（ ）           （2.1）
这种算法的优点是收敛性良好, 但其缺点是有时会因为病态矩阵而导致收敛太慢，或者是在局部最小点收敛[11]。
2.2  最小二乘法
最小二乘法（LSE）是一种经典算法,属于系统辨识中参数估计的最基本方法，由数学家高斯在1795年在研究星体运动轨道时提出。LSE可以很方便地与其它方法建立联系，用于目标运动要素估计的许多算法都可以解释为最小二乘过程，在其它方法失效的情况下，最小二乘法往往还能提供解答，使用最小二乘法具有最优的估计结果，即无偏和有效。由于最小二乘法不需要待估计问题的概率或统计描述等系统的先验统计知识，算法简单，计算量小，收敛性能好，是基于均方误差最小的无偏估计方法,因而被广泛应用与系统辨识、自适应滤波、自适应信号处理、自矫正控制等领域，受到很多学者的重视[8,12,13]。
最小二乘法是指通过选择估计值与测量值之差的平方和最小的模型参数的算法。其中估计值与测量值之差体现了模型的精度高低，由于可能出现负数误差故采用取平方的方法。
批处理算法和递推处理算法是常见的两种基本最小二乘法。伪线性法即是一种最小二乘的批处理方法，这种批处理方法在理论研究方面有许多方便之处，但在计算方面要碰到矩阵求逆的困难。当矩阵的文数增加时，矩阵求逆运算的计算量将急剧增加，这会给计算机的运算速度和存储量带来负担，因此，一般将最小二乘法的批处理形式化成递推计算的形式，这便于参数的实时估计，而且大大减少了数据储存，节省了计算机的内存。
但是由于LSE为针对线性模型的算法，用于BO-TMA这种非线性问题上必然会使估计结果有偏。因而在实际应用当中, LSE只适用于粗略的估计, 若要得到更好的估计精度和收敛速度还需要进一步使用其他算法[14,15]。 纯方位目标定位算法的研究(4):http://www.751com.cn/zidonghua/lunwen_23839.html