در این پروژه برای یک سیستم مرتبه دوم نمونه، ابتدا گسسته سازی انجام شده و بر روی سیستم گسسته به ازای ورودی های مختلف تصادفی، مدل های ARX  و ARMAX بر روی داده ها فیت شده است. ابتدا مدل ها بدون حضور نویز و با دیگر با در نظر گرفتن نویز با واریانس های کم، متوسط و  زیاد به داده ها اضافه شده است. اثر تغییرات مدل بر روی مجموع مربعات خطا بررسی شده است که مشاهده می شود به ازای افزایش مرتبه مدل مجموع مربعات خطا کاهش یافته ولی با افزایش مرتبه مدل از یک مقدار به بعد مجموع مربعات خطا  ثابت مانده و تغییری نکرده است و در انتها روش حداقل مربعات بازگشتی برای شناسایی سیستم استفاده شده است.               

آیتم هایی که در این پروژه انجام می شود به صورت زیر می باشد.

• انتخاب یک سیستم پایدار و حلقه باز مرتبه دوم نمونه  
• گسسته سازی سیستم  و شناسایی سیستم گسسته با ورودیهای استاندارد زیر

• برازش یک مدل ARX بدون حضور نویز و تاخیر - مقایسه پارامترهای تخمین زده شده با مقادیر واقعی، نمودارهای خروجی واقعی، خروجی تخمین زده شده و خطای تخمین
• برازش یک مدل ARMAX  بدون حضور نویز و تاخیر - مقایسه پارامترهای تخمین زده شده با مقادیر واقعی، نمودارهای خروجی واقعی، خروجی تخمین زده شده و خطای تخمین
• تکرار دو بند بالا با فرض اندازه گیریها همراه با نویز سفید گوسی با میانگین صفر و واریانسهای کم، متوسط و زیاد - مقایسه پارامترهای تخمین زده شده با مقادیر واقعی، نمودارهای خروجی واقعی، خروجی تخمین زده شده و خطای تخمین
• بررسی اثر تغییرات مرتبه مدل بر روی مجموع مربعات خطا به ازای  مدل های ARX و ARMAX .
• شناسایی سیستم به ازای روش RLS