第1章 概论 1
第2章 线性代数 4
2.1 简介 4
2.2 向量 4
2.3 矩阵 6
2.4 方阵 10
2.5 矩阵分解 13
2.6 线性最小二乘问题 15
2.7 加权线性最小二乘问题 19
2.8 总结 19
习题 20
第3章 离散时间信号和系统 22
3.1 引言 22
3.2 信号 22
3.3 信号变换 24
3.4 线性系统 29
3.5 系统之间的相互作用 41
3.6 总结 43
习题 43
第4章 随机变量和信号 45
4.1 引言 45
4.2 随机变量描述 45
4.3 随机信号 51
4.4 功率谱 54
4.5 最小二乘估计特性 56
4.6 总结 62
习题 62
第5章 卡尔曼滤波 64
5.1 引言 64
5.2 渐近观测器 65
5.3 卡尔曼滤波器问题 67
5.4 卡尔曼滤波器和随机最小二乘 68
5.5 卡尔曼滤波和加权最小二乘 71
5.6 固定间隔平滑 80
5.7 线性时不变系统的卡尔曼滤波器 82
5.8 估计未知输入的卡尔曼滤波器 84
5.9 总结 87
习题 87
第6章 谱估计与频率响应函数 90
6.1 引言 90
6.2 离散傅里叶变换 90
6.3 谱泄露 93
6.4 快速傅里叶变换算法 95
6.5 信号频谱的估计 96
6.6 频响函数的估计及频谱扰动 98
6.7 总结 102
习题 103
第7章 输出误差的参数模型估计 104
7.1 引言 104
7.2 估计线性时不变状态空间模型参数的问题 105
7.3 MIMO线性时不变状态空间模型的参数化 107
7.4 输出误差代价函数 114
7.5 数值参数估计 116
7.6 估计精度分析 122
7.7 色噪声测量处理 123
7.8 总结 125
习题 125
第8章 预测误差参数模型估计 127
8.1 引言 127
8.2 用于估计状态空间模型的预测误差方法 128
8.3 SISO系统的特定模型参数 132
8.4 SISO系统模型误差定量分析 138
8.5 闭环系统估计问题 142
8.6 总结 144
习题 144
第9章 子空间模型识别 146
9.1 概述 146
9.2 确定系统的子空间模型识别 146
9.3 白测量噪声下的子空间模型识别 153
9.4 利用测量变量 156
9.5 有色测量噪声的子空间识别法 157
9.6 存在过程和测量噪声情况下的子空间识别方法 160
9.7 闭环数据的子空间识别方法 168
9.8 总结 170
习题 170
第10章 系统识别循环 172
10.1 引言 172
10.2 实验设计 173
10.3 数据预处理 183
10.4 模型结构的选择 185
10.5 模型验证 191
10.6 总结 193
习题 194
参考文献 196