多变量系统辨识方法及性能分析
| 摘要 | 第1-4页 |
| Abstract | 第4-9页 |
| 第一章 概论 | 第9-19页 |
| ·问题提出与研究意义 | 第9页 |
| ·多变量系统辨识综述 | 第9-16页 |
| ·多变量系统模型 | 第9-14页 |
| ·多变量系统辨识方法综述 | 第14-16页 |
| ·辨识算法性能分析综述 | 第16-17页 |
| ·本文主要研究内容简介 | 第17-19页 |
| 第二章 多变量线性回归模型的辨识 | 第19-39页 |
| ·多变量系统线性回归模型 | 第19-20页 |
| ·最小二乘辨识算法及其收敛性 | 第20-25页 |
| ·最小二乘算法 | 第20-21页 |
| ·性能分析 | 第21-24页 |
| ·仿真试验 | 第24-25页 |
| ·随机梯度算法及其收敛性 | 第25-38页 |
| ·随机梯度算法 | 第26页 |
| ·性能分析 | 第26-35页 |
| ·仿真试验 | 第35-38页 |
| ·小结 | 第38-39页 |
| 第三章 滑动平均噪声干扰多变量线性回归模型的辨识 | 第39-59页 |
| ·递推增广最小二乘算法及其收敛性 | 第39-50页 |
| ·系统模型及算法描述 | 第39-40页 |
| ·收敛性分析 | 第40-44页 |
| ·仿真试验 | 第44-50页 |
| ·增广随机梯度算法及其收敛性 | 第50-56页 |
| ·增广随机梯度算法 | 第50页 |
| ·收敛性分析 | 第50-54页 |
| ·仿真试验 | 第54-56页 |
| ·小结 | 第56-59页 |
| 第四章 多变量系统的耦合辨识方法 | 第59-77页 |
| ·多变量系统的耦合最小二乘辨识方法 | 第59-65页 |
| ·模型描述 | 第60-62页 |
| ·算法推导 | 第62-64页 |
| ·仿真试验 | 第64-65页 |
| ·多变量系统的耦合随机梯度辨识算法 | 第65-69页 |
| ·算法推导 | 第65-66页 |
| ·收敛性分析 | 第66-69页 |
| ·仿真试验 | 第69页 |
| ·多变量系统的部分耦合最小二乘算法 | 第69-74页 |
| ·问题构成 | 第69-71页 |
| ·算法推导 | 第71-74页 |
| ·仿真试验 | 第74页 |
| ·小结 | 第74-77页 |
| 第五章 基于滤波的多变量系统辨识方法 | 第77-91页 |
| ·基于滤波的递推最小二乘算法 | 第77-83页 |
| ·模型描述 | 第77-78页 |
| ·递推广义最小二乘算法 | 第78-79页 |
| ·基于滤波的递推最小二乘算法 | 第79-81页 |
| ·仿真试验 | 第81-83页 |
| ·基于滤波的最小二乘迭代辨识方法 | 第83-87页 |
| ·最小二乘迭代辨识方法 | 第84-85页 |
| ·基于滤波的最小二乘迭代算法 | 第85-87页 |
| ·仿真试验 | 第87页 |
| ·小结 | 第87-91页 |
| 第六章 多变量系统的几种递阶辨识方法 | 第91-119页 |
| ·多输入单输出系统的递阶最小二乘辨识 | 第91-98页 |
| ·模型描述与问题构成 | 第91-92页 |
| ·递推最小二乘算法 | 第92-93页 |
| ·递阶最小二乘辨识 | 第93-94页 |
| ·收敛性分析 | 第94-97页 |
| ·仿真试验 | 第97-98页 |
| ·多输入多输出系统的递阶辨识 | 第98-111页 |
| ·问题构成 | 第99-102页 |
| ·算法推导 | 第102-105页 |
| ·收敛性分析 | 第105-109页 |
| ·仿真试验 | 第109-111页 |
| ·有色噪声干扰多变量回归模型的递阶辨识 | 第111-116页 |
| ·算法推导 | 第112-115页 |
| ·仿真试验 | 第115-116页 |
| ·小结 | 第116-119页 |
| 第七章 结论与展望 | 第119-121页 |
| ·结论 | 第119页 |
| ·研究展望 | 第119-121页 |
| 致谢 | 第121-123页 |
| 参考文献 | 第123-131页 |
| 附录: 攻读博士学位期间发表的论文 | 第131-132页 |
