为了减少计算量，便于在线估计参数，产生了许多递推算法。一般是用递推算法估计动态系统的参数。最小二乘参数估计递推算法就是其中的一种。主要方法是：利用时刻t上的参数估计 、存储向量xt与时刻t+1上的输入和输出数据ut+1和yt+1，计算新的参数值。每一步的计算时间比解一个线性代数方程组要少得多，便于提高计算效率。这种方法就是每取得一次新的观测数据后，在前次估计结果的基础上，利用新引入的观测数据对前次估计的结果进行修正，从而递推地估计出新的参数估计值。这样，随着新的观测数据的逐次引入，一步推一步地进行参数估计，直到估计值达到满意的精确程度为止。
最小二乘参数估计的递推算法是系统参数辨识中最基本、最成熟的方法。利用最小二乘参数估计递推算法实现对线性模型的参数辨识。线性系统模型辨识分成两个步骤：结构辨识和参数辨识，这里只要求完成参数辨识部分的内容。对于给定的离散模型，设计一定幅值的M序列作为激励信号，设计服从正态分布的不相关随机噪声（噪信比满足一定要求）作为干扰信号，提取输出信号，并与输入信号进行分析处理，利用最小二乘参数估计递推算法对该模型进行参数辨识。分析不同模型参数估计算法，不同噪信比所对应的参数估计偏差指标和静态增益相对偏差，并在此基础上比较各种参数估计算法的适用范围和优缺点。要求设计出操作简洁、数据信息设置与查询方便的线性系统模型参数辨识操作界面。
具体实现，主要有以下几个方面：首先，设计一定幅值的M序列作为激励信号；其次，设计服从正态分布的不相关随机噪声（噪信比满足一定要求）作为干扰信号；之后利用最小二乘参数估计递推算法对该模型进行参数辨识；在此基础上分析不同模型参数估计算法，不同噪信比所对应的参数估计偏差指标和静态增益相对偏差；最后用C语言设计出操作简洁、数据信息设置与查询方便的线性系统模型参数辨识界面。利用最小二乘参数估计递推算法实现对线性模型的参数辨识，并进行整体调试。
本章进行了matlab的简介，阐述了最小二乘参数估计的递推算法原理，介绍了最小二乘参数估计的递推算法系统模型的运算流程图及最小二乘参数估计的递推算法系统模型的matlab的仿真主程序，最后介绍了最小二乘参数估计的递推算法的matlab的仿真过程：用matlab实现算法的测试过程及仿真结果与分析。
本论文是对于给定的线性系统模型，设计一定幅值的M序列作为激励信号，设计服从正态分布的不相关随机噪声（噪信比满足一定要求）作为干扰信号，提取输出信号，并与输入信号进行分析处理，利用最小二乘参数估计递推算法对该模型进行参数辨识。从实践中体会到 ,利用 MATLAB设计最小二乘递推算法并进行仿真 ,编程简便 ,直观高效。在参数辨识仿真过程中, 并通过Matlab仿真对数据进行了详细的分析:基于最小二乘的递推算法能够快速准确地估计出系统参数 ,而且在有服从N(0，1)正态分布自相关随机噪声干扰的情况下 ,当所选的辨识长度越来越长时估计误差就变的越来越小，越来越接近真实值。随着时间的推移也能获得较好的参数辨识结果。
 
目录
摘要 2
Abstract 3
第一章 绪论 1
1.1 课题来源及现状 1
1.2最小二乘法简介、原理 1
1.3最小二乘法缺点 3
1.4本课题的研究内容 4
第二章 线性最小二乘参数估计及递推算法 5
2.1线性最小二乘估计概述 5
2.2简单线性模型的例子 6
2.3一般最小二乘线性情况 7
2.4最小二乘法的参数估计 8
2.4.1参数估计的基本介绍和特点 8
2.4.2参数估计的一般方法 9
2.4.3参数估计的性质 9
2.5递推算法 11
2.5.1递推的概念与基本思想 11
2.5.2递推算法分为顺推和逆推两种 11
2.5.3递推与递归的比较 12
2.6本章小节 12
第三章 实验用参数识别信号的产生 13
3.1参数辨识的概念 13
3.2本论文要辨识的系统 14
3.3服从N(0，1)正态分布自相关随机噪声v(k)的产生方法 15
3.3.1 (O，1)均匀分布随机数的产生 15
3.3.2 正态分布随机数的产生 15
3.4 M序列u(k)的产生 16
3.4.1  M序列的产生 16
3.4.2逆M序列的产生 17
3.5本章小节 18
第四章 最小二乘参数估计的递推算法及其matlab仿真 19
4.1 MATLAB简介 19
4.2最小二乘参数估计的递推算法原理 20
4.3最小二乘参数估计的递推算法系统模型的运算流程图 21
4.4最小二乘参数估计的递推算法系统模型的matlab仿真主程序 22
4.5最小二乘参数估计的递推算法的matlab仿真过程 24
4.5.1用MATLAB实现算法测试过程 24
4.5.2仿真结果与分析 27
4.6本章小节 33
结束语 34
参考文献： 35
致  谢 37
附录一： 38
 

本电子电气通信自动化毕业设计“基于最小二乘参数估计递推算法的线性系统模型参数估计”论文由清风毕业设计网[www.lunwen550.com]征集整理！