| 摘要 | 第1-7页 |
| ABSTRACT | 第7-12页 |
| 第1章 绪论 | 第12-22页 |
| ·引言 | 第12-13页 |
| ·系统辨识及信号处理概述 | 第13-15页 |
| ·时变系统辨识 | 第15-19页 |
| ·随机逼近法 | 第15-17页 |
| ·遗忘因子递推最小二乘算法 | 第17页 |
| ·滤波方法 | 第17-19页 |
| ·迭代学习辨识算法 | 第19页 |
| ·近似最小l_1模估计 | 第19-20页 |
| ·回波消除及盲信号分离 | 第20-21页 |
| ·本文研究内容及章节安排 | 第21-22页 |
| 第2章 递推与迭代学习辨识算法及两种信号处理方法 | 第22-35页 |
| ·引言 | 第22页 |
| ·时变遗忘因子和加权配合的递推辨识算法 | 第22-25页 |
| ·系统模型 | 第22-23页 |
| ·算法推导 | 第23-25页 |
| ·两种迭代学习辨识算法 | 第25-28页 |
| ·系统模型描述 | 第25页 |
| ·迭代学习投影算法 | 第25-26页 |
| ·迭代学习最小二乘算法 | 第26-28页 |
| ·自适应回波消除理论及算法 | 第28-30页 |
| ·回波的产生及自适应回波消除机理 | 第28-29页 |
| ·自适应回波消除算法 | 第29-30页 |
| ·盲信号分离 | 第30-34页 |
| ·盲信号分离综述 | 第30-31页 |
| ·盲分离基本准则及与非线性PCA准则的内在关系 | 第31-34页 |
| ·本章小结 | 第34-35页 |
| 第3章 时变遗忘因子和加权配合的递推辨识算法 | 第35-49页 |
| ·引言 | 第35页 |
| ·算法性质 | 第35-42页 |
| ·误差e(t)=y(t)-x~T(t)(?)(t-1)时的算法性质 | 第35-39页 |
| ·误差e(t)=y(t)-x~T(t)(?)(t)时的算法性质 | 第39-42页 |
| ·收敛性 | 第42-45页 |
| ·协方差矩阵的有界性 | 第42-44页 |
| ·指数收敛性 | 第44-45页 |
| ·近似最小l_p模递推辨识算法 | 第45页 |
| ·数值仿真 | 第45-48页 |
| ·初值选取 | 第45页 |
| ·仿真算例 | 第45-48页 |
| ·本章小结 | 第48-49页 |
| 第4章 离散时变系统的迭代学习辨识算法 | 第49-67页 |
| ·引言 | 第49-50页 |
| ·迭代学习投影算法性质 | 第50-51页 |
| ·迭代学习最小二乘算法性质 | 第51-53页 |
| ·迭代学习贝叶斯法 | 第53-57页 |
| ·迭代学习随机牛顿法 | 第57-58页 |
| ·数值仿真 | 第58-66页 |
| ·性能指标及初值选取 | 第58-59页 |
| ·仿真算例 | 第59-66页 |
| ·本章小结 | 第66-67页 |
| 第5章 一种最小l_1模自适应回波消除递推算法 | 第67-75页 |
| ·引言 | 第67-68页 |
| ·最小l_1模算法的鲁棒性分析 | 第68-71页 |
| ·单讲时LAV算法的性能分析 | 第71-72页 |
| ·数值仿真 | 第72-74页 |
| ·本章小结 | 第74-75页 |
| 第6章 基于非线性PCA的迭代加权最小二乘盲分离算法 | 第75-85页 |
| ·引言 | 第75-76页 |
| ·盲信号分离 | 第76-77页 |
| ·数据预处理(白化算法) | 第77页 |
| ·PCA方法 | 第77页 |
| ·自适应方法 | 第77页 |
| ·迭代加权最小二乘盲分离算法 | 第77-79页 |
| ·算法性质 | 第79-81页 |
| ·数值仿真 | 第81-84页 |
| ·本章小结 | 第84-85页 |
| 第7章 基于最小一乘能量预测的冰球式蓄冷系统 | 第85-98页 |
| ·引言 | 第85-86页 |
| ·基于最小一乘的自适应d步超前预测器 | 第86-87页 |
| ·模型 | 第86页 |
| ·基于最小一乘(LAV)的自适应d步超前递推预测算法 | 第86-87页 |
| ·组态王与MATLAB基于DDE技术的数据通讯 | 第87-88页 |
| ·动态数据交换(DDE)技术 | 第87页 |
| ·组态王与MATLAB的DDE通信 | 第87-88页 |
| ·实验系统 | 第88-93页 |
| ·主要器件原理、选型 | 第88-90页 |
| ·主回路和控制回路 | 第90-93页 |
| ·上位机设计 | 第93-95页 |
| ·组态王简介 | 第93页 |
| ·监控界面设计 | 第93-95页 |
| ·能量计算 | 第95页 |
| ·实验结果 | 第95-97页 |
| ·本章小结 | 第97-98页 |
| 第8章 总结与展望 | 第98-100页 |
| ·论文工作总结 | 第98-99页 |
| ·研究展望 | 第99-100页 |
| 参考文献 | 第100-105页 |
| 附录 基于非线性PCA的迭代加权最小二乘递推算法 | 第105-107页 |
| 致谢 | 第107-108页 |
| 攻读学位期间参加的科研项目和成果 | 第108页 |
