| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-18页 |
| 1.1 研究背景、意义 | 第10-12页 |
| 1.2 国内外研究现状和趋势概述 | 第12-16页 |
| 1.2.1 L_p范数研究现状和趋势 | 第12-14页 |
| 1.2.2 ARX模型研究现状和趋势 | 第14-16页 |
| 1.3 主要研究内容 | 第16页 |
| 1.4 论文结构安排 | 第16-18页 |
| 第二章 系统辨识ARX模型的基本理论 | 第18-25页 |
| 2.1 ARX模型基本概念 | 第18页 |
| 2.2 参数估计方法 | 第18-20页 |
| 2.3 模型阶数 | 第20-24页 |
| 2.3.1 FPE定阶准则 | 第20-22页 |
| 2.3.2 AIC定阶准则 | 第22-23页 |
| 2.3.3 BIC定阶准则 | 第23-24页 |
| 2.4 本章小结 | 第24-25页 |
| 第三章 基于L_p(p≤1) 范数的ARX模型研究 | 第25-43页 |
| 3.1 pL范数理论基础 | 第25-28页 |
| 3.2 基于L_p(p≤1) 范数的ARX模型 | 第28-30页 |
| 3.3 优化迭代算法 | 第30-32页 |
| 3.4 仿真数据分析 | 第32-42页 |
| 3.4.1 仿真数据描述 | 第32-33页 |
| 3.4.2 单输入单输出ARX模型 | 第33-37页 |
| 3.4.2.1 Outliers噪声的个数影响 | 第34-36页 |
| 3.4.2.2 Outliers噪声的强度影响 | 第36-37页 |
| 3.4.3 多输入单输出ARX模型 | 第37-41页 |
| 3.4.3.1 Outliers噪声的个数影响 | 第39-40页 |
| 3.4.3.2 Outliers噪声的强度影响 | 第40-41页 |
| 3.4.4 实验结果分析 | 第41-42页 |
| 3.5 本章总结 | 第42-43页 |
| 第四章 L_p-ARX模型的应用研究 | 第43-51页 |
| 4.1 脑电数据的应用 | 第43-45页 |
| 4.1.1 实验数据描述 | 第43-44页 |
| 4.1.2 结果与分析 | 第44-45页 |
| 4.2 ICP数据预测的应用 | 第45-50页 |
| 4.2.1 实验数据描述 | 第46页 |
| 4.2.2 结果与分析 | 第46-50页 |
| 4.3 本章总结 | 第50-51页 |
| 第五章 总结与展望 | 第51-54页 |
| 5.1 总结 | 第51-52页 |
| 5.2 展望 | 第52-54页 |
| 致谢 | 第54-55页 |
| 参考文献 | 第55-61页 |
| 攻读硕士学位期间取得的成果 | 第61-62页 |