Идентификация объектов управления. Семенов А.Д - 136 стр.

                                          n+d + N
                                     J=    ∑ w(k )e 2 (k ) ,                             (5.50)
                                          k =n+ d

где w(k ) = λ n + d + N − k 0 < λ < 1 .

        В связи с этим формулы рекуррентных методов (5.42) – (5.49) не-
обходимо изменить.
        В знаменателе коэффициента μ(k + 1)                     единица заменяется на λ, а

матрица P(k + 1) умножается на 1/ λ:
        Задаваясь показателем затухания λ, приходится выбирать между высокой
степенью подавления шума и лучшим отслеживанием меняющихся параметров.
Обычно 0,900 < λ < 0,995.
        Результаты многочисленных исследований рекуррентных алгоритмов
идентификации позволяют сделать выводы об условиях применения этих
процедур [23, 54].
        Рекуррентный метод наименьших квадратов. Применим при малых
отношениях интенсивностей шума и полезного сигнала. В противном случае
дает сильное смещение оценок параметров. Надежная сходимость оценок
требует относительно небольшого объема вычислений.
        Обобщенный          рекуррентный            метод      наименьших   квадратов.   Если
справедлива модель шума вида D/A, применим при более высоких отношениях
шума к сигналу. Вначале оценки сходятся медленно. Иногда наблюдается
расходимость оценок. Оценки фильтра шума D = [d1, ..., dm] сходятся
медленнее оценок параметров объекта B и A. Требует большего объема
вычислений, чем РМНК.
        Рекуррентный метод вспомогательных переменных. Обеспечивает
довольно        точную        оценку        параметров.        Используется   при   высоких
интенсивностях помех и их корреляции с переменными объекта. Для ускорения
сходимости оценок на начальном этапе рекомендуется использовать РМНК.
Большой объем вычислений.