系統(tǒng)辨識(shí)與建模

第1章 緒論
1．1 基本概念
1．2 系統(tǒng)辨識(shí)的產(chǎn)生與發(fā)展
1．2．1 系統(tǒng)辨識(shí)的基本思想
1．2．2 系統(tǒng)辨識(shí)的發(fā)展
1．2．3 系統(tǒng)辨識(shí)的應(yīng)用
1．3 本書(shū)的主要內(nèi)容
練習(xí)題
第2章 系統(tǒng)辨識(shí)的基本概念
2．1 系統(tǒng)的概念及其分類(lèi)
2．1．1 系統(tǒng)的基本概念
2．1．2 系統(tǒng)的分類(lèi)
2．2 模型的概念及分類(lèi)
2．2．1 模型的基本概念
2．2．2 模型的性質(zhì)
2．2．3 模型的分類(lèi)
2．3 建立模型的方法及常見(jiàn)模型
2．3．1 建立模型的基本方法
2．3．2 常見(jiàn)的數(shù)學(xué)模型
2．4 系統(tǒng)辨識(shí)的定義和基本原理
2．4．1 系統(tǒng)辨識(shí)的定義
2．4．2 系統(tǒng)辨識(shí)的基本原理
2．5 系統(tǒng)辨識(shí)相關(guān)知識(shí)
2．5．1 系統(tǒng)辨識(shí)的誤差準(zhǔn)則
2．5．2 系統(tǒng)辨識(shí)的分類(lèi)
2．5．3 系統(tǒng)辨識(shí)的基本原則
2．5．4 系統(tǒng)辨識(shí)的內(nèi)容和步驟
練習(xí)題
第3章 隨機(jī)過(guò)程簡(jiǎn)介
3．1 隨機(jī)過(guò)程的基本概念
3．1．1 隨機(jī)過(guò)程的定義
3．1．2 隨機(jī)過(guò)程的概率分布函數(shù)與密度函數(shù)
3．1．3 隨機(jī)過(guò)程的數(shù)字特征
3．1．4 平穩(wěn)隨機(jī)過(guò)程
3．1．5 廣義平穩(wěn)隨機(jī)過(guò)程
3．1．6 平穩(wěn)隨機(jī)過(guò)程的各態(tài)遍歷性
3．1．7 平穩(wěn)隨機(jī)過(guò)程相關(guān)函數(shù)的性質(zhì)
3．1．8 離散平穩(wěn)隨機(jī)序列的數(shù)字特征的估計(jì)
3．1．9 其他類(lèi)型的隨機(jī)過(guò)程
3．2 譜密度函數(shù)
3．2．1 確定性過(guò)程的譜密度
3．2．2 隨機(jī)過(guò)程的功率譜密度
3．2．3 譜密度的性質(zhì)
3．3 線性過(guò)程在隨機(jī)輸入下的響應(yīng)
3．3．1 線性過(guò)程在隨機(jī)輸入下的輸出譜密度
3．3．2 線性過(guò)程在隨機(jī)輸入下的互譜密度
3．4 白噪聲及其產(chǎn)生方法
3．4．1 白噪聲過(guò)程
3．4．2 白嗓聲序列
3．4．3 表示定理
3．4．4 白噪聲序列的產(chǎn)生
3．5 偽隨機(jī)碼的產(chǎn)生及其性質(zhì)
3．5．1 偽隨機(jī)二位式序列
3．5．2 逆重復(fù)M序列
練習(xí)題
第4章 系統(tǒng)辨識(shí)的經(jīng)典方法
4．1 階躍響應(yīng)法
4．1．1 近似法
4．1．2 兩點(diǎn)法
4．1．3 面積法
4．1．4 拉氏變換法
4．2 頻率響應(yīng)法
4．3 脈沖響應(yīng)法
4．3．1 從系統(tǒng)輸入輸出求系統(tǒng)的脈沖響應(yīng)
4．3．2 根據(jù)脈沖響應(yīng)求脈沖傳遞函數(shù)
4．4 相關(guān)分析法
4．5 用M序列辨識(shí)線性系統(tǒng)的脈沖響應(yīng)
練習(xí)題
第5章 最小二乘參數(shù)辨識(shí)方法及應(yīng)用
5．1 最小二乘辨識(shí)的基本概念
5．2 最小二乘參數(shù)辨識(shí)方法
5．2．1 最小二乘辨識(shí)問(wèn)題的假設(shè)條件
5．2．2 最小二乘辨識(shí)問(wèn)題的解
5．2．3 最小二乘估計(jì)的幾何意義
5．2．4 最小二乘估計(jì)的統(tǒng)計(jì)性質(zhì)
5．3 遞推最小二乘參數(shù)辨識(shí)方法
5．3．1 遞推算法
5．3．2 損失函數(shù)的遞推計(jì)算
5．3．3 遞推算法分析
5．4 加權(quán)最小二乘辨識(shí)法
5．4．1 加權(quán)最小二乘辨識(shí)法簡(jiǎn)介
5．4．2 加權(quán)最小二乘遞推算法
5．4．3 算法的加權(quán)形式
5．4．4 損失函數(shù)的遞推計(jì)算
5．5 增廣最小二乘辨識(shí)方法
5．5．1 增廣最小二乘的原理
5．5．2 遞推算式
5．5．3 增廣最小二乘法的改進(jìn)
5．6 多變量最小二乘辨識(shí)方法
5．6．1 多變量系統(tǒng)的最小二乘辨識(shí)算法的基本原理
5．6．2 多變量系統(tǒng)的最小二乘辨識(shí)算法的分析與設(shè)計(jì)
練習(xí)題
第6章 極大似然參數(shù)辨識(shí)方法
6．1 極大似然估計(jì)方法
6．1．1 極大似然估計(jì)法
6．1．2 極大似然法
6．2 動(dòng)態(tài)模型參數(shù)的極大似然估計(jì)
6．3 極大似然法參數(shù)估計(jì)的數(shù)值解
6．4 遞推的極大似然參數(shù)估計(jì)
6．5 預(yù)報(bào)誤差參數(shù)辨識(shí)法
6．5．1 預(yù)報(bào)誤差模型
6．5．2 預(yù)報(bào)誤差法與極大似然法之間的關(guān)系
6．5．3 預(yù)報(bào)誤差參數(shù)估計(jì)方法
6．6 極大似然法的估計(jì)精度及辨識(shí)方法的比較
6．6．1 估計(jì)精度
6．6．2 遞推算法的一般格式
練習(xí)題
第7章 其他辨識(shí)方法
7．1 梯度校正參數(shù)辨識(shí)
7．1．1 確定性系統(tǒng)的梯度校正參數(shù)辨識(shí)法
7．1．2 隨機(jī)逼近法
7．1．3 隨機(jī)牛頓法
7．2 神經(jīng)網(wǎng)絡(luò)模型辨識(shí)
7．2．1 神經(jīng)網(wǎng)絡(luò)模型分類(lèi)
7．2．2 神經(jīng)網(wǎng)絡(luò)模型辨識(shí)中常用結(jié)構(gòu)
7．2．3 基于BP神經(jīng)網(wǎng)絡(luò)的非線性系統(tǒng)辨識(shí)
7．3 模型的結(jié)構(gòu)辨識(shí)
7．3．1 Hankel矩陣定階法
7．3．2 損失函數(shù)檢驗(yàn)法
7．3．3 F檢驗(yàn)法
7．3．4 Akaike準(zhǔn)則法
7．3．5 預(yù)報(bào)誤差準(zhǔn)則法
7．4 非線性系統(tǒng)辨識(shí)
7．4．1 Volterra級(jí)數(shù)描述和辨識(shí)
7．4．2 非線性差分方程和辨識(shí)
7．4．3 Hammerstein模型與辨識(shí)
練習(xí)題
附錄A 系統(tǒng)辨識(shí)實(shí)驗(yàn)說(shuō)明
實(shí)驗(yàn)1 白噪聲和M序列的產(chǎn)生
實(shí)驗(yàn)2 相關(guān)分析法辨識(shí)脈沖響應(yīng)
實(shí)驗(yàn)3 最小二乘法的實(shí)現(xiàn)
實(shí)驗(yàn)4 遞推最小二乘法的實(shí)現(xiàn)
附錄B Matlab系統(tǒng)辨識(shí)工具箱簡(jiǎn)介
附錄C 矩陣相關(guān)性質(zhì)
主要參考文獻(xiàn)