绪论 1
第一章 预备知识 6
第一节 随机过程概念简介 6
第二节 谱密度概念 14
第三节 平稳随机过程输入下的输出统计性质 15
第二章 最小二乘法 18
第一节 静态模型 18
第二节 递推算法 33
第三节 Householder变换矩阵 38
第四节 指数衰减递推估计 44
第三章 动态系统参数估计 50
第一节 线性差分方程的最小二乘估计 50
第二节 广义最小二乘 57
第三节 辅助变量法 68
第四节 模型阶数的确定 72
第四章 系统脉冲响应函数的辨识 79
第一节 相关分析法 79
第二节 伪随机序列的产生及其性质 85
第三节 M序列功率谱密度分析 93
第四节 用M序列辨识线性系统 96
第五节 用M序列辨识脉冲响应函数的步骤 99
第六节 多输入多输出系统的辨识 106
第五章 极大似然法 111
第一节 似然函数与似然估计ML 111
第二节 正态线性模型的极大似然法 113
第三节 极大似然估计的某些性质 117
第四节 预报误差模型（随机模型） 122
第五节 预报误差模型的协方差方法 126
第六章 随机逼近法 130
第一节 一个简单的例子 130
第二节 随机逼近法 131
第三节 随机逼近法在线性回归中的应用 133
第四节 作为随机梯度法的Robbins—Morno方法 134
第五节 梯度和牛顿方向 134
第六节 随机牛顿法 136
第七节 跟踪线性时变系统 138
第七章 多变量差分系统的辨识 140
第一节 多变量最小二乘 140
第二节 多变量广义最小二乘 143
第三节 增广矩阵法 146
第八章 状态估计（卡尔曼滤波） 150
第一节 最小方差估计 150
第二节 线性最小方差估计 153
第三节 投影定量 155
第四节 卡尔曼滤波—状态估计 158
第九章 辨识实验设计 168
第一节 约束条件 168
第二节 设计准则 170
第三节 最优输入信号 171
第四节 采样周期和试验长度的选择 178
第五节 各种方法比较 179
第十章 闭环系统的辨识 185
第一节 闭环系统辨识的基本问题 185
第二节 闭环系统辨识的方法 187
附录 191
参考文献 196