系統(tǒng)辨識

第一章 引論
§1-1 系統(tǒng)、模型與辨識
§1-2 系統(tǒng)辨識的發(fā)展和現(xiàn)狀
§1-3 系統(tǒng)辨識的基本過程
第二章 動態(tài)系統(tǒng)的描述
§2-1 單輸入、單輸出線性連續(xù)系統(tǒng)的動態(tài)模型
§2-2 線性離散系統(tǒng)的動態(tài)模型
§2-3 隨機型動態(tài)系統(tǒng)的數(shù)學模型
§2-4 小結
習題
第三章 線性系統(tǒng)辨識的經(jīng)典方法
§3-1 引言
§3-2 階躍響應法
§3-3 頻率法
§3-4 相關分析法
§3-5 小結
習題
第四章 線性系統(tǒng)參數(shù)估計的最小二乘法
§4-1 引言
§4-2 基本最小二乘法
§4-3 最小二乘法在線性系統(tǒng)參數(shù)估計中的應用
§4-4 遞推最小二乘法
§4-5 最小二乘估計的統(tǒng)計特性
§4-6 廣義最小二乘法
§4-7 輔助變量法
§4-8 增廣最小二乘法
§4-9 多步最小二乘法
§4-10 隨機逼近方法
§4-11 小結
習題
第五章 線性系統(tǒng)的狀態(tài)估計
§5-1 引言
§5-2 隨機型線性離散系統(tǒng)的分析
§5-3 系統(tǒng)狀態(tài)的最小方差估計
§5-4 系統(tǒng)狀態(tài)的線性最小方差估計
§5-5 系統(tǒng)狀態(tài)的遞推估計
§5-6 卡爾曼濾波器的具體計算
§5-7 卡爾曼濾波器用于系統(tǒng)的參數(shù)估計
§5-8 推廣的卡爾曼濾波器
§5-9 小結
習題
第六章 非線性系統(tǒng)的辨識
§6-1 引言
§6-2 Volterra級數(shù)描述和辨識
§6-3 具有線性參數(shù)的非線性差分方程和辨識
§6-4 具有非線性參數(shù)的非線性差分方程和辨識
§6-5 Hammerstein模型與辨識
§6-6 基于神經(jīng)元網(wǎng)絡的非線性系統(tǒng)辨識
§6-7 小結
第七章 極大似然法和預報誤差法
§7-1 引言
§7-2 極大似然法
§7-3 預報誤差方法
§7-4 極大似然法估計線性系統(tǒng)參數(shù)的離線迭代算法
§7-5 極大似然法估計線性系統(tǒng)參數(shù)的在線遞推算法
§7-6 遞推算法的一般格式及收斂性分析
§7-7 各種辨識方法的比較與選用
§7-8 小結
習題
第八章 系統(tǒng)模型結構的辨識
§8-1 引言
§8-2 單輸入、單輸出系統(tǒng)的模型結構辨識
§8-3 多輸入、多輸出系統(tǒng)的模型結構辨識
§8-4 小結
習題
……
第九章 系統(tǒng)辨識實用中的一些問題