系統(tǒng)辨識新論

序言一
序言二
前言
主要符號說明
第1章 辨識導引
1.1 引言
1.2 辨識的定義
1.2.1 系統(tǒng)結構和參數(shù)
1.2.2 機理辨識方法或機理建模方法
1.2.3 統(tǒng)計辨識方法或統(tǒng)計建模方法
1.2.4 階躍響應辨識方法
1.2.5 辨識的定義與辨識的四要素
1.2.6 一些學者的辨識定義
1.2.7 關于測量誤差問題
1.3 數(shù)學模型與辨識模型
1.3.1 數(shù)學模型
1.3.2 辨識模型
1.4 辨識步驟與辨識目的
1.4.1 辨識的基本步驟
1.4.2 辨識的目的
1.4.3 實驗設計
1.4.4 數(shù)據(jù)預處理
1.5 辨識方法的類別
1.5.1 最小二乘辨識方法
1.5.2 梯度辨識方法
1.5.3 輔助模型辨識方法
1.5.4 多新息辨識方法
1.5.5 遞階辨識方法
1.5.6 耦合辨識方法
1.6 小結
1.7 思考題
第2章 系統(tǒng)描述的基本模型
2.1 引言
2.2 線性系統(tǒng)模型變換
2.2.1 階躍不變變換
2.2.2 雙線性變換和歐拉變換
2.2.3 脈沖不變z-s變換
2.2.4 離散模型化為差分方程模型
2.3 隨機系統(tǒng)模型
2.3.1 時間序列模型
2.3.2 方程誤差類模型
2.3.3 輸出誤差類模型
2.3.4 特殊方程誤差模型
2.3.5 特殊輸出誤差模型
2.3.6 一般隨機系統(tǒng)模型
2.4 多變量系統(tǒng)
2.4.1 多變量時間序列模型
2.4.2 多變量方程誤差類模型
2.4.3 多變量輸出誤差類模型
2.4.4 特殊多變量方程誤差類模型
2.4.5 特殊多變量輸出誤差類模型
2.4.6 一般多變量隨機系統(tǒng)模型
2.5 類多變量系統(tǒng)
2.5.1 狀態(tài)空間描述到輸入輸出表達
2.5.2 類多變量方程誤差類模型
2.5.3 類多變量輸出誤差類模型
2.5.4 類特殊多變量方程誤差模型
2.5.5 類特殊多變量輸出誤差模型
2.5.6 一般類多變量隨機系統(tǒng)模型
2.6 多輸入多輸出系統(tǒng)
2.6.1 傳遞函數(shù)陣主模型
2.6.2 傳遞函數(shù)陣子模型
2.6.3 傳遞函數(shù)陣子子模型
2.7 多輸入單輸出系統(tǒng)模型
2.7.1 多輸入方程誤差類模型
2.7.2 多輸入輸出誤差類模型
2.7.3 特殊多輸入方程誤差類模型
2.7.4 特殊多輸入輸出誤差類模型
2.8 多輸出系統(tǒng)
2.8.1 多變量系統(tǒng)結構
2.8.2 單輸入多輸出系統(tǒng)模型
2.8.3 馬可夫參數(shù)或脈沖響應模型
2.9 小結
2.10 思考題
第3章 辨識精度與辨識基本問題
3.1 引言
3.2 辨識精度
3.2.1 物理量辨識
3.2.2 系統(tǒng)外特性辨識
3.3 辨識的基本問題
3.3.1 辨識方法的提出
3.3.2 辨識輸入信號設計
3.3.3 可辨識性問題
3.3.4 參數(shù)估計的收斂性
3.4 激勵信號
3.4.1 持續(xù)激勵信號
3.4.2 弱持續(xù)激勵信號
3.4.3 衰減激勵信號
3.4.4 持續(xù)激勵信號的產生
3.5 基本激勵條件
3.5.1 強持續(xù)激勵條件
3.5.2 弱持續(xù)激勵條件
3.5.3 衰減激勵條件
3.5.4 其他激勵條件
3.6 參數(shù)估計性質及分析工具
3.6.1 參數(shù)估計的統(tǒng)計性質
3.6.2 Cramér-Rao不等式
3.6.3 實用有界收斂性
3.6.4 收斂性分析的基本工具
3.7 最小二乘辨識方法及其收斂定理
3.7.1 線性回歸模型與偽線性回歸模型
3.7.2 遞推最小二乘算法
3.7.3 RLS算法計算量與計算步驟
3.7.4 RLS算法仿真例子
3.7.5 RLS算法的收斂定理
3.7.6 隨機梯度辨識算法
3.8 典型辨識算法及其收斂定理
3.8.1 偽線性回歸模型Ⅰ
3.8.2 偽線性回歸模型Ⅱ
3.8.3 偽線性回歸模型Ⅲ
3.9 小結
3.10 思考題
第4章 輔助模型辨識思想與方法
4.1 引言
4.2 輔助模型辨識思想
4.3 線性輸出誤差系統(tǒng)
4.3.1 輔助模型遞推最小二乘算法
4.3.2 輔助模型隨機梯度辨識算法
4.4 線性輸出誤差類系統(tǒng)
4.4.1 線性輸出誤差滑動平均系統(tǒng)
4.4.2 線性輸出誤差自回歸系統(tǒng)
4.4.3 線性Box-Jenkins系統(tǒng)
4.5 輸入非線性方程誤差類系統(tǒng)
4.5.1 輸入非線性有限脈沖響應系統(tǒng)
4.5.2 輸入非線性受控自回歸系統(tǒng)
4.5.3 輸入非線性受控自回歸滑動平均系統(tǒng)
4.5.4 輸入非線性受控自回歸自回歸系統(tǒng)
4.5.5 輸入非線性受控自回歸自回歸滑動平均系統(tǒng)
4.6 輸入非線性輸出誤差類系統(tǒng)
4.6.1 輸入非線性輸出誤差系統(tǒng)
4.6.2 輸入非線性輸出誤差滑動平均系統(tǒng)
4.6.3 輸入非線性輸出誤差自回歸系統(tǒng)
4.6.4 輸入非線性Box-Jenkins系統(tǒng)
4.6.5 其他輸入非線性系統(tǒng)
4.7 輸出非線性輸出誤差類系統(tǒng)
4.8 小結
4.9 思考題
第5章 迭代搜索原理與辨識方法
5.1 引言
5.2 最小二乘原理與迭代搜索原理
5.2.1 最小二乘原理
5.2.2 梯度搜索原理
5.2.3 牛頓迭代方法
5.3 受控自回歸滑動平均模型
5.3.1 遞推增廣最小二乘辨識方法
5.3.2 最小二乘迭代辨識方法
5.3.3 梯度迭代辨識方法
5.4 Box-Jenkins模型
5.4.1 梯度迭代辨識方法
5.4.2 最小二乘迭代方法
5.5 非線性系統(tǒng)的迭代辨識方法
5.6 小結
5.7 思考題
第6章 多新息辨識理論與方法
6.1 引言
6.2 多新息辨識理論
6.3 多新息隨機梯度辨識方法
6.4 多新息梯度類辨識方法
6.5 多新息最小二乘辨識方法
6.6 變遞推間隔多新息最小二乘辨識方法
6.7 多新息最小二乘類辨識方法
6.8 方程誤差類系統(tǒng)
6.8.1 受控自回歸系統(tǒng)
6.8.2 受控自回歸滑動平均系統(tǒng)
6.8.3 受控自回歸系統(tǒng)
6.8.4 受控自回歸滑動平均系統(tǒng)
6.9 輸出誤差類系統(tǒng)
6.9.1 輸出誤差系統(tǒng)
6.9.2 輸出誤差滑動平均系統(tǒng)
6.9.3 輸出誤差自回歸系統(tǒng)
6.9.4 Box-Jenkins系統(tǒng)
6.10 輸入非線性受控自回歸滑動平均系統(tǒng)
6.11 多新息觀測器和多新息卡爾曼濾波器
6.11.1 多新息觀測器
6.11.2 多新息卡爾曼濾波器
6.12 小結
6.13 思考題
第7章 遞階辨識原理與方法
7.1 引言
7.2 遞階辨識原理
7.3 迭代方法族
7.3.1 雅可比和高斯-賽德爾迭代
7.3.2 矩陣方程Ax=b迭代方法族
7.3.3 矩陣方程AXB=F的迭代解
7.4 一般矩陣方程
7.4.1 西爾維斯特矩陣方程AX+XB=F
7.4.2 矩陣方程AXB+X=F
7.4.3 矩陣方程AXB+CXD=F
7.4.4 矩陣方程A1XB1+…+ApXBp=F
7.5 耦合矩陣方程
7.5.1 耦合西爾維斯特矩陣方程
7.5.2 一般耦合矩陣方程
7.5.3 其他矩陣方程
7.6 方程誤差模型的兩階段遞推最小二乘辨識方法
7.6.1 系統(tǒng)描述與問題構成
7.6.2 兩階段遞推辨識算法
7.6.3 仿真例子
7.7 線性回歸模型的遞階最小二乘辨識方法
7.7.1 辨識模型與問題構成
7.7.2 遞階最小二乘算法的推導
7.7.3 遞階最小二乘算法的收斂性
7.8 類多變量CARMA系統(tǒng)的遞階辨識方法
7.8.1 遞階梯度迭代辨識算法
7.8.2 遞階最小二乘迭代算法
7.8.3 交互噪聲干擾的情形
7.9 小結
7.10 思考題
第8章 耦合辨識概念與方法
8.1 引言
8.2 耦合辨識概念
8.3 全耦合辨識方法
8.3.1 子系統(tǒng)最小二乘估計算法
8.3.2 耦合最小二乘估計算法
8.3.3 耦合隨機梯度估計算法
8.4 部分耦合隨機梯度辨識方法
8.4.1 隨機梯度辨識算法
8.4.2 子系統(tǒng)隨機梯度辨識算法
8.4.3 部分耦合隨機梯度辨識算法
8.5 部分耦合最小二乘辨識方法
8.5.1 最小二乘辨識算法
8.5.2 子系統(tǒng)最小二乘辨識算法
8.5.3 部分耦合子系統(tǒng)最小二乘辨識算法
8.5.4 部分耦合最小二乘辨識算法
8.6 有色噪聲干擾多變量系統(tǒng)耦合辨識方法
8.6.1 多元偽線性回歸系統(tǒng)
8.6.2 類多變量方程誤差類系統(tǒng)
8.6.3 類多變量輸出誤差類系統(tǒng)
8.6.4 多變量方程誤差類系統(tǒng)
8.6.5 多變量輸出誤差類系統(tǒng)
8.7 小結
8.8 思考題
參考文獻
附錄A 系統(tǒng)的噪信比及其計算
A.1 單輸入單輸出系統(tǒng)
A.2 多輸入多輸出系統(tǒng)
A.3 思考題
附錄B 主要縮略語英漢對照
附錄C 有關術語漢英對照
索引
后記