| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第一章 绪论 | 第8-18页 |
| 1.1 问题的提出与研究意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-16页 |
| 1.2.1 非线性系统模型结构综述 | 第9-12页 |
| 1.2.2 输入非线性系统辨识方法综述 | 第12-16页 |
| 1.2.3 系统辨识领域的新思想方法 | 第16页 |
| 1.3 本文主要研究内容简介 | 第16-18页 |
| 第二章 基于过参数化模型的辨识方法 | 第18-54页 |
| 2.1 IN-EE系统的过参数化辨识模型 | 第18-21页 |
| 2.2 基于过参数化模型的梯度辨识方法 | 第21-33页 |
| 2.2.1 基于过参数化的多新息随机梯度算法 | 第21-24页 |
| 2.2.2 基于过参数化的递阶多新息随机梯度算法 | 第24-28页 |
| 2.2.3 仿真例子 | 第28-33页 |
| 2.3 基于过参数化模型的最小二乘辨识方法 | 第33-51页 |
| 2.3.1 基于过参数化的递推最小二乘算法 | 第34-41页 |
| 2.3.2 基于过参数化的递阶最小二乘算法 | 第41-48页 |
| 2.3.3 仿真例子 | 第48-51页 |
| 2.4 小结 | 第51-54页 |
| 第三章 基于关键项分离的辨识方法 | 第54-86页 |
| 3.1 IN-EE系统的关键项分离辨识模型 | 第54-56页 |
| 3.2 基于关键项分离的梯度辨识方法 | 第56-72页 |
| 3.2.1 基于关键项分离的多新息随机梯度算法 | 第56-59页 |
| 3.2.2 基于关键项分离的两阶段多新息随机梯度算法 | 第59-63页 |
| 3.2.3 基于关键项分离的三阶段多新息随机梯度算法 | 第63-66页 |
| 3.2.4 仿真例子 | 第66-72页 |
| 3.3 基于关键项分离的最小二乘辨识方法 | 第72-84页 |
| 3.3.1 基于关键项分离的递推最小二乘算法 | 第72-73页 |
| 3.3.2 基于关键项分离的两阶段递推最小二乘算法 | 第73-76页 |
| 3.3.3 基于关键项分离的三阶段递推最小二乘算法 | 第76-79页 |
| 3.3.4 仿真例子 | 第79-84页 |
| 3.4 小结 | 第84-86页 |
| 第四章 基于双线性参数模型分解的辨识方法 | 第86-108页 |
| 4.1 IN-EE系统的双线性参数辨识模型 | 第86-87页 |
| 4.2 基于双线性参数模型分解的梯度辨识方法 | 第87-96页 |
| 4.2.1 基于分解的随机梯度算法 | 第88-90页 |
| 4.2.2 基于分解的遗忘因子随机梯度算法 | 第90-92页 |
| 4.2.3 仿真例子 | 第92-96页 |
| 4.3 基于双线性参数模型分解的最小二乘辨识方法 | 第96-107页 |
| 4.3.1 基于分解的递推最小二乘算法 | 第97-100页 |
| 4.3.2 基于分解的多新息最小二乘算法 | 第100-103页 |
| 4.3.3 仿真例子 | 第103-107页 |
| 4.4 小结 | 第107-108页 |
| 第五章 总结与展望 | 第108-110页 |
| 致谢 | 第110-112页 |
| 参考文献 | 第112-118页 |
| 附录: 攻读博士学位期间发表的论文 | 第118页 |
