MATLAB系统辨识工具箱_ARMAX模型，内含源代码和参考文献，还包含系统辨识工具箱ARMAX辨识步骤。

1、在MATLAB上搭建系统辨识实验平台。设计不低于3阶的拉普拉斯传递函数对象，通过施加白噪声输入产生对应的输出数据。辨识ARMAX模型。 2、以均值为0，方差为1的白噪声为输入产生对应输出，构造不少于200组数据； 3、用课堂所讲的任意一种递推最小二乘编写系统辨识算法； 4、确定最佳模型阶次(尝试2阶、3阶、4阶等，从中选择最优阶次)； 5、模型有效性测试：样本集分成前后两个子集，前一个子集用于系统辨识（该子集要确保递推最小二乘能够收敛），后一个子集用于验证模型有效性：

系统辨识，针对CARMA（可控自回归滑动平均）线性模型的辨识算法，其实例实现代码，融入了最小二乘因子。

ARMAX-GARCH-K-SK 工具箱（估算、预测、模拟和风险价值应用） 首先，它允许对 GARCH、GJR-GARCH、EGARCH、NARCH（非线性 ARCH）、NGARCH（非线性 GARCH）的 AR、MA、ARCH 和 GARCH 项的任意阶数的 ARMAX-GARCH 族进行估计、预测和模拟、 AGARCH（非对称 GARCH）、APGARCH（非对称幂 GARCH）和 NAGARCH（非线性非对称 GARCH）与高斯、Student-t、广义误差、修正柯西、汉森偏斜、Logistic、拉普拉斯、瑞利、中心柯西、极端值分布类型 1，广义指数和 Gram 和 Charlier 扩展系列，具有恒定的较高矩。 其次，该工具箱允许对Brooks等人（2005）提出的自回归条件峰度模型进行估计，预测和模拟。 第三，该工具箱包含 Leon, A.、Rubio, G. 和 Serna,

应用流体力学原理对三容水箱液位系统进行分析，并在不同的工作点对水箱系统建立机理模型。基于不同的模型结构：线性模型、BP神经网络模型、非线性Hammerstein ARMAX模型，利用测量到的输入输出数据辨识对象的模型参数，对水箱系统建立数学模型，并通过仿真检验模型的有效性。不同的模型结构和相应参数及其辨识方法将对控制系统的设计具有很强的指导意义。