fa تخمین پارامتر مدل‏های استاتیک چند ورودی با وجود ورودی و خروجی آغشته به نویز تخصصي Special پژوهشي Research paper این مقاله شناسایی دسته ای از سیستم های استاتیکی با نویز بر روی ورودی و خروجی را بررسی می کند. این دسته شامل مدل های استاتیک (y=∑_(i=1)^n(a_i u_i می باشد که در آن u_i ها ورودی های نویزی هستند. فرض این است که می دانیم بر روی کدام ورودی ها نویز نشسته است. به این منظور از روش PEM که از کارآمدترین روش های شناسایی کلاسیک است، استفاده می شود. سپس با تلفیق آن با روش IV که عرفاً برای شناسایی این دسته از سیستم ها به کار می رود به روش جدیدی می رسیم. این روش ترکیبی را PEM جبران شده می خوانیم. چون روش پیشنهادی ترکیبی از دو روشی است که به سادگی قابلیت بازگشتی دارند، می توان آن را به صورت بازگشتی نیز به کار برد. اثبات می شود که تخمین با این روش بدون بایاس خواهد بود. طی بررسی نتایج شبیه سازی، درستی قضایا و نتایج مطرح شده نشان داده می شوند و مقایسه ای از نظر میانگین و واریانس تخمین میان روش های رقیب و روش پیشنهادی به عمل می آید. در نهایت یک مثال کاربردی از روش پیشنهادی مورد بررسی قرار می گیرد.<br> This paper deals with identification of a group of multi-input static systems with noisy inputs and output. This group includes static models y=∑_(i=1)^n▒〖a_i u_i 〗 where u_is are contaminated by noise. It is assumed that we know which inputs are the contaminated ones. To reach the goal, the PEM which is an efficient classical system identification method is implemented. Then, by combining it with the IV method which is commonly used for identification of the intended group of systems, a new method is proposed. We call the new method as compensated PEM. Since both PEM and IV methods are recursively implementable, the proposed method could be implemented recursively as well. It is proved that the new method results in an unbiased estimation. Simulation results are provided to verify the given theorems and compare the proposed method with its competitors in mean and variance of the estimation. Finally a practical application of the method is investigated. تخمین پارامتر, مدل‏های خطا در متغیر (EIV), مدل‏های استاتیک چند ورودی, روش پیش‏بینی خطا (PEM), روش متغیر ابزاری (IV) Parameter estimation, Error-In-Variables models (EIV), static multi-input models, Prediction Error Method (PEM), Instrumental Variable method (IV). 47 54 http://joc.kntu.ac.ir/browse.php?a_code=A-10-120-1&slc_lang=fa&sid=1 Masoud Moravej Khorasani مسعود مروج خراسانی m_moravej_kh@ee.sharif.edu 1003194753284600674 1003194753284600674 No Sharif University of Technology دانشگاه صنعتی شریف Mohammad Haeri محمد حائری haeri@sina.sharif.edu 1003194753284600675 1003194753284600675 Yes Sharif University of Technology دانشگاه صنعتی شریف