| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第一章 绪论 | 第8-16页 |
| 1.1 问题提出和研究意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-14页 |
| 1.2.1 辅助模型辨识思想 | 第9-10页 |
| 1.2.2 多变量系统的辨识综述 | 第10-13页 |
| 1.2.3 递推辨识算法收敛性分析综述 | 第13-14页 |
| 1.3 本文主要研究内容简介 | 第14-16页 |
| 第二章 多元输出误差系统的辅助模型递推辨识方法及收敛性 | 第16-48页 |
| 2.1 引言 | 第16页 |
| 2.2 系统描述与模型辨识 | 第16-18页 |
| 2.3 基于分解的辅助模型随机梯度辨识算法及收敛性 | 第18-25页 |
| 2.4 基于分解的辅助模型递推最小二乘辨识算法及收敛性 | 第25-36页 |
| 2.5 基于滤波技术的辅助模型随机梯度辨识算法 | 第36-40页 |
| 2.6 基于滤波技术的辅助模型递推最小二乘辨识算法 | 第40-45页 |
| 2.7 小结 | 第45-48页 |
| 第三章 类多变量输出误差系统的辅助模型辨识方法及收敛性 | 第48-80页 |
| 3.1 引言 | 第48页 |
| 3.2 系统描述和模型辨识 | 第48-50页 |
| 3.3 基于辅助模型的递阶随机梯度辨识算法及收敛性 | 第50-55页 |
| 3.4 基于滤波技术的辅助模型递阶随机梯度辨识算法 | 第55-63页 |
| 3.5 基于辅助模型的递阶最小二乘辨识算法及收敛性 | 第63-68页 |
| 3.6 基于滤波技术的辅助模型递阶最小二乘辨识算法 | 第68-79页 |
| 3.7 小结 | 第79-80页 |
| 第四章 非线性类多变量输出误差系统的辅助模型辨识方法 | 第80-106页 |
| 4.1 引言 | 第80页 |
| 4.2 非线性类多变量输出误差滑动平均系统 | 第80-91页 |
| 4.2.1 辨识模型描述 | 第80-82页 |
| 4.2.2 基于辅助模型的递阶增广随机梯度辨识算法 | 第82-87页 |
| 4.2.3 基于辅助模型的递阶增广最小二乘辨识算法 | 第87-91页 |
| 4.3 非线性类多变量Box-Jenkins系统 | 第91-104页 |
| 4.3.1 辨识模型描述 | 第91-93页 |
| 4.3.2 基于辅助模型的递阶广义增广随机梯度辨识算法 | 第93-99页 |
| 4.3.3 基于辅助模型的递阶广义增广最小二乘辨识算法 | 第99-104页 |
| 4.4 小结 | 第104-106页 |
| 第五章 总结与展望 | 第106-108页 |
| 5.1 总结 | 第106页 |
| 5.2 展望 | 第106-108页 |
| 致谢 | 第108-110页 |
| 参考文献 | 第110-116页 |
| 附录:攻读博士学位期间发表的论文 | 第116页 |
