| 中文摘要 | 第1-4页 |
| 英文摘要 | 第4-5页 |
| 第一章 引言 | 第5-11页 |
| §1．1 系统辨识概述 | 第5-6页 |
| §1．2 高阶统计量方法产生的背景 | 第6-7页 |
| §1．3 基于高阶统计量辨识方法的研究现状 | 第7-8页 |
| §1．4 基于高阶统计量辨识方法的发展趋势 | 第8-9页 |
| §1．5 基于高阶统计量的非高斯ARMA模型辨识研究的应用背景 | 第9-11页 |
| 第二章 高阶统计量 | 第11-17页 |
| §2．1 高阶统计量的定义 | 第11-14页 |
| §2．2 高阶统计量的性质 | 第14页 |
| §2．3 高阶统计量的计算 | 第14-17页 |
| 第三章 基于高阶累积量的非高斯ARMA模型辨识方法 | 第17-33页 |
| §3．1 非高斯ARMA模型的描述和概念 | 第17-18页 |
| §3．2 两个重要的关系式 | 第18-19页 |
| §3．3 奇异值分解和总体最小二乘法 | 第19-25页 |
| §3．4 基于2阶统计特性的ARMA模型辨识方法 | 第25-26页 |
| §3．5 基于高阶统计量的非高斯ARMA模型辨识方法 | 第26-33页 |
| 第四章 基于高阶累积量的FIR系统辨识新算法 | 第33-43页 |
| §4．1 一种不需要经过滞后处理辨识非最小相位FIR系统的方法 | 第33-39页 |
| §4．2 算法的进一步改进—消除计算中间参数带来的估计误差 | 第39-41页 |
| §4．3 采用奇异值分解和总体最小二乘法求解线性方程组 | 第41-43页 |
| 第五章 仿真实验 | 第43-50页 |
| §5．1 用MATLAB语言及其工具箱对算法编程 | 第43页 |
| §5．2 仿真实验 | 第43-49页 |
| §5．3 结论 | 第49-50页 |
| 第六章 总结与展望 | 第50-52页 |
| 致谢 | 第52-53页 |
| 参考文献 | 第53-54页 |
