第八章 ARMA模型的最佳预测与最佳控制 1
8.1 最佳预测原理 1
8.2 最佳预测的计算 5
8.3 最佳预测的校正 13
8.4 指数加权平滑预测 16
8.5 利用ARMA模型特性加权的最佳预测计算 21
8.6 最佳预测的应用实例 26
8.7 最佳控制 31
8.8 最佳控制的应用实例 39
习题 46
第九章 模态参数估计 48
9.1 模态参数估计的基本概念 49
9.2 模态参数估计的ARMA模型法 59
9.3 扩展的Prony法 67
9.4 有关Prony谱的问题 86
习题 91
第十章 模式识别·故障诊断 92
10.1 模式识别与故障诊断的基本概念 93
10.2 用AR模型参数构造的距离判别函数 98
10.3 特征量的提取 128
10.4 根据模型特性构造的判别函数 138
10.5 Bayes判据 151
习题 159
第十一章 表面形貌识别 160
11.1 表面形貌识别的基本概念 161
11.2 用轮廓的谱矩表征表面 169
11.3 表面形貌的计算机评价 178
11.4 纹理轮廓的识别——建模与模拟 182
11.5 非正态分布随机轮廓的建模与识别 185
11.6 任意分布随机表面场的建模与模拟 196
习题 209
第十二章 多元时间序列与ARMAV模型 212
12.1 多元时间序列与ARMAV模型 213
12.2 ARV模型参数的估计 225
12.3 ARMAV模型参数的估计 230
12.4 ARV模型的最佳预测 238
12.5 模态参数估计的ARMAV模型法 243
12.6 闭环系统辨识的ARMAV模型法 250
习题 258
第十三章 非平稳时间序列模型 260
13.1 系统参数分析 263
13.2 系统输入、输出信号的分析 271
13.3 非平稳时序建模的趋势项直接剔除法 277
13.4 非平稳时序建模的趋势项提取法 293
13.5 非平稳时序模型的应用实例 304
习题 312
第十四章 门限自回归模型 314
14.1 非线性现象与非线性时序模型 315
14.2 门限自回归模型及其特性 325
14.3 门限自回归模型的建模 330
14.4 门限自回归模型的预测与应用 346
习题 355
第十五章 双线性时序模型 356
15.1 双线性离散系统及其建模 357
15.2 Volterra函数级数模型 363
15.3 双线性离散系统的Volterra核 365
15.4 双线性连续系统的Volterra核 369
15.5 双线性离散模型与连续模型的转换 375
15.6 模型转换实例 379
习题 386
第十六章 时间序列的状态模型 387
16.1 状态模型的建立 387
16.2 状态模型的性质 396
16.3 因果律 398
16.4 典则差分模型 403
16.5 动态系统的故障诊断 404
习题 414
续附录1数据 415
附1.5 武汉市某区人口月死亡率数据 415
附1.6 武汉市某区肿瘤月死亡率数据 415
附1.7 钢筋混凝土T形梁的自由响应数据 416
附1.8 振动位移｛x1t｝与动态切削力｛x2t｝采样电流数据 423
附1.9 中国轻工业产量发展指数数据 424
附1.10 中国重工业产量发展指数数据 424
附1.11 武汉市月平均气温数据 425
附1.12 武汉市日平均气温数据 426
附1.13 钢丝绳断丝检测中磁场变化的采样电压数据 427
附1.14 国际航空公司每月客票数据 428
附1.15 加拿大山猫每年捕捉数数据 428
附1.16 机床工作台爬行位移数据 429
续附录2IBM系列机及其兼容机上的实用程序及其使用说明 432
附2.5 模态参数估计的扩展Prony算法Fortran子程序 432
附2.6 ARMAV建模的向量模型标量化方法Pascal过程 444
附2.7 提取幂函数与指数函数趋势项的Pascal过程 450
附2.8 提取周期趋势项的Pascal过程 455
附2.9 GM（1，1）提取指数趋势项的Pascal过程 459
附2.10 GM（2，1）提取周期趋势项的Pascal过程 461
附2.11 计算点值图的Pascal过程 464
附2.12 SETAR建模的Pascal过程 466
附2.13 双线性建模的Fortran程序 472
主要参考文献 481