[拼音]：ditui guji suanfa
[外文]：recursive estimation algorithm
利用时刻t上的参数估计孌(t)、存储向量嗘(t)与时刻 t+1上测量的输入和输出值u(t+1)和y(t+1)计算新参数值孌(t+1),再根据孌(t+1)计算出新参数值孌(t+2)，直到获得满意的参数值为止。这种算法的每一步计算量都比较小，能够使用小型计算机进行离线或在线参数估计，可以估计时变参数，也可以实时估计适应控制器的参数（见适应控制系统）。20世纪60年代，递推估计算法得到迅速发展，到了70年代产生了许多不同的方法，例如，有离线方法的各种变形、卡尔曼滤波法、随机逼近方法和模型参考适应参数递推估计法等。递推估计算法的各种方法可以用一个统一的公式来描述：
给孌(t),F(t),嫓(t)和w(t)不同的值就得到各种不同的方法：
（1）递推最小二乘法；
（2）递推增广最小二乘法；
（3）递推近似极大似然法；
（4）递推辅助变量法；
（5）递推广义最小二乘法；
（6）卡尔曼滤波参数估计；
（7）随机逼近法；
（8）模型参考适应法；
（9）时变参数递推估计法。
- 参考书目
- Lennart Ljung，Torsten Soderstrom， Theory and Practice of Recursive Identification，MIT Press., Combridge, Mass., 1983.
