% M-plik part0;
% pkt1. Przygotowanie danych empirycznych
% autor: Marcin Maślanka

% Wczytanie danych 
load Rr17
t= aa(:,1);
u= aa(:,2);
y= aa(:,3);  clear aa;

% i przedstawienie ich reprezentacji graficznej:
a= figure; set(a,'Numbertitle','off','name','Reprezentacja graficzna dostarczonych danych');
plot(t,u,'black',t,y,'b'); grid on; zoom on;
xlabel('t [s]'); ylabel('amplituda');  legend('wymuszenie','odpowiedź układu'); 

% Do celów identyfikacji zostaje wyodrębniony jeden z przebiegów przejściowego 
% stanu nieustalonego odpowiedzi.
% Wybrano przebieg stanu nieustalonego odpowiadający trzeciemu 
% półokresowi sygnału wymuszenia. 
% Przebieg ten odpowiada fragmentom dostarczonych szeregów czasowych o indeksach 
% od 801 do 1200. 
t= t(801:1200); t= t-t(1); 
u= u(801:1200);	
y= y(801:1200); 

% Zakłada się liniowość badanego układu. 
% Jeżeli zatem parametry układu nie zależą od amplitudy sygnału wymuszającego 
% można przeskalować badany przebieg stanu nieustalonego dokonując operacji:
y = (y-min(y) )/2;

% Tak przygotowany zestaw danych wykorzystywany będzie w stosowanych 
% procedurach identyfikacji rozpatrywanego systemu. 
Fs= 1/(t(2)-t(1));

%Przyjęto następujące oznaczenia: 
%	u - szereg czasowy wymuszający
%	y - szereg czasowy odpowiedzi układu na sygnał wymuszający
%	parametry sygnałów u,y: Fs= 20000 [Hz], t0= 0, ilość próbek: 400.

% tak przygotowane dane zapisane zostają do MAT-pliku data.m
save data u y t Fs
% ---------------