سیگنال ورودی یک سیستمlti در یک حلقه کنترل دیجیتال ممکن است به صورت «متناوب با دو حالت 1 و 0 و عرض پالس قابل تنطیم» یا به اختصارpwm باشد. در هر لحظه نمونه برداری، کنترل کننده دیجیتال مقدار duty cycle یا به اختصار d جدید را به عنوان عرض پالس به ریز پردازنده تحویل می دهد تا سیگنال pwm متناظر (که متوسط آن با d متناسب است) را برای کنترل سیستم تولید نماید. از سوی دیگر شناسایی مدل دقیق سیستم، برای تنظیم خودکار کنترل کننده و پیش بینی پاسخ سیستم اهمیت دارد. در مسئله قبل، به دلیل محدودیت¬هایی نمونه های سیگنال ورودی واقعی در دست نیست و استفاده از سیگنال d به عنوان ورودی غیر واقعی در نتیجه شناسایی خطا ایجاد میکند. علت این خطا عدم تناظر سیگنال d با خروجی اندازه گیری شده (پاسخ فرآیند به سیگنال (pwm، از طریق مدل فرآیند می باشد. به عبارت دیگر سیگنالی که از طریق مدل فرآیند با سیگنال d مرتبط است پاسخ مدل فرآیند به سیگنال d می باشد که البته آن را در اختیار نداریم (این پاسخ راy(average) یا به اختصار می نامیم). اگر عملگری را بتوان یافت که با اعمال آن بر سیگنال اندازه گیری خروجی، سیگنال یا تقریبی از آن به دست آید، میتواند برای پیش پردازش و کاهش خطای شناسایی مورد استفاده قرار گیرد. در این پایان نامه سعی شده بر اساس تئوری متوسط گیری روشی به منظور پردازش داده های خروجی ارایه گردد تا بر پایه داده های خروجی پردازش شده جدید و همان سیگنال d موجود (در دسترس ترین اطلاعات فرایند)، شناسایی مدل سیستم دقیق تر صورت پذیرد. شناسایی در حالتهای حلقه باز و حلقه بسته با سیگنال کنترل pwm و پارامترهای متنوع شبیه سازی شده و خطای مورد بحث در مدل شناسایی شده و بهبود آن در صورت استفاده از روش نشان داده شده است. در پایان برای بهبود شناسایی مدل یک سیستم تجربی (سیستم کنترل سرعت موتور الکتریکی (جریان مستقیم) با ولتاژ pwm)، روش پیشنهادی مورد استفاده قرار گرفته و نتایج مطلوبی حاصل شده است.