| 摘要 | 第3-4页 |
| abstract | 第4-5页 |
| 1 绪论 | 第8-16页 |
| 1.1 问题提出与研究意义 | 第8-9页 |
| 1.2 领域国内外研究现状 | 第9-14页 |
| 1.3 本文主要研究内容简介 | 第14-16页 |
| 2 梯度迭代辨识方法 | 第16-63页 |
| 2.1 双线性系统的模型描述 | 第16-21页 |
| 2.2 双线性方程误差滑动平均系统参数辨识方法 | 第21-32页 |
| 2.2.1 增广梯度迭代算法 | 第22-26页 |
| 2.2.2 多新息增广梯度迭代算法 | 第26-30页 |
| 2.2.3 变间隔增广梯度迭代算法 | 第30-32页 |
| 2.3 双线性方程误差自回归系统的参数辨识方法 | 第32-47页 |
| 2.3.1 广义梯度迭代算法 | 第34-36页 |
| 2.3.2 递阶广义梯度迭代算法 | 第36-40页 |
| 2.3.3 基于滤波的广义梯度迭代算法 | 第40-47页 |
| 2.4 双线性方程误差自回归滑动平均系统参数辨识方法 | 第47-62页 |
| 2.4.1 基于滤波的广义增广梯度迭代算法 | 第50-53页 |
| 2.4.2 基于半滤波的广义增广梯度迭代算法 | 第53-57页 |
| 2.4.3 广义增广梯度迭代算法 | 第57-62页 |
| 2.5 小结 | 第62-63页 |
| 3 最小二乘迭代辨识方法 | 第63-98页 |
| 3.1 白噪声干扰的双线性系统参数辨识方法 | 第63-71页 |
| 3.1.1 基于辅助模型的最小二乘迭代算法 | 第64-69页 |
| 3.1.2 基于辅助模型的多新息最小二乘迭代算法 | 第69-71页 |
| 3.2 双线性输出误差滑动平均系统的参数辨识方法 | 第71-84页 |
| 3.2.1 基于辅助模型的增广最小二乘迭代算法 | 第73-75页 |
| 3.2.2 基于辅助模型的两阶段增广最小二乘迭代算法 | 第75-80页 |
| 3.2.3 基于辅助模型的三阶段增广最小二乘迭代算法 | 第80-84页 |
| 3.3 双线性输出误差自回归系统的参数辨识方法 | 第84-95页 |
| 3.3.1 基于辅助模型的广义最小二乘迭代算法 | 第87-89页 |
| 3.3.2 基于滤波的辅助模型广义最小二乘迭代算法 | 第89-95页 |
| 3.4 小结 | 第95-98页 |
| 4 极大似然迭代辨识方法 | 第98-155页 |
| 4.1 双线性方程误差滑动平均系统参数辨识方法 | 第98-109页 |
| 4.1.1 极大似然增广梯度迭代算法 | 第99-103页 |
| 4.1.2 极大似然增广最小二乘迭代算法 | 第103-109页 |
| 4.2 双线性方程误差自回归系统参数辨识方法 | 第109-127页 |
| 4.2.1 递阶极大似然广义梯度迭代算法 | 第111-116页 |
| 4.2.2 极大似然广义梯度迭代算法 | 第116-120页 |
| 4.2.3 递阶极大似然广义最小二乘迭代算法 | 第120-124页 |
| 4.2.4 极大似然广义最小二乘迭代算法 | 第124-127页 |
| 4.3 双线性方程误差自回归滑动平均系统参数辨识方法 | 第127-153页 |
| 4.3.1 基于滤波的极大似然广义增广梯度迭代算法 | 第130-136页 |
| 4.3.2 基于滤波的极大似然广义增广最小二乘迭代算法 | 第136-140页 |
| 4.3.3 基于滤波的递阶极大似然广义增广梯度迭代算法 | 第140-147页 |
| 4.3.4 基于滤波的递阶极大似然广义增广最小二乘迭代算法 | 第147-153页 |
| 4.4 小结 | 第153-155页 |
| 5 结论与展望 | 第155-157页 |
| 5.1 结论 | 第155-156页 |
| 5.2 展望 | 第156-157页 |
| 参考文献 | 第157-163页 |
| 致谢 | 第163-165页 |
| 攻读学位期间发表的学术论文目录 | 第165-166页 |
