مدل پارامتر خطی کلی موجود در (2-45) را در نظر بگیرید. برای اینکه یک تخمین اولیه از پارامترهای را بدست آوریم، فرض کنید گشتاور شفت برابر مدل پارامتر خطی اول باشد. بعبارت دیگر با در نظر نگرفتن مدل پارامتر خطی دوم و با استفاده از قوانین به‏روزرسانی زیر می‏توان پارامترهای را تخمین زد:
(46-2)
(47-2)
(48-2)
در روابط بالا، نشان دهنده اندیس داده مورد پردازش، نشان دهنده در تکرار -ام، نشان دهنده ماتریس کوواریانس مثبت موکد در این گام، تخمین پارامترهای در تکرار -ام، و گشتاور شفت تخمین زده شده توسط بلوک اول شناسایی می‏باشد. در این گام، ماتریس‏های و بایستی بطور مناسب انتخاب شوند.
گام دوم:
مدل پارامتر خطی کلی موجود در (2-45) را در نظر بگیرید. با استفاده از قوانین به‏روزرسانی زیر می‏توان پارامترهای را تخمین زد:
(49-2)
(50-2)
(51-2)
در روابط بالا، نشان دهنده اندیس داده مورد پردازش، نشان دهنده در تکرار -ام، نشان دهنده ماتریس کوواریانس مثبت موکد در این گام، تخمین پارامترهای در تکرار -ام، پارامترهای محاسبه شده از گام قبلی و گشتاور شفت تخمین زده شده توسط بلوک اول شناسایی می‏باشد. توجه داشته باشید که در این گام، ماتریس‏های اولیه و بایستی بطور مناسب انتخاب شوند.
گام سوم:
مدل پارامتر خطی کلی موجود در (2-45) را در نظر بگیرید. با استفاده از قوانین به‏روزرسانی زیر می‏توان پارامترهای را تخمین زد:
(52-2)
(53-2)
(54-2)
در روابط بالا، نشان دهنده اندیس داده مورد پردازش، نشان دهنده در تکرار -ام، نشان دهنده ماتریس کوواریانس مثبت موکد در این گام، تخمین پارامترهای در تکرار -ام، پارامترهای محاسبه شده از گام قبلی و گشتاور شفت تخمین زده شده توسط بلوک اول شناسایی می‏باشد. توجه داشته باشید که در این گام، ماتریس‏های اولیه و بایستی بطور مناسب انتخاب شوند.
گام چهارم:
تکرار گام های دوم و سوم تا زمانی که الگوریتم همگرا شود.
با اجرا کردن الگوریتم بازگشتی ارائه شده برای بلوک دوم، پارامترهای فیزیکی شفت ( و ) و ضرایب نامعلوم و نیز شناسایی خواهند شد. با شناسایی این پارامترها و ضرایب، می‏توان سیگنال زاویه پیچشی شفت و سرعت زاویه‏ای پیچشی شفت را از روابط زیر بدست آورد:
(55-2)
(56-2)
با ادغام روابط (2-2) با (2-6) و (2-3) با (2-6)، می‏توان دو رابطه مهم زیر برای محاسبه زاویه پیچشی را بدست آورد:
(57-2)