Ident: P09 Rekurzívna identifikácia.

Zhrnutie prednášky

Prednáška zhŕňa FIR model a jeho nevýhody, najmä vysoký rád modelu pri malej perióde vzorkovania, a prechádza k modelom s autoregresnou zložkou, konkrétne k ARX modelu kombinujúcemu minulé výstupy aj vstupy. Vysvetľuje voľbu rádu modelu pomocou autokorelačnej a čiastočnej autokorelačnej funkcie (ACF, PACF) a pojem lag ako oneskorenie o jednu periódu vzorkovania. Na príkladoch v Matlabe ukazuje, ako vyzerá ACF a PACF pre čisto náhodný biely šum a pre model typu kĺzavý priemer druhého rádu.

• - FIR (moving average) model a jeho limity pri vysokom ráde a malej perióde vzorkovania
• - ARX model ako kombinácia autoregresnej (AR) a exogénnej (X) časti
• - Voľba rádu modelu pomocou krížovej validácie a korelačnej analýzy
• - Autokorelačná funkcia (ACF) a čiastočná autokorelačná funkcia (PACF), pojem lag
• - Interval spoľahlivosti a interpretácia štatisticky nevýznamných korelácií
• - Príklady ACF a PACF pre biely šum a pre kĺzavý priemer druhého rádu

Zhrnutie pripravené s pomocou AI z prepisu videa.