FallyJ的博客

目录基于有限数据窗的系统辨识固定记忆的 RLS为了减少数据存储空间，提高运算效率，可以限制每次计算所用数据的数量，当新数据加入时，丢弃掉最前面的数据，保证参与计算的数据量恒定，以此保证每次计算都能有效的更新估计值。上述方法中参与计算的恒定数据量有一个专门的名字，称为 有限数据窗(finite data window)根据上述原理，接下来进行算法推演，设数据长度为 p，则LSE 协方差矩阵 P 的递推关系也会发生改变同样的，为了避免矩阵逆运算，此处也需要去逆操作，.

目录目录目录基础知识什么是系统辨识辨识模型噪声矩阵运算模型时间序列模型 Time series model方程误差模型 Equation error type model输出误差模型 Output error type model最小二乘法 Least Squares Principle基础知识什么是系统辨识Identification can be defined as the determination of a mathematical mo

引入情景：假设我们想要用一个 指标criterion 来衡量一个班学生的身高水平，现在想要选择这样一个具有代表性的指标，如何选取方法一：假设指标 c (criterion)可代表班级身高水平，那么指标与实际的误差可表示为为了保证所选择的指标具有代表性，误差需要尽可能小，我们可以对 f(x) 进行求导判断，但是会发现，求导后的数据与 c 无关，误差完全取决于样本数据，这不是我们想要的。方法二：在方法一的基础上，改变误差的表达式如下，它仍然表示指标与实际值的差距，只不过平方运算将原有差距进一