
nainte de
de aa rula
rula mini
minisimulatoarele
simulatoarele
existente
existente,, trebuie
trebuie
executate
executate comenzile
comenzile::

>>
>>

global
global FIG
FIG
FIG
FIG == 11 ;;

L.46

p Identificarea modelelor neparametrice

Rutine
Problema 3.1)
RutineM
MATLAB
ATLAB((Problema
3.1)

>> help
help function
function
>> helpwin
helpwin
>> doc
doc function
function

Domeniul
Domeniul
Complex
Complex

Domeniul
Domeniul
Timp
Timp

z 1

q 1

L.47

p Identificarea modelelor neparametrice

Rutine
Problema 3.1)
RutineM
MATLAB
ATLAB((Problema
3.1)

L.48

p Identificarea modelelor neparametrice

Rutine
Problema 3.1)
RutineM
MATLAB
ATLAB((Problema
3.1)

L.49

p Identificarea modelelor neparametrice

Rutine
Problema 3.1)
RutineM
MATLAB
ATLAB((Problema
3.1)

L.50

p Identificarea modelelor neparametrice

Rutine
Problema 3.1)
RutineM
MATLAB
ATLAB((Problema
3.1)

L.51

p Identificarea modelelor neparametrice

Problema
analiz pe
ie)
Problema 3.2
3.2 ((analiz
pe baz
baz de
de corela
corelaie)
Aceast problem se refer la analiza pe baz de corelaie. Nucleul acestui tip de analiz l
constituie ecuaia Wiener-Hopf. Cu ajutorul acestei ecuaii, se poate determina o mulime finit
de valori ale funciei pondere (rspunsul cauzal la impuls) asociate unui model de sistem cu
ieiri corupte de zgomot. Dorim s determinm primele M = 50 de valori ale funciei pondere
folosind cele 2 modele ARX i OE. Acestea vor fi stimulate cu un SPAB bipolar de lungime
N = 100 . Valorile semnalului de intrare sunt aadar doar 1 i +1. Se vor efectua 100 de
experimente.
a. Mini-simulatorul ISLAB_3D (deja implementat) permite determinarea funciilor pondere ale
modelelor ARX[1,1], n condiii de zgomot. ntr-o prim fereastr, este reprezentat grafic
funcia pondere ideal (adic n absena zgomotului) a modelului ARX de ordin 1, plus
funcia pondere estimat rezolvnd ecuaia Wiener-Hopf, cu ajutorul datelor de intrareieire corespunztoare primei realizri a procesului. ntr-o a doua fereastr, a fost trasat
media estimaiilor obinute (n prezena zgomotului), mpreun cu secvena pondere ideal
i tubul de deviaie standard din jurul mediei.
b. Reluai simulrile pentru modelul OE de ordin 1 i comparai rezultatele cu cele ale
simulatorului precedent. Pentru aceasta, n prealabil, proiectai i implementai minisimulatorul ISLAB_3E.
c. Modificai mini-simulatoarele ISLAB_3D i ISLAB_3E astfel nct intrarea de stimul s fie
egal cu:
def

u f [n ] =

u0
u[n ] ,
1 0 .8 q 1

nN,

unde u0 este un factor de normare egal cu 0.6, menit s egaleze varianele lui u (semnalul
SPAB original) i uf (versiunea filtrat a semnalului SPAB). Denumii noile mini-simulatoare
prin ISLAB_3F i ISLAB_3G, respectiv. Observai c, de aceast dat, estimaia secvenei
pondere pare a fi deviat n ambele cazuri. Care credei c este cauza acestei proprieti
nedorite?

L.52

p Identificarea modelelor neparametrice

Problema
analiz pe
ie continuare
)
Problema 3.2
3.2 ((analiz
pe baz
baz de
de corela
corelaie
continuare)
d . P e n tr u a d im in u a d e v ia ia e s tim a ie i s e c v e n e i p o n d e re , s e p o t a p lic a 2 te h n ic i d e b a z :
p re -a lb ire d e d a te s a u id e a liz a re a m a tric ii d e a u to -c o v a ria n a in tr r ii.
P re -a lb ire a d a te lo r. F u n c ia M A T L A B c r a e fe c tu e a z a n a liz a b e b a z d e c o re la ie
n s o it d e p re -a lb ire a d a te lo r, d a c u tiliz a to ru l o d o re te . A c e a s t o p e ra ie c o n s t n
filtra r e a d a te lo r d e in tra re -ie ire c u a ju to ru l u n u i filtru IIR d e tip A R [n a ]. Im p lic it, o rd in u l
filtru lu i e s te n a = 1 0 , d a r u tiliz a to ru l p o a te s p e c ific a p ro p r ia s a o p iu n e n a c e s t s c o p .
A lb ire a d a te lo r (m a i a le s d e in tra re ) c o n d u c e la d im in u a re a d e v ia ie i e s tim a ie i. n
g e n e r a l, a c e a s t te h n ic e s te u tiliz a t a tu n c i c n d n u s e c u n o s c s u fic ie n te in fo rm a ii
d e s p re m a n ie ra n c a re a fo s t g e n e ra t in tra r e a .
A p e lu l tip ic a l fu n c ie i c r a e s te :
[ir,R,cl] = cra(data,M,na,plot) ;
unde: data
M

e s te b lo c u l d e d a te m s u ra te (2 c o lo a n e : [ y u ] );
e s te n u m ru l d e v a lo ri a le s e c v e n e i p o n d e r e c e tre b u ie e s tim a te
(im p lic it: M = 2 0 );

na

e s te o rd in u l filtru lu i d e a lb ire IIR -A R (im p lic it: n a = 1 0 ); d a c n u s e

d o re te p r e -a lb ire a d a te lo r, s e p o a te s e ta n a = 0 ;

plot

e s te u n p a ra m e tru d e a fi a re g ra fic ; im p lic it: p l o t = 1 , c a r e in d ic

tra s a re a g ra fic u lu i fu n c ie i p o n d e re e s tim a te ; a lte o p iu n i re c u n o s c u te
s u n t: p l o t = 0 (tra s a re a d e g ra fic e e s te in h ib a t ) i p l o t = 2 (s e
tra s e a z g ra fic e le tu tu ro r fu n c iilo r d e c o re la ie im p lic a te );
e s te r s p u n s u l c a u z a l la im p u ls (fu n c ia p o n d e r e ) e s tim a t( );

ir
R

cl

e s te o m a tric e c a re c o n in e u rm to a r e le in fo rm a ii d e c o re la ie : p e
p rim a c o lo a n s e a fl p iv o ii fu n c iilo r d e c o v a ria n ; p e c o lo a n a a d o u a
s e a fl v a lo rile s e c v e n e i d e c o v a ria n a ie irii (d u p p re -a lb ire , d a c a
fo s t c a z u l); p e c o lo a n a a tre ia s e a fl v a lo r ile s e c v e n e i d e c o v a ria n a
in tr rii (d u p p re -a lb ire , d a c e s te c a z u l); a c e s te s e c v e n e p o t fi i
d ire c t tra s a te g ra fic p rin a p e lu l: c r a ( R ) ;
e s te n iv e lu l d e n c re d e re a l e s tim a ie i fu n c ie i p o n d e re .

L.53

p Identificarea modelelor neparametrice

Problema
analiz pe
ie continuare
)
Problema 3.2
3.2 ((analiz
pe baz
baz de
de corela
corelaie
continuare)
Idealizarea matricii de auto-covarian a intrrii. Dac utilizatorul este la curent cu
metoda de generare a intrrii i poate evalua secvena sa de auto-covarian, atunci
matricea ecuaiei Wiener-Hopf poate fi implementat direct. n acest context,
rezolvarea ecuaiei (care presupune totui estimarea corelaiei ncruciate dintre
intrare i ieire) conduce la estimaii cu deviaie diminuat.
Folosind fiecare dintre cele 2 tehnici anterioare, s se modifice mini-simulatoarele
ISLAB_3F i ISLAB_3G pentru a testa diminuarea deviaiei estimaiei n cazul intrrii
filtrate uf. n cazul celei de-a doua tehnici, se va evalua nti secvena de auto-covarian a
intrrii n form complet. Pentru a construi matricea de auto-covarian a intrrii, se poate
folosi funcia MATLAB toeplitz (avnd n vedere c aceast matrice este de tip Toeplitz
simetric). Denumii mini-simulatarele obinute prin ISLAB_3H i ISLAB_3I (pentru
modelul ARX) i ISLAB_3J i ISLAB_3K (pentru modelul OE).

Program
Program
existent
existent
ISLAB_3D
ISLAB_3D

Programe
Programece
ce
trebuie
trebuieproiectate
proiectate
ISLAB_3E
ISLAB_3E ISLAB_3I
ISLAB_3I
ISLAB_3F
ISLAB_3F
ISLAB_3G
ISLAB_3G

ISLAB_3J
ISLAB_3J
ISLAB_3K
ISLAB_3K

nainte
nainte de
de aa rula
rula mini
minisimulatoarele
simulatoarele
existente
existente,, trebuie
trebuie
executate
executate comenzile
comenzile::

>>
>>

global
global FIG
FIG
FIG
FIG == 11 ;;

ISLAB_3H
ISLAB_3H

L.54

p Identificarea modelelor neparametrice

Rutine
Problema 3.2)
RutineM
MATLAB
ATLAB-- System
System Identification
Identification toolbox
toolbox((Problema
3.2)

L.55

p Identificarea modelelor neparametrice

Rutine
Problema 3.2)
RutineM
MATLAB
ATLAB-- System
System Identification
Identification toolbox
toolbox((Problema
3.2)

ru [1]
ru [0]
r [1]
ru [0]
u
def
RM (u ) =
#
%

ru [ M 2] "
ru [ M 1] "

ru [2] " ru [ M 1]
ru [1] " ru [ M 2]

%
%
#

ru [1] ru [0]
ru [1]
ru [2] ru [1]
ru [0]

* toate elementele matricii se regsesc pe o coloan (sau o linie)

L.56

p Identificarea modelelor neparametrice

Problema
analiz spectral
)
Problema 3.3
3.3 ((analiz
spectral)
Ultimul tip de analiz, cea spectral, va fi ilustrat n contextul acestei probleme. Prin analiza
spectral se urmrete estimarea rspunsului n frecven al unui proces furnizor de date,
folosind ecuaia transferului densitii spectrale ncruciate prin sisteme liniare. Ecuaia poate
fi rezolvat dac se estimeaz mai nti densitatea spectral a intrrii (u) i densitatea
spectral ncruciat a intrrii i ieirii (uy). Funcia MATLAB care efectueaz analiza spectral
plecnd de la date msurate este spa. Apelul tipic al acesteia este:
H = spa(data,M,w) ;
unde: data este blocul de date msurate (2 coloane: [y u]);
M

este
dimensiunea
ferestrei
Hamming
M = min(length(data)/10,30));

este vectorul nodurilor de frecven unde se dorete estimat rspunsul n

frecven al sistemului;
este rspunsul n frecven al sistemului.

aplicate

datelor

(implicit:

De notat c fereastra Hamming este una dintre cele mai convenabile pentru estimarea
spectral, avnd expresia:

W [ n ] = 0 . 54 0 . 46 cos

2n
,
M 1

nN ,
Hamming
Hamming

1.5

unde

M este deschiderea ferestrei.

1

uy () = H ( e

) ()

0.5

-0.5
0

50

100

L.57

p Identificarea modelelor neparametrice

Problema
analiz spectral
)
Problema 3.3
3.3 ((analiz
spectral continuare
continuare)
Mini-simulatorul ISLAB_3L (al crui listing se afl nregistrat pe CD) a fost proiectat pentru
efectuarea analizei spectrale a modelului ARX de ordin I, n cazul n care sistemul este
stimulat cu intrarea filtrat uf (din Problema 3.2). Diagrama Bode afiat de funcia ISLAB_3L
este comparat cu rspunsul n frecven ideal dedus direct din ecuaia modelului (vezi
Exerciiul 3.4).
a. Efectuai cteva simulri cu diferite valori ale deschiderii ferestrei (M) pentru a observa
influena acestui parametru asupra calitii estimaiei i a propune o valoare rezonabil a
lui.
b. nlocuii semnalul de stimul uf din mini-simulatorul ISLAB_3L cu un zgomot alb (adic un
SPAB). Denumii noul simulator prin ISLAB_3M i repetai experimentul de la punctul
precedent. Comparai rezultatele celor 2 mini- simulatoare ISLAB_3L i ISLAB_3M
pentru cele mai bune valori ale deschiderii ferestrei Hamming gsite n fiercare caz.
c. Proiectai mini-simulatoarele ISLAB_3N i ISLAB_3O inspirate de cele 2 minisimulatoare anterioare, dar pentru modelul OE de ordin I. Efectuai din nou o analiz
comparativ.
d. Proiectai mini-simulatoarele ISLAB_3P, ISLAB_3Q, ISLAB_3R i ISLAB_3S inspirate
de cele 4 mini-simulatoare anterioare, dar pentru modelele ARX i OE de ordin II.
Repetai analiza comparativ.

Program
Program
existent
existent
ISLAB_3L
ISLAB_3L

Programe
Programece
ce trebuie
trebuieproiectate
proiectate
ISLAB_3M
ISLAB_3Q
ISLAB_3M ISLAB_3Q
ISLAB_3N
ISLAB_3N
ISLAB_3O
ISLAB_3O
ISLAB_3P
ISLAB_3P

ISLAB_3R
ISLAB_3R
ISLAB_3S
ISLAB_3S

nainte
nainte de
de aa rula
rula mini
minisimulatoarele
simulatoarele
existente
existente,, trebuie
trebuie
executate
executate comenzile
comenzile::

>>
>>

global
global FIG
FIG
FIG
FIG == 11 ;;

L.58

p Identificarea modelelor neparametrice

Rutine
Problema 3.3)
RutineM
MATLAB
ATLAB-- System
System Identification
Identification toolbox
toolbox((Problema
3.3)

L.59

p Identificarea modelelor neparametrice

Rutine
Problema 3.3)
RutineM
MATLAB
ATLAB-- System
System Identification
Identification toolbox
toolbox((Problema
3.3)

L.60

p Identificarea modelelor neparametrice

Ce
funcia
Ce returneaz
returneaz
funciaspa
spa

Obiect
Obiect
H

FREQH
FREQH

S t r u c t u r d e d a t e r e p r e z e n t n d r s p u n s u l n f r e c v e n e s t i m a t f o l o s in d f u n c ia M A T L A B s p a .
R s p u n s u r i le n f r e c v e n e s t im a t e f o l o s in d d a t e l e D s e r e g s e s c n b lo c u l t r i - d i m e n s i o n a l
H . R e s p o n s e D a t a , a s t f e l: p r im a e s t i m a i e s e a f l n v e c t o r u l H . R e s p o n s e D a t a ( 1 , 1 , : ) ,
a d o u a e s t i m a i e s e a f l n v e c t o r u l H . R e s p o n s e D a t a ( 2 , 2 , : ) , e t c . S u n t n r e s t im a ii n
t o t a l . F i e c a r e e s t i m a ie c o n i n e K d a t e c u v a l o r i c o m p le x e ( p a r t e a r e a l i p a r t e a i m a g in a r
a r s p u n s u lu i n f r e c v e n ) . N u m r u l K f ig u r e a z p r in t r e a r g u m e n t e le f u n c ie i I S L A B _ 2 L i
r e p r e z in t n u m r u l d e n o d u r i ( e c h i d i s t a n t e ) d e f r e c v e n n c a r e s e d o r e s c e s t im a t e
v a l o r i l e r s p u n s u lu i n f r e c v e n . C a i n c a z u l s t r u c t u r ii d e d a t e , s t r u c t u r a r s p u n s u lu i n
f r e c v e n e s t e m a i c o m p l e x , in c lu z n d u r m t o a r e l e c m p u r i ( d in c a r e s e c o n s t a t c
f u n c i a s p e c i a l iz a t s p a p o a t e o f e r i n u m e r o a s e in f o r m a i i s p e c t r a l e s a u d e c o r e l a i e
r e f e r it o a r e la d a t e le m s u r a t e i z g o m o t ) :
Name: 'string'
F r e q u e n c y : [ 1 x 4 8 c h a r ] noduri de frecven
R e s p o n s e D a t a : [ 1 x 4 0 c h a r ] rspuns n frecven
S p e c t r u m D a t a : [ 1 x 3 8 c h a r ] spectru
C o v a r i a n c e D a t a : [ 1 x 6 2 c h a r ] secven de (auto)covarian
NoiseCovariance: [1x57 char]
Units: '['rad/s'|'Hz']'
T s : ' s c a l a r ' perioad de eantionare
InputDelay: 'Nu-by-1 vector'
EstimationInfo: 'structure'
InputName: 'Nu-by-1 cell array of strings'
OutputName: 'Ny-by-1 cell array of strings'
InputUnit: 'Nu-by-1 cell array of strings'
OutputUnit: 'Ny-by-1 cell array of strings'
Notes: 'Array or cell array of strings'
UserData: 'Arbitrary'
Version: 'Internal Use'
Ut ility: 'Internal Use'

L.61

p Identificarea modelelor neparametrice

Rutine
Problema 3.3)
RutineM
MATLAB
ATLAB-- System
System Identification
Identification toolbox
toolbox((Problema
3.3)

L.62