| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 第一章 绪论 | 第8-17页 |
| 1.1 问题提出与研究意义 | 第8-9页 |
| 1.2 极大似然辨识国内外研究现状 | 第9-15页 |
| 1.2.1 极大似然辨识 | 第9-11页 |
| 1.2.2 信息滤波技术 | 第11-13页 |
| 1.2.3 极大似然辨识方法的应用 | 第13-15页 |
| 1.3 论文主要研究内容简介 | 第15-17页 |
| 第二章 标量方程误差ARMA系统的滤波极大似然辨识 | 第17-47页 |
| 2.1 引言 | 第17-18页 |
| 2.2 模型描述与辨识模型 | 第18-20页 |
| 2.3 基于信息滤波的极大似然增广梯度辨识算法 | 第20-26页 |
| 2.4 基于信息滤波的极大似然多新息增广梯度辨识算法 | 第26-34页 |
| 2.5 极大似然广义增广最小二乘辨识算法 | 第34-37页 |
| 2.6 基于信息滤波的极大似然增广最小二乘辨识算法 | 第37-45页 |
| 2.7 小结 | 第45-47页 |
| 第三章 多变量方程误差ARMA系统的滤波极大似然辨识 | 第47-85页 |
| 3.1 引言 | 第47页 |
| 3.2 模型描述及辨识模型 | 第47-49页 |
| 3.3 基于信息滤波的极大似然增广梯度辨识算法 | 第49-53页 |
| 3.4 基于信息滤波的极大似然多新息增广梯度算法 | 第53-59页 |
| 3.5 基于信息滤波的增广最小二乘辨识算法 | 第59-63页 |
| 3.6 基于信息滤波的极大似然增广最小二乘辨识算法 | 第63-70页 |
| 3.7 类多变量系统的滤波极大似然递推辨识算法 | 第70-83页 |
| 3.8 小结 | 第83-85页 |
| 第四章 多输入非线性Box-Jenkins系统的滤波极大似然辨识 | 第85-108页 |
| 4.1 引言 | 第85-86页 |
| 4.2 模型描述及辨识模型 | 第86-87页 |
| 4.3 基于分解的广义增广最小二乘辨识算法 | 第87-89页 |
| 4.4 基于分解的极大似然广义增广最小二乘辨识算法 | 第89-95页 |
| 4.5 极大似然广义增广梯度辨识算法 | 第95-99页 |
| 4.6 基于信息滤波的极大似然广义增广梯度辨识算法 | 第99-106页 |
| 4.7 小结 | 第106-108页 |
| 第五章 结论与展望 | 第108-110页 |
| 5.1 结论 | 第108页 |
| 5.2 展望 | 第108-110页 |
| 致谢 | 第110-111页 |
| 参考文献 | 第111-119页 |
| 附录：攻读博士学位期间发表的论文 | 第119页 |
