1-1 系统、模型与辨识 1
1-2 系统辨识的发展和现状 1
第一章 引论 1
1-3 系统辨识的基本过程 6
第二章 动态系统的描述 9
2-1 单输入、单输出线性连续系统的动态模型 9
2-2 线性离散系统的动态模型 12
2-3 随机型动态系统的数学模型 25
习题 33
2-4 小结 33
第三章 线性系统辨识的经典方法 35
3-1 引言 35
3-2 阶跃响应法 35
3-3 频率法 40
3-4 相关分析法 44
3-5 小结 54
习题 54
4-2 基本最小二乘法 56
第四章 线性系统参数估计的最小二乘法 56
4-1 引言 56
4-3 最小二乘法在线性系统参数估计中的应用 62
4-4 递推最小二乘法 66
4-5 最小二乘估计的统计特性 71
4-6 广义最小二乘法 76
4-7 辅助变量法 80
4-8 增广最小二乘法 83
4-9 多步最小二乘法 84
4-10 随机逼近方法 87
4-11 小结 90
习题 91
第五章 线性系统的状态估计 92
5-1 引言 92
5-2 随机型线性离散系统的分析 92
5-3 系统状态的最小方差估计 96
5-4 系统状态的线性最小方差估计 97
5-5 系统状态的递推估计 100
5-6 卡尔曼滤波器的具体计算 103
5-7 卡尔曼滤波器用于系统的参数估计 104
5-8 推广的卡尔曼滤波器 106
5-9 小结 110
习题 110
第六章 非线性系统的辨识 112
6-1 引言 112
6-2 Volterra级数描述和辨识 112
6-3 具有线性参数的非线性差分方程和辨识 113
6-4 具有非线性参数的非线性差分方程和辨识 114
6-5 Hammerstein模型与辨识 115
6-6 基于神经元网络的非线性系统辨识 119
6-7 小结 126
第七章 极大似然法和预报误差法 127
7-1 引言 127
7-2 极大似然法 127
7-3 预报误差方法 132
7-4 极大似然法估计线性系统参数的离线迭代算法 135
7-5 极大似然法估计线性系统参数的在线递推算法 137
7-6 递推算法的一般格式及收敛性分析 140
7-7 各种辨识方法的比较与选用 142
7-8 小结 143
习题 144
第八章 系统模型结构的辨识 145
8-1 引言 145
8-2 单输入、单输出系统的模型结构辨识 145
8-3 多输入、多输出系统的模型结构辨识 151
8-4 小结 156
习题 157
第九章 系统辨识实现中的一些问题 159
9-1 系统在闭环条件下的辨识 159
9-2 辨识试验设计 164
9-3 系统辨识的应用 168
习题 177
附录 上机实验说明 178
主要参考文献 180