基于組合式信號(hào)源的塊結(jié)構(gòu)模型辨識(shí)方法

《智能科學(xué)技術(shù)著作叢書(shū)》序前言
第一部分 塊結(jié)構(gòu)模型第1章 塊結(jié)構(gòu)模型概述1.1 引言1.2 靜態(tài)非線(xiàn)性環(huán)節(jié)與動(dòng)態(tài)線(xiàn)性環(huán)節(jié)的同步辨識(shí)法1.2.1 過(guò)參數(shù)化法1.2.2 子空間法1.2.3 調(diào)制函數(shù)法1.2.4 直接辨識(shí)法1.3 靜態(tài)非線(xiàn)性環(huán)節(jié)與動(dòng)態(tài)線(xiàn)性環(huán)節(jié)的分步辨識(shí)法1.3.1 迭代法1.3.2 分離最小二乘法1.3.3 多信號(hào)源法1.3.4 盲辨識(shí)法1.3.5 頻域法1.3.6 隨機(jī)法1.4 基于Hammerstein模型的控制系統(tǒng)設(shè)計(jì)1.5 塊結(jié)構(gòu)模型研究中存在的關(guān)鍵問(wèn)題1.6 全書(shū)概況參考文獻(xiàn)
第二部分 基于二進(jìn)制—隨機(jī)復(fù)合信號(hào)源的塊結(jié)構(gòu)模型辨識(shí)方法第2章 基于二進(jìn)制—隨機(jī)復(fù)合信號(hào)源的Hammerstein模型辨識(shí)方法2.1 基于泰勒級(jí)數(shù)展開(kāi)法的Hammerstein模型辨識(shí)2.1.1 基于神經(jīng)模糊的Hammerstein模型2.1.2 基于神經(jīng)模糊Hammerstein模型的辨識(shí)2.1.3 實(shí)驗(yàn)結(jié)果2.1.4 小結(jié)2.2 基于Lyapunoy方法的Hammerstein模型辨識(shí)2.2.1 神經(jīng)模糊Hammerstein模型2.2.2 神經(jīng)模糊Hammerstein模型辨識(shí)2.2.3 實(shí)驗(yàn)結(jié)果2.2.4 小結(jié)參考文獻(xiàn)第3章 基于二進(jìn)制—隨機(jī)復(fù)合信號(hào)源的Hammerstein-Wiener模型辨識(shí)方法3.1 基于二進(jìn)制—隨機(jī)復(fù)合信號(hào)源的Hammerstein-Wiener模型3.1.1 神經(jīng)模糊Hammerstein-Wiener模型3.1.2 神經(jīng)模糊Hammerstein-Wiener模型各串聯(lián)環(huán)節(jié)的分離3.1.3 基于神經(jīng)模糊Hammerstein-Wiener模型的控制系統(tǒng)3.1.4 實(shí)驗(yàn)結(jié)果3.1.5 小結(jié)3.2 基于兩階段復(fù)合信號(hào)的Hammerstein-Wiener模型3.2.1 基于兩階段復(fù)合信號(hào)的神經(jīng)模糊Hammerstein-Wiener模型3.2.2 實(shí)驗(yàn)結(jié)果3.2.3 小結(jié)參考文獻(xiàn)第4章 含過(guò)程噪聲的塊結(jié)構(gòu)模型二進(jìn)制一隨機(jī)復(fù)合信號(hào)源辨識(shí)方法4.1 基于輔助模型遞推最小二乘法的Hammerstein模型4.1.1 一類(lèi)含過(guò)程噪聲的Hammerstein模型4.1.2 基于輔助模型遞推最小二乘法的Hammerstein模型多信號(hào)源辨識(shí)方法4.1.3 實(shí)驗(yàn)結(jié)果4.1.4 小結(jié)4.2 基于偏差補(bǔ)償遞推最小二乘法的Hammerstein-Wiener模型4.2.1 一類(lèi)含過(guò)程噪聲的Hammerstein-Wiener模型4.2.2 基于偏差補(bǔ)償遞推最小二乘法的Hammerstein-Wiener模型多信號(hào)源辨識(shí)方法4.2.3 實(shí)驗(yàn)結(jié)果4.2.4 小結(jié)4.3 基于輔助模型多新息隨機(jī)梯度法的Hammerstein模型4.3.1 基于輔助模型多新息隨機(jī)梯度法的Hammerstein模型多信號(hào)源辨識(shí)方法4.3.2 實(shí)驗(yàn)結(jié)果4.3.3 小結(jié)參考文獻(xiàn)
第三部分 基于可分離信號(hào)源的塊結(jié)構(gòu)模型辨識(shí)方法第5章 基于可分離信號(hào)源的多輸入多輸出Hammerstein模型辨識(shí)方法5.1 多輸入多輸出Hammerstein模型5.2 基于可分離信號(hào)源的多輸入多輸出Hammerstein模型辨識(shí)5.2.1 基于神經(jīng)模糊的多輸人多輸出Hammerstein模型5.2.2 基于可分離信號(hào)源的多輸入多輸出Hammerstein模型辨識(shí)5.2.3 實(shí)驗(yàn)結(jié)果5.2.4 小結(jié)參考文獻(xiàn)第6章 含過(guò)程噪聲的多輸入多輸出Hammerstein模型可分離信號(hào)源辨識(shí)方法6.1 含過(guò)程噪聲的多輸人多輸出Hammerstein模型辨識(shí)6.1.1 含過(guò)程噪聲的多輸人多輸出Hammerstein模型6.1.2 含過(guò)程噪聲的多輸入多輸出Hammerstein模型辨識(shí)6.1.3 實(shí)驗(yàn)結(jié)果6.1.4 小結(jié)6.2 基于可分離信號(hào)的Hammerstein輸出誤差滑動(dòng)平均系統(tǒng)辨識(shí)6.2.1 Hammerstein輸出誤差滑動(dòng)平均系統(tǒng)6.2.2 神經(jīng)模糊Hammerstein輸出誤差滑動(dòng)平均系統(tǒng)辨識(shí)6.2.3 實(shí)驗(yàn)結(jié)果6.2.4 小結(jié)參考文獻(xiàn)第7章 含過(guò)程噪聲的Hammerstein-Wiener模型可分離信號(hào)源辨識(shí)方法7.1 基于可分離信號(hào)的Hammerstein-Wiener模型辨識(shí)方法7.1.1 神經(jīng)模糊Hammerstein-Wiener模型7.1.2 神經(jīng)模糊Hammerstein-Wiener模型辨識(shí)方法7.1.3 基于Hammerstein-Wiener模型的控制系統(tǒng)設(shè)計(jì)7.1.4 實(shí)驗(yàn)結(jié)果7.1.5 小結(jié)7.2 基于遞推廣義增廣最小二乘法的Hammerstein-Wiener模型可分離信號(hào)源辨識(shí)7.2.1 噪聲干擾下的FIR Hammerstein-Wiener模型7.2.2 基于遞推廣義增廣最小二乘法的Hammerstein-Wiener辨識(shí)7.2.3 實(shí)驗(yàn)結(jié)果7.2.4 小結(jié)參考文獻(xiàn)