RLS
最小二乘法和加权最小二乘法，需要同时用到所有的测量数据，在计算时不考虑测量数据的时间顺序。当测量数据很多时，要求计算机具有很大的存储量。在实际处理过程中，测量数据往往是按时间顺序逐步给出的，我们可先处理已经得到的一批数据，得到观测值的近似估值，来了新的数据后，再对原估值进行修正，这样可以减少计算机的存储量。
简单来说，递归最小二乘(RLS)就是这样的算法。
相关算法的推导可以在网上找到。
这里直接给出RLS的递推算法：
阻抗估计
这一章使用RLS来估计环境的阻抗。
回到上面一张图，我们假设环境的阻抗模型为：
估计值和观测值如下：
这里预先假设ke为1562.23，de=2*sqrt(ke) ， 仿真结果如下：
可以看出，使用RLS正确的估计出了环境刚度系数和阻尼系数。
如果尝试修改（减小）权重系数，那么可以发现收敛可能会变得不稳定或变慢。
