1.程序功能描述 基于最小二乘递推算法的系统参数辨识。对系统的参数a1，b1，a2，b2分别进行估计，计算估计误差以及估计收敛曲线，然后对比不同信噪比下的估计误差。
2.测试软件版本以及运行结果展示 MATLAB2022a版本运行
3.核心程序
`for i=(LEN0+4):LEN
z(i,1)=-A1z(i-1,1)-A2z(i-2,1)+B1Xin(i-1,1)+B2Xin(i-2,1)+Noise(i,1);
for j=1:N
z1(i-3,j) = z(N+i-3-j+idx0,1);
u1(i-3,j) = Xin(N+i-3-j+idx0,1);
end
h =[-z1(i-3,1) -z1(i-3,2) u1(i-3,1) u1(i-3,2)]';
K = Ph/(h'Ph+1);
P =(eye(2N)-K*h')P;
Pest = Pest+K[z(i,1)-h'*Pest];
Pest2(:,i) = Pest;
end
figure subplot(221); k=1:LEN; semilogy(k,e1,'b'); xlabel('k'); ylabel('error'); title('误差曲线') grid on
subplot(222); k=1:LEN; semilogy(k,e2,'b'); xlabel('k'); ylabel('error'); title('误差曲线') grid on
subplot(223); k=1:LEN; semilogy(k,e3,'b'); xlabel('k'); ylabel('error'); title('误差曲线') grid on
subplot(224); k=1:LEN; semilogy(k,e4,'b'); xlabel('k'); ylabel('error'); title('误差曲线') grid on 33 `
4.本算法原理 最小二乘递推算法是一种在线估计模型参数的方法，特别适用于实时、连续的数据流中进行系统的动态参数辨识。RLS算法的核心思想是利用最新的观测数据不断更新对系统参数的估计，以期达到最小化预测误差平方和的目的。
通过这种递推的方式，RLS可以在每次得到新的观测数据后迅速调整参数估计，并保持计算复杂度相对较低，适合实时应用场合。
