用迭代的松弛算法对线性最小二乘估计的一种改进。线性最小二乘估计在模型误差为相关噪声时是有偏估计,即其估计值存在偏差。这时采用广义最小二乘估计能获得较精确的结果。原理广义最小二乘估计就是使估计准则J为极小的参数估计。多项式A(z-1)、B(z-1)和C(z-1)的系数都是未知的,所以不能用一个线性算法获得广义最小二乘估计。案例假设所讨论的单输入单输出系统的差分方程模型是式中{uk}和{yk}分别是输入和输出序列:和是算子多项式,它们的系数是需要通过估计来求出的未知数;z-1是单位延迟算子;{ek}是误差序列,它是零均值平稳相关噪声序列。为了进行广义最小二乘估计可以从形式上把ek变换成广义最小二乘估计,这里广义最小二乘估计广义最小二乘估计,它的系数也是未知的。如果{ek}具有有理谱密度,则可把{εk}当作白噪声序列来处理。特性广义最小二乘估计采用迭代的松弛算法:先行固定C(z-1),估计A(z-1)和B(z-1),使J 趋于极小;然后固定A(z-1)和B(z-1),估计C(z-1),使 J 趋于极小。如此反复迭代,直至估计值收