| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 引言 | 第9-17页 |
| 1.1 问题提出与研究意义 | 第9-10页 |
| 1.2 领域研究现状分析 | 第10-15页 |
| 1.2.1 系统辨识的发展 | 第10-11页 |
| 1.2.2 滤波辨识方法 | 第11-13页 |
| 1.2.3 多变量系统研究 | 第13-14页 |
| 1.2.4 辨识方法综述 | 第14-15页 |
| 1.3 本文主要研究内容安排 | 第15-17页 |
| 第2章 多变量受控自回归滑动平均系统 | 第17-39页 |
| 2.1 引言 | 第17页 |
| 2.2 系统描述与辨识模型 | 第17-19页 |
| 2.3 基于滤波的增广随机梯度算法 | 第19-23页 |
| 2.4 基于滤波的多新息增广随机梯度算法 | 第23-27页 |
| 2.5 基于滤波的梯度迭代算法 | 第27-32页 |
| 2.5.1 有限量测数据CARMA-FGI算法 | 第30-32页 |
| 2.6 例子仿真 | 第32-38页 |
| 2.7 小结 | 第38-39页 |
| 第3章 多变量受控自回归自回归系统 | 第39-60页 |
| 3.1 引言 | 第39页 |
| 3.2 系统描述与辨识模型 | 第39-41页 |
| 3.3 基于滤波的广义随机梯度算法 | 第41-44页 |
| 3.4 基于滤波的多新息广义随机梯度算法 | 第44-48页 |
| 3.5 基于滤波的梯度迭代算法 | 第48-54页 |
| 3.5.1 有限量测数据CARAR-FGI算法 | 第51-54页 |
| 3.6 例子仿真 | 第54-59页 |
| 3.7 小结 | 第59-60页 |
| 第4章 多变量受控自回归自回归滑动平均系统 | 第60-81页 |
| 4.1 引言 | 第60页 |
| 4.2 系统描述与模型辨识 | 第60-62页 |
| 4.3 基于滤波的广义增广随机梯度算法 | 第62-66页 |
| 4.4 基于滤波的多新息广义增广随机梯度算法 | 第66-68页 |
| 4.5 基于滤波的梯度迭代算法 | 第68-75页 |
| 4.5.1 有限量测数据CARARMA-FGI算法 | 第73-75页 |
| 4.6 例子仿真 | 第75-80页 |
| 4.7 小结 | 第80-81页 |
| 第5章 结论与展望 | 第81-83页 |
| 致谢 | 第83-84页 |
| 参考文献 | 第84-87页 |
| 附录：攻读硕士期间发表的论文 | 第87页 |