データの前処理
データの線形トレンドを除去
パラメータモデルの推定
有限インパルス応答（FIR）モデル ※ノンパラメトリック手法
状態空間モデル ※ パラメトリック手法
入力と出力と状態変数を使った一階連立微分方程式で表した数学的モデル
次数は自動決定
→ 自由パラメータが多くて、不確かさがまだ大きい（次の解析結果のように）
m1 = ssest(ze);
推定したモデルの解析
ボード線図
ステップ応答
ナイキスト線図
定型式モデルの推定
システム同定ツールボックスを使って、定型式モデルを推定できる。例えば、2極、1零点、3サンプル遅れの微分方程式モデルは、arx 関数を使って次のように得られる
m2 = arx(ze,[2 2 3]);
実測値との比較
シミュレーションし、実測値と比較し、推定したモデルを評価する。モデルを作るときに使っていない実測値の範囲で試すとよい。
範囲指定、トレンド除去、compare
推定したモデルの比較
上記の実測値の範囲で、FIR モデル、状態空間モデル、定型式モデルの性能を比較する。
compare、iopzplot （showConfidence）
モデルの周波数特性は、ノンパラメトリック・スペクトル分析法（spa）で得られる周波数特性と比較する。spa は IDFRD モデルを作成する。
モデルの伝達関数を比較するために、bode 関数が使える。
3つのモデルの周波数応答は非常に似ており、信頼できる結果であることを示している。
nyquistplot （showConfidence）
応答では、ノンパラメトリックモデルが最も不確かさを示している。
