最小二乘法系统辨识的matlab程序

最小二乘法是一种常用的数学优化方法，用于估计模型参数，特别是在系统辨识中。在MATLAB中，你可以使用`辨识系统`函数来实现最小二乘法进行系统识别。以下是一个简单的步骤和示例代码：

% 假设你已经有了观测数据（例如传感器读数）和理论模型的期望输出
% 输入数据：观测信号（时间序列）- u
% 输出数据：期望输出 - y

% 假设模型形式为：y = a0 + a1*u + a2*u^2 (线性二次模型)
% 模型参数：a0, a1, a2
% 生成随机数据作为示例
u = rand(1, length(y)); % 随机输入信号
y = a0 + a1*u + a2*u.^2 + noise; % 噪声干扰下的实际输出

% 使用辨识工具箱
sys = iddata(y, u, 'Name', 'System Identification Data'); % 创建iddata对象
sys_model = tf([1, 0, 0], [1 0 0]); % 假设的模型结构
sys_estimated = arx(sys, [1 0 0]); % 使用最小二乘法估计模型

% 最小二乘法辨识
sys_estimated = estimate(sys_model, sys); % 运行辨识

% 打印或查看结果
disp(sys_estimated); 

在这个例子中，`estimate`函数执行了最小二乘估计。相关问题：

1. 在实际应用中，如何选择合适的模型阶次（例如 `[1 0 0]`）？
2. 如何处理噪声对最小二乘法辨识的影响？
3. MATLAB中还有哪些其他方法来进行系统辨识？