| 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页 |
| 1.2 多新息辨识技术的应用 | 第8-10页 |
| 1.3 方程误差类模型的研究现状 | 第10-12页 |
| 1.4 本课题的主要研究内容 | 第12-13页 |
| 第2章 方程误差模型的辨识算法 | 第13-26页 |
| 2.1 多新息随机梯度辨识算法 | 第13-15页 |
| 2.2 递阶随机梯度辨识算法 | 第15-18页 |
| 2.3 基于最新估计信息的多新息随机梯度辨识算法 | 第18-19页 |
| 2.4 仿真实例 | 第19-25页 |
| 2.4.1 单输入单输出系统仿真 | 第19-23页 |
| 2.4.2 多输入单输出系统仿真 | 第23-25页 |
| 2.5 本章小结 | 第25-26页 |
| 第3章 方程误差滑动平均模型的辨识算法 | 第26-40页 |
| 3.1 增广的多新息随机梯度辨识算法 | 第26-29页 |
| 3.2 递阶增广的随机梯度辨识算法 | 第29-31页 |
| 3.3 基于最新估计信息的增广多新息随机梯度辨识算法 | 第31-33页 |
| 3.4 仿真实例 | 第33-39页 |
| 3.4.1 单输入单输出系统仿真 | 第33-37页 |
| 3.4.2 多输入单输出系统仿真 | 第37-39页 |
| 3.5 本章小结 | 第39-40页 |
| 第4章 方程误差自回归模型的辨识算法 | 第40-54页 |
| 4.1 广义的多新息随机梯度辨识算法 | 第40-43页 |
| 4.2 递阶广义的随机梯度辨识算法 | 第43-44页 |
| 4.3 基于最新估计信息的广义多新息随机梯度辨识算法 | 第44-46页 |
| 4.4 仿真实例 | 第46-53页 |
| 4.4.1 单输入单输出系统仿真 | 第46-50页 |
| 4.4.2 多输入单输出系统仿真 | 第50-53页 |
| 4.5 本章小结 | 第53-54页 |
| 第5章 方程误差自回归滑动平均模型的辨识算法 | 第54-68页 |
| 5.1 广义增广的多新息随机梯度辨识算法 | 第54-57页 |
| 5.2 递阶广义增广的随机梯度辨识算法 | 第57-59页 |
| 5.3 基于最新估计信息的广义增广多新息随机梯度辨识算法 | 第59-61页 |
| 5.4 仿真实例 | 第61-67页 |
| 5.4.1 单输入单输出系统仿真 | 第61-65页 |
| 5.4.2 多输入单输出系统仿真 | 第65-67页 |
| 5.5 本章小结 | 第67-68页 |
| 结论 | 第68-69页 |
| 参考文献 | 第69-73页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第73-75页 |
| 致谢 | 第75页 |
