| 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 输入输出表达模型的辨识 | 第9-12页 |
| 1.2.2 状态空间模型的辨识 | 第12-15页 |
| 1.2.3 递推辨识算法性能分析综述 | 第15-16页 |
| 1.3 本文主要研究内容简介 | 第16-18页 |
| 第二章 Box-Jenkins系统的多新息辨识方法及收敛性 | 第18-48页 |
| 2.1 引言 | 第18-19页 |
| 2.2 Box-Jenkins系统的多新息辨识方法及收敛性 | 第19-32页 |
| 2.2.1 辅助模型多新息广义增广随机梯度算法及收敛性 | 第20-25页 |
| 2.2.2 基于数据滤波的多新息广义增广随机梯度算法 | 第25-32页 |
| 2.3 多变量Box-Jenkins系统的多新息辨识方法及收敛性 | 第32-46页 |
| 2.3.1 辅助模型多变量多新息广义增广随机梯度算法及收敛性 | 第33-38页 |
| 2.3.2 基于数据滤波的多变量多新息广义增广随机梯度算法 | 第38-46页 |
| 2.4 小结 | 第46-48页 |
| 第三章 双线性参数系统的多新息辨识方法及收敛性 | 第48-84页 |
| 3.1 引言 | 第48-50页 |
| 3.2 双线性参数系统的多新息辨识方法及收敛性 | 第50-65页 |
| 3.2.1 基于过参数化模型的多新息随机梯度算法及收敛性 | 第50-53页 |
| 3.2.2 递阶多新息随机梯度算法及收敛性 | 第53-57页 |
| 3.2.3 有色噪声干扰下基于数据滤波的多新息随机梯度算法 | 第57-65页 |
| 3.3 多变量双线性参数系统的多新息辨识方法 | 第65-82页 |
| 3.3.1 基于过参数化模型的多变量多新息随机梯度算法 | 第68-70页 |
| 3.3.2 递阶多变量多新息随机梯度算法及收敛性 | 第70-72页 |
| 3.3.3 有色噪声干扰下基于数据滤波的多变量多新息随机梯度算法 | 第72-82页 |
| 3.4 小结 | 第82-84页 |
| 第四章 输入非线性状态空间系统的多新息辨识方法及收敛性 | 第84-116页 |
| 4.1 引言 | 第84页 |
| 4.2 基于卡尔曼滤波的多新息辨识方法及收敛性 | 第84-99页 |
| 4.2.1 基于卡尔曼滤波的过参数化多新息随机梯度算法及收敛性 | 第86-90页 |
| 4.2.2 基于卡尔曼滤波的递阶多新息随机梯度算法及收敛性 | 第90-99页 |
| 4.3 基于状态观测器和数据滤波的多新息辨识方法 | 第99-114页 |
| 4.3.1 基于状态观测器和数据滤波的过参数化多新息随机梯度算法 | 第102-106页 |
| 4.3.2 基于状态观测器和数据滤波的递阶多新息随机梯度算法 | 第106-114页 |
| 4.4 小结 | 第114-116页 |
| 第五章 总结与展望 | 第116-118页 |
| 致谢 | 第118-120页 |
| 参考文献 | 第120-126页 |
| 附录：攻读博士学位期间发表的论文 | 第126-127页 |
