| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第1章 绪论 | 第8-13页 |
| 1.1 课题研究的背景和意义 | 第8-9页 |
| 1.2 递推最小二乘辨识算法的研究现状 | 第9-10页 |
| 1.3 方程误差类模型的研究现状 | 第10-11页 |
| 1.4 本课题的主要研究内容 | 第11-13页 |
| 第2章 方程误差模型的辨识算法 | 第13-22页 |
| 2.1 递推最小二乘参数辨识 | 第13-14页 |
| 2.2 加权新息最小二乘辨识算法 | 第14-15页 |
| 2.3 基于最新估计的加权新息最小二乘辨识算法 | 第15-16页 |
| 2.4 仿真实例 | 第16-21页 |
| 2.5 本章小结 | 第21-22页 |
| 第3章 方程误差滑动平均模型的辨识算法 | 第22-32页 |
| 3.1 增广递推最小二乘辨识算法 | 第22-24页 |
| 3.2 加权新息增广最小二乘辨识算法 | 第24-25页 |
| 3.3 基于最新估计的加权新息增广最小二乘辨识算法 | 第25-26页 |
| 3.4 仿真实例 | 第26-31页 |
| 3.5 本章小结 | 第31-32页 |
| 第4章 方程误差自回归模型的辨识算法 | 第32-42页 |
| 4.1 广义递推最小二乘辨识算法 | 第32-34页 |
| 4.2 加权新息广义最小二乘辨识算法 | 第34-35页 |
| 4.3 基于最新估计的加权新息广义最小二乘辨识算法 | 第35-36页 |
| 4.4 仿真实例 | 第36-41页 |
| 4.5 本章小结 | 第41-42页 |
| 第5章 方程误差自回归滑动平均模型的辨识算法 | 第42-52页 |
| 5.1 广义增广的最小二乘辨识算法 | 第42-44页 |
| 5.2 加权新息广义增广最小二乘辨识算法 | 第44-45页 |
| 5.3 基于最新估计的加权新息广义增广最小二乘辨识算法 | 第45-46页 |
| 5.4 仿真实例 | 第46-50页 |
| 5.5 本章小结 | 第50-52页 |
| 结论 | 第52-53页 |
| 参考文献 | 第53-59页 |
| 致谢 | 第59页 |
