为了辨识一类非线性Hammerstein-Wiener系统，基于递推贝叶斯算法和奇异值分解，提出了一种两阶段在线辨识算法。该算法首先利用递推贝叶斯算法估计乘积项参数，然后利用奇异值分解得到待估计参数。仿真结果表明，所提算法可以较小的计算量获得精度较高的参数估计值。

对于时慢变对象需要跟踪对象的特性。如果对象能够用线性系统描述，则需要跟踪其状态方程式的系数。这个场合，递推最小二乘法比较适用。本小程序提供了实现递推最小二乘法的代码，供需要的同仁参考。

北航自己出的那本《应用数理统计》内部教材上的公式总结，最后考试用的，方便复习。

该资源为递推最小二乘Matlab的代码。其中，对象模型参数已知，仿真长度400。

Levinson快速递推法估计功率谱

遗忘因子递推最小二乘参数估计，用于识别系统，MATLAB程序

开环系统参数辨识，带遗忘因子的递推最小二乘估计法（FFRLS)，系统为单入单出的CAR(带控制量的自回归模型）模型,三阶系统

本资源为利用递推最小二乘算法对永磁同步电机的所有四个参数（定子电阻，转子磁链，d轴和q轴电感进行在线估计的仿真模型和有逆变器死区补偿的参数辨识模型

递推极大似然参数辨识法MATLAB程序 clear all%清理工作间变量 close all%关闭所有图形 clc%清屏 %%%% M序列、噪声信号产生%%%% L=1200;%四位移位积存器产生的M序列的周期 y1=1;y2=1;y3=1;y4=0;%四个移位积存器的输出初始值 for i=1:L; x1=xor(y3,y4);%第一个移位积存器的输入信号 x2=y1;%第二个移位积存器的输入信号 x3=y2;%第三个移位积存器的输入信号 x4=y3;%第四个移位积存器的输入信号 y(i)=y4;%第四个移位积存器的输出信号，幅值"0"和"1" if y(i)>0.5,u(i)=-1;%M序列的值为"1"时,辨识的输入信号取“-1” else u(i)=1;%M序列的值为"0"时,辨识的输入信号取“1” end y1=x1;y2=x2;y3=x3;y4=x4;%为下一次的输入信号作准备 end ------

基于matlab的递推的极大似然法辨识程序 简例