1.基于非线性Hammerstein系统的变遗忘因子递推最小二乘方法，其特征在于，包括以下步骤：

步骤1、建立一个基于Hammerstein系统的非线性系统模型，该非线性系统的输出y(k)与输入u(k)关系表示为 其中，x(k)是中间变量，v(k)是一个均值为零的白噪声，k是公式变量，ai、b0和bj表示为待估参数，m和n是已知的常量且bm＝1；

步骤2、将步骤1所述非线性系统模型转换为线性系统模型，线性系统模型表示为：y(k)T

＝wh(k)+v(k)，其中，w是待估计的参数矢量，h(k)为输入信号，T为矩阵转置符号；

步骤3、利用步骤2得到的线性系统模型求出自适应滤波器的先验误差e(k)，根据最小平方误差准则计算出代价函数为 其中，λ(0<λ≤1)是VFF‑RLS方法的遗忘因子；

步骤4、对步骤3代价函数进行求导，得到VFF‑RLS方法的正则方程，将正则方程进行转换得到估计值 的表达式 其中，Φ(k)是输入信号的自相关函数矩阵，θ(k)是输出信号与输入信号之间的互相关函数矢量；

步骤5、设置p(k)为输入相关矩阵Φ(k)的逆，利用步骤4得到的Φ(k)计算出p(k)并得到增益矢量g(k)；

步骤6、设置输入信号和待估参数的初始值a0和b0，初始化逆矩阵p(0)、迭代次数初始参数；

步骤7、设置自适应滤波器的后验误差ε(k)，利用步骤3中的先验误差与后验误差的关T

系式，引入功率估计，得到遗忘因子的表达式 其中，设置q(k)＝h (k)p(k‑1)h(k)是中间变量， 是q(k)的功率， 是先验误差的功率， 是系统噪声的功率；

步骤8、根据步骤7，设置遗忘因子判别式：当 时，遗忘因子被估计为λ(k)＝λmax；当 时，遗忘因子被估计为 其中，1<γ≤2是一个常数，ξ是一个极小的正常数；

步骤9、将步骤3得到的e(k)、步骤8判别得到的遗忘因子值、步骤5计算得到的p(k)和g(k)代入步骤4的公式中，计算得到待估参数w的更新公式 经过迭代运算，计算出估计值

步骤10、利用步骤2得到的表达式 和步骤9得到的估计值 计算出非线性系统模型的待估参数的估计值 和

2.根据权利要求1所述的一种基于非线性Hammerstein系统的变遗忘因子递推最小二乘方法，其特征在于：步骤1中，所述非线性系统由一个静态非线性子系统和一个动态线性子系统组成。

3.根据权利要求1或2所述的一种基于非线性Hammerstein系统的变遗忘因子递推最小二乘方法，其特征在于：步骤2中，将步骤1所述系统模型的参数进行映射变换，将非线性系统模型转换为线性系统模型。

4.基于非线性Hammerstein系统的变遗忘因子递推最小二乘系统，其特征在于，包括以下模块：

建模模块：建立一个基于Hammerstein系统的非线性系统模型，该非线性系统的输出y(k)与输入u(k)关系表示为 其中，x(k)是中间变量，v(k)是一个均值为零的白噪声，k是公式变量，ai、b0和bj表示为待估参数，m和n是已知的常量且bm＝

1；

模型转换模块：将建模模块中所述非线性系统模型转换为线性系统模型，线性系统模T

型表示为：y(k)＝wh(k)+v(k)，其中，w是待估计的参数矢量，h(k)为输入信号，T为矩阵转置符号；

求解代价函数模块：利用模型转换模块得到的线性系统模型求出自适应滤波器的先验误差e(k)，根据最小平方误差准则计算出代价函数为其中，λ(0<λ≤1)是VFF‑RLS方法的遗忘因子；

求导及转换模块：对求解代价函数模块中代价函数进行求导，得到VFF‑RLS方法的正则方程，将正则方程进行转换得到估计值 的表达式 其中，Φ(k)是输入信号的自相关函数矩阵，θ(k)是输出信号与输入信号之间的互相关函数矢量；

计算增益矢量模块：设置p(k)为输入相关矩阵Φ(k)的逆，利用求导及转换模块得到的Φ(k)计算出p(k)并得到增益矢量g(k)；

初始模块：设置输入信号和待估参数的初始值a0和b0，初始化逆矩阵p(0)、迭代次数初始参数；

遗忘因子获得模块：设置自适应滤波器的后验误差ε(k)，利用求解代价函数模块中的先验误差与后验误差的关系式 ，引入功率估计，得到遗忘因子的表达式其中，设置

T

q(k)＝h (k)p(k‑1)h(k)是中间变量， 是q(k)的功率， 是先验误差的功率，是系统噪声的功率；

遗忘因子估计模块：根据遗忘因子获得模块，设置遗忘因子判别式：当时，遗忘因子被估计为λ(k)＝λmax；当 时，遗忘因子被估计为其中，1<γ≤2是一个常数，ξ是一个极小的正常数；

估计值计算模块：将求解代价函数模块得到的e(k)、遗忘因子估计模块判别得到的遗忘因子值、计算增益矢量模块计算得到的p(k)和g(k)代入求导及转换模块的公式中，计算得到待估参数w的更新公式 经过迭代运算，计算出估计值待估参数计算模块：利用模型转换模块得到的表达式 和估计值计算模块得到的估计值 计算出非线性系统模型的待估参数的估计值 和

5.根据权利要求4所述的一种基于非线性Hammerstein系统的变遗忘因子递推最小二乘系统，其特征在于：建模模块中，所述非线性系统由一个静态非线性子系统和一个动态线性子系统组成。

6.根据权利要求4或5所述的一种基于非线性Hammerstein系统的变遗忘因子递推最小二乘系统，其特征在于：模型转换模块中，将建模模块中所述系统模型的参数进行映射变换，将非线性系统模型转换为线性系统模型。