目录 1
前言 1
第一章引论 1
§1-1定义、基本概念与主要内容 1
§1-2数学模型主要表示法 6
§1-3辨识的应用概况 18
§1-4系统辨识的研究动向 22
习题 23
第二章线性动态模型参数辨识（一）——最小二乘类 25
§2-1最小二乘递推算法（RLS） 25
§2-2适应算法 34
§2-3辅助变量法（Ⅳ） 41
§2-4广义最小二乘法（GLS） 46
§2-5增广矩阵法（ELS） 53
§2-6相关——最小二乘两步法（COR-LS） 54
§2-7多阶段最小二乘法（MSLS） 61
§2-8最小二乘常用算法的数字仿真 71
§2-9应用举例 76
§2-10小结 82
习题 88
§3-1预报误差法、极大似然估计法（MLE）及其关系 91
极大似然估计及其它辨识法 91
第三章线性动态模型参数辨识（二）——预报误差模型、 91
§3-2极大似然估计的松弛算法 102
§3-3递推预报误差模型（近似极大似然递推算法） 108
§3-4系统状态和参数联合估计的鲁棒松弛算法 114
§3-5随机逼近法（SAA） 126
§3-6递推算法的一般模式 131
§3-7递推算法的收敛性 145
§3-8各种算法的比较 150
§3-9小结 153
习题 154
§4-1 引言 156
第四章时序分析的系统建模 156
§4-2 ARMA模型的格林函数与逆函数 157
§4-3自协方差函数与偏（自）相关函数 172
§4-4时间序列建模 180
§4-5 非平稳时序的处理方法 194
§4-6小结 200
习题 204
第五章模型定阶与闭环系统辨识 206
§5-1 用脉冲响应序列确定模型的阶次 206
§5-2损失函数检验定阶法 209
§5-3 AIC信息准则法 212
§5-4几种定阶方法的相互关系及比较 217
§5-5闭环系统的可辨识性 220
§5-6闭环辨识方法及可辨识性条件 226
§5-7线性反馈随机系统阶的一致估计 240
§5-8小结 245
习题 247
第六章线性多变量系统辨识 248
§6-1传递函数矩阵描述及计算 249
§6-2脉冲响应矩阵描述及计算 252
§6-3状态空间描述及规范型 255
§6-4输入-输出差分方程模型 260
§6-5不同类型模型参数估计的比较 273
§6-6线性多变量系统的结构辨识（一） 278
§6-7线性多变量系统的结构辨识（二） 292
§6-8线性多变量随机系统的辨识 309
§6-9小结 318
习题 319
第七章辨识实验设计 320
§7-1采样间隔的最优设计 320
§7-2输入信号最优设计 327
§7-3伪随机二元序列（PRBS） 338
§7-4小结 349
习题 350
第八章系统辨识的应用 351
§8-1 辨识在非自适应预报中的应用 351
§8-2辨识在自适应预报（多层递阶预报）中的应用 365
§3-3系统辨识在自适应控制中的应用 385
§8-4辨识在生物医学中的应用 399
§8-5小结 405
习题 406
第九章小样本的建模及应用 407
§9-1引言 407
§9-2大观测噪声下动态系统的小样本参数估计——LKL法 408
§9-3小样本辨识的SSML法 417
§9-4 MSAR法及其它 426
§9-5 PRDS定阶法 431
§9-6小结 439
习题 439
附录 440
A矩阵求逆与行列式计算 440
B矩阵微分 442
C分布理论 444
D极限理论 449
E点估计理论 452
参考文献 455