| 摘要 | 第2-3页 |
| abstract | 第3页 |
| 第一章 绪论 | 第5-11页 |
| 1.1 研究背景及意义 | 第5-6页 |
| 1.2 常用的辨识方法介绍 | 第6-7页 |
| 1.3 国内外发展现状 | 第7-8页 |
| 1.4 本文的主要工作和章节安排 | 第8-11页 |
| 第二章 Wiener模型概述 | 第11-17页 |
| 2.1 非线性系统的概述 | 第11-13页 |
| 2.1.1 非线性系统的分类 | 第11-12页 |
| 2.1.2 非线性系统辨识的基本步骤 | 第12-13页 |
| 2.2 Wiener模型的分类及应用 | 第13-15页 |
| 2.2.1 Wiener模型简介 | 第13-14页 |
| 2.2.2 Wiener模型的分类 | 第14-15页 |
| 2.2.3 Wiener模型的应用 | 第15页 |
| 2.3 小结 | 第15-17页 |
| 第三章 最小二乘辨识方法和多新息随机梯度辨识方法 | 第17-25页 |
| 3.1 最小二乘辨识方法 | 第17-21页 |
| 3.1.1 一次完成最小二乘法 | 第17-19页 |
| 3.1.2 递推最小二乘法 | 第19-21页 |
| 3.2 多新息随机梯度辨识方法 | 第21-24页 |
| 3.2.1 多新息辨识法 | 第21-22页 |
| 3.2.2 随机梯度辨识法 | 第22页 |
| 3.2.3 多新息随机梯度辨识法 | 第22-24页 |
| 3.3 小结 | 第24-25页 |
| 第四章 Wiener模型的辨识 | 第25-43页 |
| 4.1 输出误差滑动平均Wiener模型的递推最小二乘辨识方法 | 第25-32页 |
| 4.1.1 输出误差滑动平均Wiener模型的模型描述 | 第25-26页 |
| 4.1.2 基于关键变量分离原理的输出误差滑动平均Wiener模型的化简 | 第26-28页 |
| 4.1.3 基于矩阵分解的递推最小二乘辨识方法 | 第28-30页 |
| 4.1.4 实例仿真 | 第30-32页 |
| 4.2 输出误差滑动平均Wiener模型的多新息随机梯度辨识方法 | 第32-42页 |
| 4.2.1 输出误差滑动平均Wiener模型的模型描述 | 第32-34页 |
| 4.2.2 基于矩阵分解的输出误差滑动平均Wiener模型的化简 | 第34-38页 |
| 4.2.3 输出误差滑动平均Wiener模型的多新息随机梯度辨识 | 第38-40页 |
| 4.2.4 实例仿真 | 第40-42页 |
| 4.3 小结 | 第42-43页 |
| 第五章 结论与展望 | 第43-45页 |
| 参考文献 | 第45-49页 |
| 攻读学位期间的研究成果 | 第49-51页 |
| 致谢 | 第51-53页 |
