序言 1
第一章 导论 3
1．1 系统辨识问题 3
1．2 系统辨识问题的提法及分类 4
1．3 参数估计的方法 6
1．4 本书的编排 7
参考文献 8
第二章 动态系统的描述 9
2．1 导言 9
2．2 线性差分方程 10
2．3 权序列及卷积 12
2．4 状态变量方程 14
2．5 结论 19
参考文献 19
第三章 最小二乘理论 20
3．1 导言 20
3．2 最小二乘理论 20
3．3 最小二乘估计的统计特征 23
3．4 序贯最小二乘估计 26
3．5 多应变量系统 31
3．6 增加参数数目的递推估计 32
3．7 实时最小二乘算法 35
3．8 结论 37
参考文献 38
附录3A极大然似估计 39
附录3B矩阵求逆公式 40
参考文献 41
第四章 权函数辨识 42
4．1 导言 42
4．2 辨识问题 43
4．3 最小二乘估计 45
4．4 与互相关辨识的关系 49
4．5 最优输入信号 53
4．6 伪随机二位式序列 56
4．7 在线最小二乘辨识 62
4．8 多变量系统辨识 66
4．9 结论 69
参考文献 70
附录4A产生PRBS的计算程序 72
第五章 用最小二乘法辨识线性参数模型 73
5．1 导言 73
5．2 基本辨识问题 74
5．3 最小二乘解 75
5．4 参数估计的统计特性 81
5．5 在线最小二乘辨识 84
5．6 系统阶次的确定 85
5．7 实时辨识 90
5．8 连续系统辨识 95
5．9 结论 100
参考文献 100
附录5A卡尔曼滤波解决系统参数辨识 102
参考文献 105
第六章 用广义最小二乘法辨识系统 106
6．1 导言 106
6．2 噪声系统模型之公式 106
6．3 相关残差有偏问题 108
6．4 广义最小二乘问题的公式 110
6．5 广义最小二乘估计算法 112
6．6 评论 117
6．7 另一种GLS解技术 123
6．8 辅助变量法 132
6．9 结论 135
参考文献 136
第七章 多步最小二乘辨识技术 139
7．1 导言 139
7．2 MSLS方法Ⅰ 140
7．3 MSLS方法Ⅱ 146
7．4 MSLS方法Ⅲ 147
7．5 MSLS与GLS算法的比较 152
7．6 结论 155
参考文献 156
第八章 非线性系统的辨识 158
8．1 导言 158
8．2 Volterra级数描述及辨识 159
8．3 具有线性参数的非线性差分方程 160
8．4 具有非线性参数的非线性差分方程 162
8．5 Hammerstein模型——GLS辨识 164
8．6 Hammerstein模型——MSLS辨识 168
8．7 结论 172
参考文献 173