摘要 | 第1-6页 |
ABSTRACT | 第6-9页 |
致谢 | 第9-14页 |
第一章 绪论 | 第14-18页 |
参考文献 | 第17-18页 |
第二章 理论基础 | 第18-39页 |
·系统建模与辨识 | 第18-20页 |
·基本概念 | 第18-19页 |
·系统辨识的基本步骤 | 第19页 |
·系统辨识的基本方法 | 第19-20页 |
·高阶统计量及高阶谱 | 第20-34页 |
·矩(Moments)与累积量(Cumulants)的定义 | 第20-21页 |
·矩与累积量间的关系 | 第21页 |
·累积量的基本性质 | 第21-22页 |
·平稳随机过程的矩与累积量 | 第22-24页 |
·其它相关概念 | 第24-25页 |
·高阶累积量谱及其相关的概念 | 第25-30页 |
·非高斯非最小相位线性时不变系统的累积量谱及其性质 | 第30-31页 |
·高阶谱的估计及其特性 | 第31-33页 |
·非线性随机过程的检测和表征 | 第33-34页 |
·人工神经网络的基本原理 | 第34-36页 |
·本章小结 | 第36-38页 |
参考文献 | 第38-39页 |
第三章 基于输入输出三阶累积量的非高斯非最小相位ARMA模型的最小平方递推辨识 | 第39-58页 |
·引言 | 第39-41页 |
·辨识MA子模型的CRLS算法 | 第41-45页 |
·辨识ARMA及AR子模型的CRLS算法 | 第45-47页 |
·有关算法的讨论 | 第47-51页 |
·仿真及分析 | 第51-54页 |
·本章小结 | 第54-55页 |
附录 | 第55-56页 |
参考文献 | 第56-58页 |
第四章 基于含噪声信号的三阶累积量对非高斯非最小相位ARMA模型的完全辨识 | 第58-74页 |
·引言 | 第58-59页 |
·问题的提出 | 第59-62页 |
·依模型阶次递推的ARMA辨识算法 | 第62-63页 |
·算法收敛性分析 | 第63-64页 |
·仿真及分析 | 第64-70页 |
·本章小结 | 第70页 |
附录 | 第70-72页 |
参考文献 | 第72-74页 |
第五章 基于三阶累积量对非最小相位ARMA模型的半盲辨识 | 第74-91页 |
·引言 | 第74-76页 |
·ARMA模型的半盲辨识 | 第76-84页 |
·仿真及分析 | 第84-88页 |
·本章小结 | 第88-89页 |
参考文献 | 第89-91页 |
第六章 基于三阶累积量对非最小相位ARMA模型的全盲辨识 | 第91-99页 |
·MA子模型的完全盲辨识 | 第91-92页 |
·仿真及分析 | 第92-97页 |
·本章小结 | 第97-98页 |
参考文献 | 第98-99页 |
第七章 基于受约束神经网络的二次非线性系统的盲辨识 | 第99-112页 |
·引言 | 第99-101页 |
·问题的基本描述 | 第101-102页 |
·受约束网络的结构 | 第102-103页 |
·网络的训练 | 第103-104页 |
·仿真及讨论 | 第104-108页 |
·本章小结 | 第108页 |
附录 | 第108-110页 |
参考文献 | 第110-112页 |
第八章 实际火车振动信号的建模 | 第112-116页 |
·引言 | 第112-113页 |
·ARMA线性模型的建立 | 第113页 |
·二次非线性模型的建立 | 第113-115页 |
·本章小结 | 第115页 |
参考文献 | 第115-116页 |
第九章 基于高阶统计量的二次非线性系统的可盲辨识性 | 第116-127页 |
·引言 | 第116-117页 |
·问题的提出 | 第117页 |
·系统的可盲辨识性 | 第117-123页 |
·仿真讨论 | 第123-125页 |
·本章小结 | 第125-126页 |
参考文献 | 第126-127页 |
第十章 基于累积量神经网络的一般非线性系统辨识 | 第127-140页 |
·引言 | 第127-128页 |
·基于神经网络的非线性模型 | 第128-129页 |
·网络的训练算法 | 第129-131页 |
·仿真讨论 | 第131-136页 |
·本章小结 | 第136-137页 |
参考文献 | 第137-140页 |
第十一章 结束语 | 第140-142页 |
攻读博士学位期间已发表和待发表的学术论文 | 第142-143页 |