LS-最大ssdhlb次幂
RLS-递归最大ssdhlb次幂
FIR-有限冲激响应模型
首先考虑激励，在最初的LS定义中，满足ssdhlb乘方误差最小的参数，如果矩阵不是奇数，则误差最小值是唯一的。 矩阵可逆的条件成为激励条件。
以FIR为例，FIR模型的一般形式为，其中，此时是由输入信号构成的矩阵。 基于LS定义的激励条件，在FIR中非奇==激励条件是对输入信号的限制，目的是确定模型参数。
如何确定模型参数以添加激励条件？
从不能确定参数的情况进行分析。 让我想想。 在RLS中，设为(无噪声)、即参数非时变、无计算误差)，若设为have insufficient excitation、即矩阵的秩=0，则此时ssdhlb平方误差的最小值收敛到最接近0
根据RLS的定义
取上式的极限，
最终当t无限大时，如果参数不经时变化则接近0，另外，在RLS中为P0，
代入后，就会得到。 以n=2为例，
此时，得到
无论估计的参数值是多少，都可以看到该表达式成立。 也就是说，不能保证估计的参数有唯一的解。
参考
B. Pasik-Duncan，'自适应控制[ second edition，bykarlj.astromandbjornwittenmark，AddisonWesley(1995 ) ]，'