| 致谢 | 第1-6页 |
| 中文摘要 | 第6-7页 |
| ABSTRACT | 第7-11页 |
| 1. 引言 | 第11-16页 |
| ·研究系统辨识的目的和意义 | 第11-12页 |
| ·辨识的基本步骤 | 第12-14页 |
| ·辨识方法的类别 | 第14页 |
| ·本文主要研究内容及贡献和创新 | 第14-16页 |
| 2. 阶次估计的研究现状 | 第16-24页 |
| ·SISO系统的定阶算法 | 第16-19页 |
| A.根据Hankel矩阵判定模型的阶次 | 第16-17页 |
| B.根据残差特性判定模型的阶次 | 第17-18页 |
| C.确定阶的AIC准则 | 第18-19页 |
| ·MIMO系统的定阶算法 | 第19-22页 |
| ·子空间辨识算法的定阶 | 第22-24页 |
| 3. 采用多元线性回归的预估形式的状态空间系统辨识算法 | 第24-32页 |
| ·算法推导 | 第24-29页 |
| ·问题描述 | 第24页 |
| ·主方程推导 | 第24-25页 |
| ·估算马尔可夫参数 | 第25-26页 |
| ·估算结果矩阵 | 第26-28页 |
| ·估计状态序列 | 第28页 |
| ·矩阵A、B、C、K的估计 | 第28-29页 |
| ·仿真结果 | 第29-31页 |
| ·本章小结 | 第31-32页 |
| 4. SSARX-MLR算法中p和f的估计准则 | 第32-48页 |
| ·向量自回归模型的阶次估计方法介绍 | 第32-33页 |
| ·阶次估计相关信息准则定义 | 第33-35页 |
| ·阶次选择中的过拟合 | 第35-41页 |
| ·有限样本过拟合 | 第36页 |
| ·渐进过拟合 | 第36-41页 |
| ·组合信息准则 | 第41-45页 |
| ·AR模型的定阶准则 | 第42-43页 |
| ·未拟合损耗 | 第43-44页 |
| ·最优惩罚项 | 第44-45页 |
| ·仿真 | 第45-47页 |
| ·本章小结 | 第47-48页 |
| 5. SSARX-MLR算法中n的估计算法 | 第48-72页 |
| ·子空间算法阶次估计介绍 | 第48-49页 |
| ·模型的设置及假设 | 第49-50页 |
| ·估计算法 | 第50-54页 |
| ·使用奇异值包含的信息 | 第52-53页 |
| ·使用估计的创新协方差 | 第53-54页 |
| ·主要结果 | 第54-60页 |
| ·数值例子 | 第60-70页 |
| ·例子Ⅰ | 第60-63页 |
| ·例子Ⅱ | 第63-68页 |
| ·例子Ⅲ | 第68页 |
| ·仿真总结 | 第68-70页 |
| ·本章小结 | 第70-72页 |
| 6. SSARX-MLR算法中p、f和n的估计 | 第72-76页 |
| ·SSARX-MLR算法中p、f的估计 | 第72-73页 |
| ·SSARX-MLR算法中n的估计 | 第73-75页 |
| ·SSARX-MLR算法完整后比较 | 第75-76页 |
| 7. 系统辨识应用分析 | 第76-78页 |
| 8. 结论 | 第78-79页 |
| 参考文献 | 第79-82页 |
| 作者简历 | 第82-84页 |
| 学位论文数据集 | 第84页 |