核正则化方法是系统辨识领域自2010年发展起来的利用机器学习核方法研究动态系统辨识的新方法，可以对传统方法难以处理的小样本、持续激励差、低信噪比等数据给出精确、鲁棒的估计，特别是不需要估计模型的阶次。已有这方面的研究主要集中于核函数设计和超参数估计。对于怎么通过输入设计以进一步提高核正则化方法的估计效果，目前相关工作还很少。我们给出了核正则化方法的任意数据长度最优输入设计的一般框架，精确地刻画了最优输入的集合。    

　　　Biqiang Mu and Tianshi Chen. On input design for regularized LTI system identification: Power-constrained input. Automatica,vol.97,pp.327–338, 2018.