n4sid.- 非特性，子空间方法。该方法在时间域和频域数据上工作，通常比该方法更快SSEST.算法。您可以选择子空间算法，如CVA.那Ssarx.， 或者mo使用n4重量选项。您还可以使用此方法获取初始模型（请参阅n4sid.），然后使用迭代预测误差方法优化初始估计SSEST.。

有关此算法的更多信息，请参阅[1]。

SSEST.- 使用的迭代方法预测误差最小化算法。该方法适用于时间域和频域数据。对于黑盒估计，该方法使用初始化模型参数n4sid.然后使用迭代搜索更新参数以最小化预测错误。您还可以使用此方法使用初始模型来实现结构化估计，其中一个或多个参数的初始值固定为值。

有关此算法的更多信息，请参阅[2]。

SSREGEST.- 非特性方法。该方法适用于离散时域数据和频域数据。它首先估计一个高阶正则化ARX或FIR模型，将其转换为状态空间模型，然后对其进行平衡。该方法在短路，嘈杂的数据集方面提供了更高的精度。