系统辨识PDF电子书下载

第1章 引言 1

第2章 概论 7

2.1 相关概念？ 7

2.2 一个基本例子 7

2.3 非参数方法 8

2.4 一个参数化方法 10

2.5 偏差、相容性和近似模型 13

2.6 一个退化的实验条件 17

2.7 反馈的作用 19

总结与展望 20

习题 22

推荐文献 23

第3章 非参数方法 24

3.1 介绍 24

3.2 瞬态分析 24

3.3 频率分析 28

3.4 相关性分析 30

3.5 谱分析 31

小结 35

习题 36

推荐文献 39

附录A3.1 协方差函数、谱密度、线性滤波 39

附录A3.2 相关性分析的精度 41

第4章 线性回归 43

4.1 最小二乘估计 43

4.2 最小二乘估计分析 47

4.3 最优线性无偏估计 48

4.4 确定模型维数 51

4.5 相关计算 54

小结 56

习题 56

推荐文献 60

补充内容C4.1 线性约束下的最优线性无偏估计 60

补充内容C4.2 在线估计线性回归模型的参数 62

补充内容C4.3 协方差矩阵容许非奇异时线性回归模型的最优线性无偏估计 64

补充内容C4.4 某类非线性回归模型参数的渐进最优相容估计 66

第5章 输入信号 70

5.1 常用输入信号 70

5.2 频谱特性 73

5.3 低通滤波 80

5.4 持续激励 84

小结 88

习题 89

推荐文献 91

附录A5.1 周期信号的频谱性质 91

补充内容C5.1 关于持续激励输入的差分方程模型 94

补充内容C5.2 滤波白噪声的协方差矩阵的条件数 96

补充内容C5.3 最长伪随机二进制序列 97

第6章 模型的参数化 104

6.1 模型的分类 104

6.2 一般的模型类 105

6.3 唯一性 114

6.4 可辨识性 119

小结 119

习题 120

推荐文献 122

附录A6.1 谱分解 122

补充内容C6.1 完全多项式模型的唯一性 130

补充内容C6.2 参数化的唯一性以及输入／输出协方差矩阵的正定性 131

第7章 预报误差方法 132

7.1 最小二乘法回顾 132

7.2 预报误差方法的具体描述 134

7.3 最佳预报 137

7.4 预报误差方法和其他辨识方法的联系 141

7.5 理论分析 144

7.6 计算方面 151

小结 154

习题 155

附录A7.1 多变量系统PEM估计的协方差矩阵 162

补充内容C7.1 依赖于估计所用损失函数的模型近似 163

补充内容C7.2 ARMA过程的多步预报 164

补充内容C7.3 全多项式形式模型的最小二乘参数估计 167

补充内容C7.4 增广最小二乘法 169

补充内容C7.5 输出误差方法 172

补充内容C7.6 ARMA过程的PEM损失函数的单峰性 178

补充内容C7.7 AR和ARMA过程参数的精确极大似然估计 180

补充内容C7.8 输入、输出数据带噪声的极大似然估计 184

第8章 辅助变量法 188

8.1 辅助变量法描述 188

8.2 理论分析 191

8.3 计算方面 200

小结 202

习题 203

推荐文献 205

附录A8.1 Ⅳ估计的协方差矩阵 206

附录A8.2 最佳Ⅳ与预报误差估计的比较 207

补充内容C8.1 Yule-Walker方程 209

补充内容C8.2 Levinson-Durbin算法 211

补充内容C8.3 一种求解非对称Yule-Walker系统方程的Levinson型算法 216

补充内容C8.4 最小-最大最佳Ⅳ方法 220

补充内容C8.5 最优加权扩展Ⅳ方法 221

补充内容C8.6 Whittle-Wiggins-Robinson算法 225

第9章 递推辨识方法 233

9.1 引言 233

9.2 递推最小二乘法 234

9.3 实时辨识 235

9.4 递推辅助变量方法 238

9.5 递推预报误差方法 239

9.6 理论分析 243

9.7 实践方面 251

小结 253

习题 253

推荐文献 258

补充内容C9.1 递推扩展辅助变量方法 259

补充内容C9.2 AR模型的快速最小二乘格型算法 261

补充内容C9.3 多变量回归模型的快速LS格型算法 270

第10章 闭环工作下的系统辨识 276

10.1 介绍 276

10.2 可辨识性 276

10.3 直接辨识 281

10.4 非直接辨识 286

10.5 输入／输出联合辨识 287

10.6 精确性 290

小结 293

习题 294

推荐文献 298

附录A10.1 联合输入／输出辨识的分析 298

补充内容C10.1 预报误差方法运用到运行在一般线性反馈下的ARMAX系统的可辨识性质 300

第11章 模型验证与模型类的确定 305

11.1 介绍 305

11.2 模型足够灵活吗 305

11.3 模型太复杂吗 312

11.4 精简原则 316

11.5 模型类的比较 318

小结 325

习题 325

推荐文献 329

附录A11.1 协方差函数检验的分析 330

附录A11.2 准则函数相对减小的渐近分布 333

第12章 实际应用 338

12.1 介绍 338

12.2 实验条件？的设计 338

12.3 处理非零均值和干扰的漂移 342

12.4 模型类M的确定 347

12.5 时间延迟 352

12.6 初始条件 353

12.7 辨识方法？的选择 354

12.8 局部极小点 355

12.9 稳健性 356

12.10 模型检验 359

12.11 软件方面 361

12.12 结束语 361

习题 362

推荐文献 366

附录A 关于矩阵的结果 368

A.1 分块矩阵 368

A.2 线性方程的最小二乘解，伪逆以及奇异值分解 373

A.3 QR方法 380

A.4 矩阵范数和数值精度 385

A.5 幂等矩阵 388

A.6 Sylvester矩阵 391

A.7 Kronecker积 393

A.8 关于正定矩阵的一个优化问题 394

推荐文献 395

附录B 关于概率论和统计的相关结果 396

B.1 随机变量的收敛性 396

B.2 高斯及相关分布 399

B.3 极大后验和极大似然参数估计 405

B.4 Cramér-Rao下界 406

B.5 最小方差估计 409

B.6 条件高斯分布 410

B.7 Kalman-Bucy滤波 412

B.8 渐进 413

B.9 Monte Carlo分析的精度 417

推荐文献 419

参考文献 421

部分习题答案及提示 437

术语表 447