精选优质文档-倾情为你奉上最小二乘法（LS） 最小二乘是一种最基本的辨识方法，最小二乘法可以用于线性系统，也可以用于非线性系统；可用于离线估计和在线估计。在随机情况下，利用最小二乘法时，并不要求观测数据提供其概率统计方法的信息，而其估计结果，却有相当好的统计特性。但它具有两方面的缺陷：一是当模型噪声是有色噪声时，最小二乘估计不是无偏、一致估计；二是随着数据的增长，将出现所谓的“数据饱和”现象。针对这两个问题，出现了相应的辨识算法，如遗忘因子法、限定记忆法、偏差补偿法、增广最小二乘、广义最小二乘、辅助变量法、二步法及多级最小二乘法等。广义最小二乘法（GLS） 广义最小二乘法的基本思想在于引入一个所谓成形滤波器（白化滤波器），把相关噪声转化成白噪声。优：能够克服当存在有色噪声干扰时，基本最小二乘估计的有偏性，估计效果较好，在实际中得到较好的应用。缺：1、计算量大，每个循环要调用两次最小二乘法及一次数据滤波，2、求差分方程的参数估值，是一个非线性最优化问题，不一定总能保证算法对最优解的收敛性。广义最小二乘法本质上是一种逐次逼近法。对于循环程序的收敛
