第4章 系统辨识的随机逼近法、极大似然法和预报误差法 4.1 系统辨识的随机逼近法（SAA）4.1.1 随机逼近原理2h(x)=（4.1.2）（1）Robbins-Monro算法x(k+1)=x(k)+(k)-y(x(k)（4.1.3）（2）Kiefer-Wolfowitz算法 4.1.2 随机逼近参数估计方法图4.1.1 系统输入输出均受干扰的SISO动态系统示意图 4.1.3 随机牛顿法 4.2 系统辨识的极大似然法（ML）4.2.1 极大似然原理 4.2.2 ML估计和LS估计的关系图4.2.1 SISO动态过程模型 4.2.3 极大似然估计的数值计算方法2 Newton-Raphson法迭代计算具体步骤如下：4.2.4 近似递推极大似然法（RML）图4.2.2 RML算法的程序流程图 4.3 系统辨识的预报误差法（PE）4.3.1 预报误差原理2 4.3.2 预报误差法与极大似然法的关系（1）e为已知时（2）e为未知时 4.3.3 预报误差参数估计方法（最优化算法）2
