我不明白为什么scipy.signal.ss2tf()和scipy.signal.StateSpace().to_tf()给予了（相同的）意外结果。
示例：
A=[[0, 1, 0], [0, 0, 1], [-3, -4, -2]]
B=[[0], [0], [1]]
C=[[5, 1, 0]]
D=[[0]]scipy的结果是
num = array([[0, 0, 0, 4]]),
den = array([1., 2., 4., 3.])在Matlab中，结果是
num = [0,0,1,5],
den = [1,2,4,3]似乎分母总是正确的，我试过其他例子，但传递函数的分子不对应。
我是否以不正确的方式使用scipy？
（另一个例子）
A=[[0, 1, 0], [0, 0, 1], [-8, -14, -7]]
B=[[0], [0], [1]]
C=[[15, 5, 0]]
D=[[0]]
1条答案
按热度按时间iqxoj9l91#
这是在SciPy 1.6.0中修复的bug in SciPy。当
ss2tf创建数组来保存分子时，它使用输入的数据类型来确定分子数组的数据类型。在您的示例中，这些值都是整数，因此分子的数据类型是整数。然而，分子的系数是浮点计算的结果，因此会损失精度。当计算出的值被复制到分子数组中时，这些值被截断为整数。在您的示例中，这将导致一个很大的错误。当我重现分子的浮点计算时，我得到[0.0, 0.0, 0.9999999999999947, 4.999999999999995]，当这些值被复制到整数数组中时，结果是[0, 0, 0, 4]。一种变通方法是确保输入（或至少
A）包含浮点值。比如说