本文考虑利用外源输入识别非线性自回归（NARX系统）。 要求非线性函数的增长率不比线性函数快坡度小于一。 f（·）在任意固定点的值由随机递归估计借助内核函数的近似（SA）算法。 估算值的高度一致性在合理的条件下建立，特别是暗示系统的稳定性。 这数值模拟与理论分析相吻合。

非参数的识别用于与由 + 非线性自回归系统考虑+1。 首先，引入 然后提出了基于核函数的具有扩展截断的随机逼近算法（SAAWET）来递归地估计值。   在任意给定的φ*Δ/ = [ （1） ，...， （ 0 ）， （1） ，...， （ 0 ）] τ时   ∈   R 2 0 。 结果表明，该估计以概率一收敛到真实值。 在建立估计的强一致性时，与NARX系统相关的马尔可夫链的属性起着重要作用。 数值算例表明，仿真结果与理论分析吻合。 本文的目的不仅是为所考虑的问题提供具体的解决方案，而且还为非