第1章 绪论 1
1.1 系统辨识的发展 2
1.2 经典系统辨识方法的缺陷 3
1.3 鲁棒控制建模问题的提出与发展 6
1.4 本书的构成 7
1.5 附注 9
2.1 凸集、凸函数与凸优化 10
2.1.1 凸集合 10
第2章 模型集辨识的数学基础 10
2.1.2 凸函数 11
目录 11
书中采用的主要符号（notation） 11
2.1.3 凸优化 12
书中采用的主要记号（symbol） 15
2.2 信号与系统的范数 16
2.3 哈代空间与插值理论 19
2.3.1 哈代空间 19
2.3.2 插值理论 21
2.4 Hankel范数函数近似 26
2.5 随机信号离散傅里叶变换的统计特性 33
2.6 系统辨识中的正交基 39
2.7 附注 45
第3章 模型集辨识与鲁棒控制的关系 46
3.1 模型集的描述 47
3.2 小增益定理 49
3.3 模型集辨识 53
3.4 附注 59
第4章 确定性框架下的模型集辨识——频域实验数据情形 61
4.1 频域模型集辨识的问题描述 61
4.2 先验信息独立型线性辨识算法 62
4.3 先验信息依存型线性辨识算法 72
4.4 先验信息独立型非线性辨识算法 79
4.4.1 基于AAK定理的辨识算法 80
4.4.2 权函数选择 82
4.5 基于频域实验数据的非伪模型构造 89
4.6 基于Nevanlinna-Pick插值理论的辨识算法 98
4.7 附注 102
第5章 确定性框架下的模型集辨识——时域实验数据情形 104
5.1 问题描述 105
5.2 非伪模型集的构造 106
5.3 插值型辨识算法 118
5.4 近似插值型辨识算法 125
5.5 附注 131
第6章 随机框架下的模型集辨识——时域实验数据情形 132
6.1.1 问题描述 133
6.1 时域信号下的模型集辨识——一般情形 133
6.1.2 辨识算法 134
6.1.3 辨识误差 135
6.1.4 先验信息估计 143
6.2 基于时域信号的模型集辨识——周期激励信号情形 144
6.2.1 问题描述 144
6.2.2 辨识算法 145
6.2.3 误差分析 146
6.3 附注 159
第7章 随机框架下的模型集辨识——频域实验数据情形 161
7.1.2 辨识算法Ⅰ——实验数据均匀分布情形 162
7.1.1 问题描述 162
7.1 有限维系统辨识 162
7.1.3 辨识算法的特性 165
7.1.4 辨识算法Ⅱ——实验数据非均匀分布的情形 175
7.2 无限维系统辨识 180
7.2.1 问题描述 180
7.2.2 辨识算法 180
7.2.3 辨识算法的特性 182
7.3 附注 201
第8章 模型集检验——时域实验数据情形 203
8.1 模型集检验的时域描述 204
8.2 具有非构造性误差的模型集检验 207
8.3 误差具有结构性信息时的模型集检验 210
8.4 最小模型集辨识 214
8.5 附注 218
第9章 模型集检验——频域实验数据情形 219
9.1 输入输出数据情形 220
9.1.1 非构造性名义模型误差 221
9.1.2 构造性模型误差 232
9.2 基于控制对象频率响应估计的模型集检验 233
9.3 随机框架下的模型集检验 239
9.4 一个模型集检验的数值仿真例 251
9.5 附注 254
第10章 模型集的闭环辨识与检验 255
10.1 Youla-Kucera参数化定理 256
10.2 正规互质因子的闭环辨识 259
10.2.1 非参数估计 260
10.2.2 非参数估计的统计特性及待定参数选择 269
10.2.3 正规互质因子的参数辨识 279
10.2.4 一个数值仿真例 286
10.3 正规互质因子扰动模型集的闭环检验 290
10.4 附注 302
参考文献 303
索引 312