過程辨識

前言
第1章 辨識的一些基本概念
1．1 過程和模型
1．1．1過程
1．1．2模型
1．1．3建立過程數(shù)學(xué)模型的基本方法
1．2 辨識的定義
1．3 辨識問題的表達形式
1．4 辨識算法的基本原理
1．5 誤差準則及其關(guān)于參數(shù)的空間線性問題
1．5．1輸出誤差
1．5．2輸入誤差
1．5．3廣義誤差
1．6 辨識的內(nèi)容和步驟
1．6．1辨識目的
1．6．2 先驗知識
1．6．3實驗設(shè)計
1．6．4數(shù)據(jù)預(yù)處理
1．6．5模型結(jié)構(gòu)辨識
1．6．6模型參數(shù)辨識
1．6．7模型檢驗
1．7 辨識的精度問題
1．8 辨識的應(yīng)用
第2章 隨機信號的描述與分析
2．1 隨機過程的基本概念及其數(shù)學(xué)描述
2．1．1基本概念
2．1．2隨機過程的數(shù)字特征--均值與相關(guān)函數(shù)
2．1．3平穩(wěn)隨機過程各態(tài)遍歷性
2．1．4相關(guān)函數(shù)和協(xié)方差函數(shù)的性質(zhì)
2．2 譜密度函數(shù)
2．2．1 Parseval定理與功率譜表示式
2．2．2 W1ener-Kh1ntch1ne關(guān)系式
2．3 線性過程在隨機輸入下的響應(yīng)
2．3．1線性過程在隨機輸入下的輸出譜密度
2．3．2線性過程在隨機輸入下的互譜密度
2．4 相關(guān)函數(shù)與譜密度的估計
2．4．1相關(guān)函數(shù)的估計
2．4．2利用FFT計算相關(guān)函數(shù)
2．4．3周期圖
2．4．4譜密度的估計
2．5 白噪聲及其產(chǎn)生方法
2．5．1 白噪聲的概念
2．5．2 白噪聲序列的產(chǎn)生方法
2．6 偽隨機碼的產(chǎn)生及其性質(zhì)
2．6．1 M序列的產(chǎn)生
2．6．2 M序列的性質(zhì)
2．6．3 M序列的自相關(guān)函數(shù)
2．6．4 M序列的譜密度
2．6．5逆M序列的產(chǎn)生及其性質(zhì)
第3章 過程的數(shù)學(xué)描述
3．1 輸入輸出模型
3．1．1連續(xù)型輸入輸出模型
3．1．2離散型輸入輸出模型
3．2 狀態(tài)空間模型
3．2．1連續(xù)型狀態(tài)空間模型
3．2．2離散型狀態(tài)空間模型
3．3 數(shù)學(xué)模型之間的等價變換
3．3．1 SISO過程微分方程化為差分方程
3．3．2 SISO過程離散型狀態(tài)方程化為差分方程
3．4 隨機模型
3．4．1一般概念
3．4．2噪聲模型及其分類
第4章 經(jīng)典的辨識方法
4．1 引言
4．2 階躍響應(yīng)法
4．2．1實驗測取過程的階躍響應(yīng)
4．2．2由階躍響應(yīng)求過程的傳遞函數(shù)
4．3 脈沖響應(yīng)法
4．3．1過程脈沖響應(yīng)的辨識
4．3．2由脈沖響應(yīng)求過程的傳遞函數(shù)
4．4 頻率響應(yīng)法
4．4．1實驗測取過程的頻率響應(yīng)
4．4．2由頻率響應(yīng)求過程的傳遞函數(shù)
4．5 相關(guān)分析法
4．5．1頻率響應(yīng)的辨識
4．5．2脈沖響應(yīng)的辨識
4．6譜分析法
4．6．1周期圖法
4．6．2平滑法
4．7 一個工業(yè)上的應(yīng)用實例
第5章 最小二乘類參數(shù)辨識方法（1）
5．1 引言
5．2 最小二乘法的基本概念
5．3 最小二乘問題的提法
5．4 最小二乘問題的解
5．5 最小二乘估計的幾何解釋
5．6 最小二乘參數(shù)估計量的統(tǒng)計性質(zhì)
5．6．1無偏性
5．6．2參數(shù)估計偏差的協(xié)方差性質(zhì)
5．6．3一致性
5．6．4有效性
5．6．5漸近正態(tài)性
5．7 噪聲方差的估計
5．8 最小二乘參數(shù)估計的遞推算法
5．8．1 依觀測次序的遞推算法
5．8．2仿真例
5．8．3問題討論
5．8．4依模型階次的遞推算法
第6章 最小二乘類參數(shù)辨識方法（11）
6．1 引言
6．2 適應(yīng)算法
6．2．1"數(shù)據(jù)飽和"現(xiàn)象
6．2．2遺忘因子法
6．2．3限定記憶法
6．3 偏差補償最小二乘法
6．4 增廣最小二乘法
6．5 廣義最小二乘法
6．6 輔助變量法
6．6．1一次完成算法，
6．6．2輔助變量的選擇
6．6．3遞推算法
6．6．4問題討論
6．6．5仿真例
6．7 二步法
6．7．1 COR-LS二步法
6．7．2仿真例
6．8 多級最小二乘法
6．9 Yule-Walker辨識算法
6．9．1一次完成算法
6．9．2依階次遞推算法
6．10 最小二乘類辨識方法的比較
6．11 工業(yè)上的一個應(yīng)用突例
第7章 梯度校正參數(shù)辨識方法
7．1 引言
7．2 確定性問題的梯度校正參數(shù)辨識方法
7．2．1權(quán)矩陣尺（置）的選擇
7．2．2應(yīng)用例--脈沖響應(yīng)辨識
7．3 隨機性問題的梯度校正參數(shù)辨識方法
7．3．1隨機性問題的提法
7．3．2隨機性辨識問題的分類
7．3．3 隨機性問題的梯度校正參數(shù)估計方法
7．4 梯度校正法在動態(tài)過程辨識中的應(yīng)用
7．4．1狀態(tài)方程的參數(shù)辨識
7．4．2差分方程的參數(shù)辨識
7．5 實例
7．6 隨機逼近法
7．6．1隨機逼近原理
7．6．2隨機逼近參數(shù)估計方法
7．6．3隨機牛頓法
第8章 極大似然法和預(yù)報誤差方法
8．1 引言
8．2 極大似然參數(shù)辨識方法
8．2．1極大似然原理
8．2．2動態(tài)過程模型參數(shù)的極大似然估計
8.3預(yù)報誤差參數(shù)辨識方法
第9章 其它兩種辨識方法
第10章 最小二乘一次完成算法之間的內(nèi)在聯(lián)系
第11章 遞推辨識算法的一般結(jié)構(gòu)
第12章 遞推辨識算法的收斂性分析
第13章 模型階次的確定
第14章 閉環(huán)系統(tǒng)辨識
第15章 多變量線性過程辨識
第16章 辨識問題的一些實際考慮
第17章 辨識的應(yīng)用