| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第一章 绪论 | 第8-15页 |
| 1.1 问题的提出与研究意义 | 第8-9页 |
| 1.2 国内外研究现状分析 | 第9-13页 |
| 1.2.1 具有一般性的非线性系统辨识 | 第9-11页 |
| 1.2.2 具有块结构的非线性系统辨识 | 第11-13页 |
| 1.3 论文主要研究内容简介 | 第13-15页 |
| 第二章 标量输入非线性系统的参数辨识 | 第15-46页 |
| 2.1 引言 | 第15页 |
| 2.2 标量输入非线性受控自回归系统 | 第15-24页 |
| 2.2.1 基于关键项分离的最小二乘迭代算法 | 第16-19页 |
| 2.2.2 基于关键项分离的有限数据窗最小二乘迭代算法 | 第19-20页 |
| 2.2.3 仿真例子 | 第20-24页 |
| 2.3 标量输入非线性受控自回归滑动平均系统 | 第24-32页 |
| 2.3.1 基于关键项分离的增广梯度迭代算法 | 第25-27页 |
| 2.3.2 基于关键项分离的有限数据窗增广梯度迭代算法 | 第27-29页 |
| 2.3.3 仿真例子 | 第29-32页 |
| 2.4 标量输入非线性输出误差滑动平均系统 | 第32-44页 |
| 2.4.1 基于关键项分离的辅助模型最小二乘算法 | 第34-37页 |
| 2.4.2 基于关键项分离的辅助模型随机梯度算法 | 第37-39页 |
| 2.4.3 基于关键项分离的辅助模型多新息随机梯度算法 | 第39-40页 |
| 2.4.4 仿真例子 | 第40-44页 |
| 2.5 小结 | 第44-46页 |
| 第三章 多变量输入非线性系统的递推参数辨识 | 第46-76页 |
| 3.1 引言 | 第46页 |
| 3.2 多变量输入非线性受控自回归系统 | 第46-53页 |
| 3.2.1 基于模型分解的关键项分离随机梯度算法 | 第48-50页 |
| 3.2.2 基于模型分解的关键项分离耦合随机梯度算法 | 第50-51页 |
| 3.2.3 仿真例子 | 第51-53页 |
| 3.3 多变量输入非线性受控自回归滑动平均系统 | 第53-63页 |
| 3.3.1 基于模型分解的关键项分离增广最小二乘算法 | 第55-58页 |
| 3.3.2 基于模型分解的关键项分离耦合增广最小二乘算法 | 第58-62页 |
| 3.3.3 仿真例子 | 第62-63页 |
| 3.4 多变量输入非线性输出误差滑动平均系统 | 第63-74页 |
| 3.4.1 基于模型分解的关键项分离辅助模型随机梯度算法 | 第65-67页 |
| 3.4.2 基于模型分解的关键项分离辅助模型多新息随机梯度算法 | 第67-69页 |
| 3.4.3 仿真例子 | 第69-74页 |
| 3.5 小结 | 第74-76页 |
| 第四章 多变量输入非线性系统的迭代参数辨识 | 第76-103页 |
| 4.1 引言 | 第76页 |
| 4.2 多变量输入非线性受控自回归系统 | 第76-84页 |
| 4.2.1 基于模型分解的关键项分离梯度迭代算法 | 第77-79页 |
| 4.2.2 基于模型分解的关键项分离耦合梯度迭代算法 | 第79-82页 |
| 4.2.3 仿真例子 | 第82-84页 |
| 4.3 多变量输入非线性受控自回归滑动平均系统 | 第84-91页 |
| 4.3.1 基于模型分解的关键项分离耦合增广梯度迭代算法 | 第85-87页 |
| 4.3.2 基于模型分解的关键项分离耦合增广最小二乘迭代算法 | 第87-89页 |
| 4.3.3 仿真例子 | 第89-91页 |
| 4.4 多变量输入非线性输出误差滑动平均系统 | 第91-100页 |
| 4.4.1 基于模型分解的关键项分离辅助模型梯度迭代算法 | 第93-96页 |
| 4.4.2 基于模型分解的关键项分离辅助模型最小二乘迭代算法 | 第96-98页 |
| 4.4.3 仿真例子 | 第98-100页 |
| 4.5 小结 | 第100-103页 |
| 结论与展望 | 第103-105页 |
| 致谢 | 第105-106页 |
| 参考文献 | 第106-113页 |
| 附录: 攻读博士学位期间发表的论文 | 第113页 |
