提出了一种基于模式凝聚算法的自然激励技术（NExT-ERA），用于工程结构健康监测。该技术通过引入模式凝聚算法，提高了在受环境噪声激励下的结构模态识别精度。示例文件展示了该技术的应用，通过识别受高斯白噪声激励的2DOF系统的模态参数，并添加了高斯白噪声的不确定性。

代码包含以下函数：

  • NExTTERA_CONDENSED：执行NExT-ERA算法，并进行模式凝聚。

该代码使用说明如下：

  1. 输入：
  2. data：包含响应数据的数组，维度为(nch,Ndata)，其中nch是通道数，Ndata是数据的总长度。
  3. refch：参考通道的向量，维度(numref,1)。
  4. maxlags：最大滞后时间，以采样点为单位。
  5. fs：采样频率，单位为Hz。
  6. ncols：子空间维数。
  7. nrows：参考通道数。
  8. initialcut：初始截断频率，单位为Hz。
  9. maxcut：最大截断频率，单位为Hz。
  10. shift：步长，单位为Hz。
  11. EMAC_option：是否使用EMAC方法，0表示不使用，1表示使用。
  12. LimCMI：CMI阈值。
  13. LimMAC：MAC阈值。
  14. LimFreq：频率阈值，单位为Hz。

  15. Plot_option：是否绘制结果，0表示不绘制，1表示绘制。

  16. 输出：

  17. [results]：一个结构体，包含NExT-ERA算法的识别结果。