rplr
采用递归伪线性回归法估计一般投入产出模型
语法
thm = rplr(z,nn,adm,adg) [thm,yhat,P,phi] = rplr(z,nn,adm,adg,th0,P0,phi0)
说明
rplr 与 MATLAB® Coder™ 或 MATLAB Compiler™ 不兼容。
这是 rpem 的直接替代方案，其语法基本相同。有关输入和输出参量的说明，请参阅 rpem。
rplr 与 rpem 的区别在于它采用了另一种梯度近似方法。请参阅 Ljung (1999) 中的第 11.5 节内容。其中若干特殊情况是众所周知的算法。
当应用于 ARMAX 模型时，(nn = [na nb nc 0 0 nk]) 与 rplr 共同构成扩展最小二乘法 (ELS)。当应用于输出-误差结构 (nn = [0 nb 0 0 nf nk]) 时，该方法在 adm = 'ff' 情况下称为 HARF，在 adm = 'ng' 情况下称为 SHARF。
rplr 也可应用于时间序列情形，其中 ARMA 模型通过以下方式进行估计：
z = y nn = [na nc]
示例
使用递归伪线性回归估计输出误差模型参数
指定输出-误差模型结构的阶数和延迟。
na = 0; nb = 2; nc = 0; nd = 0; nf = 2; nk = 1;
加载估计数据。
load iddata1 z1
使用遗忘因子算法估计参数，遗忘因子设为 0.99。
EstimatedParameters = rplr(z1,[na nb nc nd nf nk],'ff',0.99);参考资料
有关 HARF 和 SHARF 的信息，请参阅 Ljung（1999）第 11 章。
版本历史记录
在 R2006a 之前推出
