前辅文
第1章 绪论
1.1 系统数学模型的分类及建模方法
1.1.1 模型的含义
1.1.2 模型的表现形式
1.1.3 数学模型的分类
1.1.4 建立数学模型的基本方法
1.1.5 建模时所需遵循的基本原则
1.2 辨识的定义、内容和步骤
1.2.1 辨识的定义
1.2.2 辨识的内容和步骤
1.3 辨识中常用的误差准则
1.3.1 输出误差准则
1.3.2 输入误差准则
1.3.3 广义误差准则
1.4 系统辨识的分类
1.4.1 离线辨识
1.4.2 在线辨识
习题
第2章 系统辨识常用输入信号
2.1 系统辨识输入信号选择准则
2.2 白噪声及产生方法
2.2.1 白噪声过程
2.2.2 白噪声序列
2.2.3 白噪声序列的产生方法
2.3 伪随机二位式序列——M序列的产生及性质
2.3.1 伪随机噪声
2.3.2 M序列的产生方法
2.3.3 M序列的性质
2.3.4 二电平M序列的自相关函数
2.3.5 二电平M序列的功率谱密度
习题
第3章 线性系统的经典辨识方法
3.1 用频率响应法辨识线性系统的传递函数
3.1.1 频率特性的测取方法
3.1.2 由系统频率特性求传递函数
3.1.3 由系统的对数频率特性求传递函数
3.2 用M序列辨识线性系统的脉冲响应
3.3 由脉冲响应求传递函数
3.3.1 连续系统的传递函数G(s)
3.3.2 离散系统传递函数——脉冲传递函数G(z-1)
习题
第4章 动态系统的典范表达式
4.1 节省原理
4.2 线性系统的差分方程和状态方程表示法
4.2.1 线性定常系统的差分方程表示法
4.2.2 线性系统的状态方程表示法
4.3 确定性典范状态方程
4.3.1 可控型典范状态方程Ⅰ
4.3.2 可控型典范状态方程Ⅱ
4.3.3 可观测典范状态方程Ⅰ
4.3.4 可观测典范状态方程Ⅱ
4.3.5 多输入-多输出系统可观测型典范状态方程Ⅰ
4.3.6 多输入-多输出系统可观测型典范状态方程Ⅱ
4.4 确定性典范差分方程
4.5 随机性典范状态方程
4.6 随机性典范差分方程
4.7 预测误差方程
习题
第5章 最小二乘法辨识
5.1 最小二乘法
5.1.1 最小二乘估计算法
5.1.2 最小二乘估计中的输入信号问题
5.1.3 最小二乘估计的概率性质
5.2 一种不需矩阵求逆的最小二乘法
5.3 递推最小二乘法
5.4 辅助变量法
5.5 递推辅助变量法
5.6 广义最小二乘法
5.7 一种交替的广义最小二乘法求解技术（夏氏法）
5.8 增广矩阵法
5.9 多阶段最小二乘法
5.9.1 第1种算法
5.9.2 第2种算法
5.9.3 第3种算法
5.10 快速多阶段最小二乘法
习题
第6章 极大似然法辨识
6.1 极大似然参数辨识方法
6.1.1 极大似然原理
6.1.2 系统参数的极大似然估计
6.2 递推极大似然法
6.2.1 近似的递推极大似然法
6.2.2 按牛顿-拉弗森法导出极大似然法递推公式
6.3 参数估计的可达精度
习题
第7章 时变参数辨识方法
7.1 遗忘因子法、矩形窗法和卡尔曼滤波法
7.1.1 遗忘因子法
7.1.2 矩形窗法
7.1.3 卡尔曼滤波法
7.2 一种自动调整遗忘因子的时变参数辨识方法
7.3 用折线段近似时变参数的辨识方法
习题
第8章 多输入-多输出系统的辨识
8.1 多输入-多输出系统的最小二乘辨识
8.2 多输入-多输出系统的极大似然法辨识——松弛算法
8.3 利用方波脉冲函数辨识线性时变系统状态方程
8.3.1 状态方程的方波脉冲级数展开
8.3.2 矩阵A(t)的辨识
8.3.3 矩阵B(t)的辨识
8.4 利用分段多重切比雪夫多项式进行多输入-多输出线性时变系统辨识
8.4.1 分段多重切比雪夫多项式系(PMCP)的定义及其主要性质
8.4.2 多输入-多输出线性时变系统参数辨识的PMCP方法
习题
第9章 其他一些辨识方法
9.1 一种简单的递推算法——随机逼近法
9.1.1 随机逼近法基本原理
9.1.2 随机逼近参数估计方法
9.1.3 随机牛顿法
9.2 两类不同概念的递推最小二乘辨识方法
9.2.1 随观测方程个数递推的最小二乘估计
9.2.2 随未知参数个数变化的递推最小二乘估计
9.2.3 利用递推最小二乘法导出EMBET公式
9.3 辨识博克斯-詹金斯模型的递推广义增广最小二乘法
9.4 辨识博克斯-詹金斯模型参数的新息修正最小二乘法
9.4.1 最小二乘法的增参数递推公式
9.4.2 CAR(p)模型的辨识
9.4.3 偏差的消除及MA阶次的确定
习题
第10章 随机时序列模型的建立
10.1 回归模型
10.1.1 一阶线性回归模型
10.1.2 多项式回归模型
10.2 平稳时序列的自回归模型
10.3 平稳时序列的移动平均模型
10.4 平稳时序列的自回归移动平均模型
10.5 非平稳时序列模型
习题
第11章 系统结构辨识
11.1 模型阶的确定
11.1.1 按残差方差定阶
11.1.2 确定阶的Akaike信息准则(AIC)
11.1.3 按残差白色定阶
11.1.4 零点-极点消去检验
11.1.5 利用行列式比法定阶
11.1.6 利用汉克尔（Hankel）矩阵定阶
11.2 模型的阶和参数同时辨识的非递推算法
11.3 同时获得模型阶次和参数的递推辨识算法
11.4 多变量CARMA模型的结构辨识
11.4.1 递推最小二乘法参数估计
11.4.2 子模型阶的确定
11.4.3 简练参数模型、子阶和时滞的确定
习题
第12章 闭环系统辨识
12.1 闭环系统判别方法
12.1.1 谱因子分解法
12.1.2 似然比检验法
12.2 闭环系统的可辨识性概念
12.3 单输入-单输出闭环系统的辨识
12.3.1 直接辨识
12.3.2 间接辨识
12.4 多输入-多输出闭环系统的辨识
12.4.1 自回归模型辨识法
12.4.2 更换反馈矩阵辨识法
习题
第13章 集员辨识方法
13.1 集员辨识方法综述
13.1.1 集员辨识概述
13.1.2 数学描述
13.1.3 集员辨识的发展及主要算法
13.1.4 值得进一步研究的问题
13.2 Fogel外界椭球算法
13.2.1 外界椭球算法递推公式
13.2.2 收敛性证明
13.2.3 系统的不稳定性对收敛性的影响
13.2.4 数字仿真结果
13.3 FH最优外界椭球算法
13.3.1 问题的提出
13.3.2 递推辨识算法
13.3.3 FH最小椭球容积算法
13.3.4 FH最小椭球迹算法
13.3.5 收敛性证明
13.3.6 仿真结果
13.4 优化椭球广义半径的DH外界椭球算法
13.4.1 递推算法的推导
13.4.2 收敛性证明
13.4.3 持续激励问题
13.5 一种线性时不变系统的集员辨识区间算法
13.5.1 问题的提出
13.5.2 参数可行集的区间算法
13.5.3 参数可行集递推公式
13.5.4 算法收敛性
13.6 MB盒子外界算法
13.6.1 问题的数学描述
13.6.2 最小不确定性区间修正估计器
13.6.3 不确定性区间计算
13.6.4 数字仿真算例
习题
第14章 期望极大化辨识方法
14.1 期望极大化辨识方法概述
14.1.1 EM算法的基本概念
14.1.2 EM算法预备知识
14.1.3 EM算法
14.1.4 GEM算法
14.1.5 指数族的EM算法
14.2 混合模型的EM算法
14.2.1 一个简单的一元混合语言模型
14.2.2 极大似然估计
14.2.3 不完全数据与完全数据的对比
14.2.4 似然函数的下界
14.2.5 EM算法的一般步骤
14.3 EM算法的收敛性定理
14.3.1 EM算法的简单回顾
14.3.2 EM算法的收敛性定理
14.4 线性定常系统的期望极大化参数辨识方法
14.4.1 EM算法的迭代公式推导
14.4.2 EM辨识算法步骤
14.5 噪声期望极大化算法
14.5.1 EM算法的不完全数据模型：混合模型和缺失伽马模型
14.5.2 噪声在EM算法中的益处
14.5.3 噪声EM定理
习题
第15章 神经网络辨识方法
15.1 神经网络简介
15.1.1 神经网络的发展概况
15.1.2 神经网络的结构及类型
15.2 基于神经网络的线性系统辨识
15.2.1 基于单层神经网络的线性系统辨识
15.2.2 基于单层Adaline网络的线性系统辨识方法
15.3 BP算法在神经网络中的应用
15.3.1 BP网络简介
15.3.2 BP网络数学原理
15.4 线性时变系统的神经网络辨识
15.4.1 网络结构与逼近能力分析
15.4.2 学习算法
15.4.3 仿真结果
15.5 非线性系统的神经网络辨识
15.5.1 联想记忆神经网络
15.5.2 学习算法及收敛性分析
15.6 利用延迟神经网络的非线性系统辨识
15.6.1 预备知识
15.6.2 非线性系统的神经网络辨识
15.7 基于神经网络的非线性系统协同自适应辨识
15.7.1 预备知识
15.7.2 分布式协同自适应辨识
15.8 非线性动态系统的维纳神经网络辨识法
15.8.1 非线性问题描述
15.8.2 维纳神经网络及其训练算法
15.8.3 数值仿真与分析
15.8.4 结论
15.9 基于差分进化小波神经网络的多维非线性系统辨识方法
15.9.1 小波神经网络
15.9.2 差分进化算法
15.9.3 差分进化算法优化小波神经网络
15.9.4 仿真实验结果分析
习题
第16章 子空间辨识法
16.1 离散时间系统的子空间辨识
16.1.1 离散时间系统的数学描述
16.1.2 p=1时的离散子空间辨识
16.1.3 过高估计M情况下的子空间辨识法
16.1.4 渐近性分析
16.2 基于主成分分析的递推子空间辨识法
16.2.1 问题描述及所采用的一些符号
16.2.2 基于随机逼近-主成分分析的递推子空间辨识法
16.2.3 系统矩阵A,B,C,D的估计
16.3 闭环线性时不变系统的直接子空间模型辨识
16.3.1 问题的提出
16.3.2 预备知识
16.3.3 两阶段法与PI-MOESP法的综合
16.3.4 闭环系统直接子空间辨识法
16.4 子空间辨识最小二乘法
16.4.1 问题的提出及相关预备知识
16.4.2 一种不依赖奇异值分解的子空间辨识法
16.4.3 小结
16.5 基于高阶累积量的闭环子空间辨识法
16.5.1 模型及问题的描述
16.5.2 子空间辨识法的简要回顾及符号表示
16.5.3 基于累积量的闭环子空间辨识法
16.5.4 基于累积量的闭环子空间辨识法的具体步骤
16.5.5 数字仿真结果
16.6 分数阶系统时域子空间辨识
16.6.1 问题描述
16.6.2 分数阶系统辨识
16.6.3 数值计算算例
习题
第17章 模糊逻辑辨识法
17.1 模糊逻辑系统辨识法概述
17.1.1 模糊逻辑系统的基本概念
17.1.2 模糊逻辑系统的描述
17.1.3 常见的两种模糊系统模型
17.1.4 模糊逻辑系统的结构辨识
17.2 基于T-S模型的自组织模糊辨识法
17.2.1 参数辨识
17.2.2 结构辨识准则
17.2.3 具体辨识步骤
17.3 一类非线性离散时间系统的模糊辨识
17.3.1 问题描述
17.3.2 模糊辨识器设计
17.4 一类非线性系统的变结构模糊逻辑辨识
17.4.1 问题描述
17.4.2 自适应模糊辨识回顾
17.4.3 变结构模糊逻辑辨识器（VSFI）
17.4.4 基于输入输出可测的变结构模糊辨识器
17.4.5 仿真算例
17.5 递推动态模糊逻辑系统及非线性系统辨识
17.5.1 递推动态模糊逻辑系统及万能近似特性
17.5.2 非线性系统的RDFLS辨识
17.5.3 结束语
17.6 非线性系统的在线模糊聚类神经网络辨识方法
17.6.1 用于非线性辨识的模糊神经网络
17.6.2 结构辨识
17.6.3 参数辨识
17.6.4 辨识算法具体步骤
17.6.5 仿真算例
习题
第18章 系统辨识在航天工程中的应用
18.1 系统辨识在飞行器参数辨识中的应用
18.1.1 引言
18.1.2 气动力参数辨识
18.1.3 气动热参数辨识
18.1.4 结构动力学参数辨识
18.1.5 液体晃动模态参数辨识
18.1.6 惯性仪表误差系数辨识
18.2 战术导弹的气动参数辨识
18.2.1 飞航导弹气动力参数辨识
18.2.2 飞航导弹动力学数学模型
18.2.3 参数辨识基本方程
18.2.4 辨识精度分析
18.2.5 闭环的辨识仿真算例
18.3 空空导弹导引头噪声模型的极大似然法辨识
18.3.1 空空导弹导引头噪声模型的描述
18.3.2 极大似然法辨识空空导弹噪声模型参数
18.3.3 导引头目标视线角速度噪声模型参数辨识
18.3.4 目标接近速度噪声模型辨识
18.3.5 噪声模型校验
18.3.6 极大似然法辨识算例
18.4 时间序列法的导引头系统输出噪声建模
18.4.1 方案设计
18.4.2 噪声模型的建立
18.4.3 噪声模型的参数辨识
18.4.4 时间序列法辨识算例
参考文献
