最小二乘法的原理及应用场景目前在许多文献中都展示的很清楚，本文不再详细说明！

1.首先确定需要拟合的变量

建立形如y=ax形式的方程

如y=a1x1.^2+a2x2+...等等

上述方程中，x矩阵、y矩阵为输出，a向量为待辨识变量

将输入数据带入到模块中，根据需要对应修改维度、初值、权重因子（遗忘因子）进行计算

 下面以

Y=a*x1+b*x2+c*x3+d*x4为例进行分析（辨识abcd、其中实际值a=1，b=2，c=3，d=4）

 然后进行迭代过程便可求解对应的abcd。、

模型及结果展示

结果

 观测精度较为准确

 该方法在处理线性问题较为简单，但是非线性方程、输入数据波动大、初值设置不合理等都会导致辨识结果不收敛。

笔者在学习过程中发现扩展卡尔曼滤波参数在线辨识效果更好。。。通过调用S—Function函数实现在线求解。

下面仅展示辨识结果