递推极大似然参数估计

案例：动态模型如下：

其中，

噪声v(k)是均值为0，方差为0.01的高斯白噪声，输入信号为4阶移位寄存器产生的M序列，利用递推极大似然估计算法对该动态系统模型参数进行辨识。

辨识结果如下：

误差曲线：

系统输出的估计误差：

辨识结果如下：

参数	a1	a2	b1	b2	d1	d2
真值	-0.5	-0.2	1.0	1.5	-0.8	0.3
估计值	-0.4973	-0.2009	0.9980	1.4926	0.0175	0.0957

从辨识结果可以看出，采用递推极大似然估计算法能够很快收敛到稳定值，而且参数a1,a2,b1,b2估计准确，由于噪声v(k)的随机性，导致参数d1，d2的估计误差较大。