| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第一章 绪论 | 第8-20页 |
| 1.1 研究背景 | 第8-9页 |
| 1.2 非线性系统的模型结构 | 第9-14页 |
| 1.3 非线性系统参数辨识方法综述 | 第14-17页 |
| 1.4 论文主要研究内容 | 第17-20页 |
| 第二章 分段输入非线性输出误差滑动平均系统 | 第20-40页 |
| 2.1 引言 | 第20页 |
| 2.2 系统描述与辨识模型 | 第20-22页 |
| 2.3 饱和非线性系统的滤波梯度算法与收敛性 | 第22-30页 |
| 2.4 饱和非线性系统的滤波遗忘因子梯度算法 | 第30-31页 |
| 2.5 预负载非线性系统的滤波遗忘因子梯度算法 | 第31-33页 |
| 2.6 数值仿真 | 第33-38页 |
| 2.7 本章小结 | 第38-40页 |
| 第三章 具有已知基的输入非线性输出误差自回归系统 | 第40-58页 |
| 3.1 引言 | 第40页 |
| 3.2 系统描述与辨识模型 | 第40-42页 |
| 3.3 基于模型分解的最小二乘迭代参数估计 | 第42-44页 |
| 3.4 基于模型分解的移动数据窗滤波最小二乘迭代参数估计 | 第44-50页 |
| 3.5 基于模型分解的滤波最小二乘迭代参数估计 | 第50-52页 |
| 3.6 数值仿真 | 第52-57页 |
| 3.7 本章小结 | 第57-58页 |
| 第四章 输入非线性状态空间系统 | 第58-88页 |
| 4.1 引言 | 第58页 |
| 4.2 规范型输入非线性状态空间系统 | 第58-73页 |
| 4.2.1 系统描述与辨识模型 | 第58-61页 |
| 4.2.2 基于卡尔曼滤波的最小二乘参数估计 | 第61-66页 |
| 4.2.3 基于卡尔曼滤波的递推增广最小二乘参数估计 | 第66-67页 |
| 4.2.4 数值仿真 | 第67-73页 |
| 4.3 一般输入非线性状态空间系统 | 第73-86页 |
| 4.3.1 系统描述与辨识模型 | 第73-75页 |
| 4.3.2 基于卡尔曼平滑的期望最大化参数估计 | 第75-81页 |
| 4.3.3 数值仿真 | 第81-86页 |
| 4.4 本章小结 | 第86-88页 |
| 第五章 多模型输入非线性输出误差系统 | 第88-108页 |
| 5.1 引言 | 第88页 |
| 5.2 系统描述与辨识模型 | 第88-90页 |
| 5.3 变分贝叶斯参数估计 | 第90-98页 |
| 5.4 数值仿真 | 第98-106页 |
| 5.5 本章小结 | 第106-108页 |
| 第六章 主要结论与展望 | 第108-110页 |
| 6.1 主要结论 | 第108-109页 |
| 6.2 展望 | 第109-110页 |
| 致谢 | 第110-112页 |
| 参考文献 | 第112-120页 |
| 附录: 攻读博士期间发表的论文 | 第120页 |