| 摘要 | 第1-3页 |
| Abstract | 第3-6页 |
| 第一章 绪论 | 第6-22页 |
| ·系统辨识概述 | 第6-7页 |
| ·模块化非线性系统辨识方法概述 | 第7-20页 |
| ·迭代辨识算法 | 第10-12页 |
| ·过参数辨识算法 | 第12-15页 |
| ·盲辨识算法 | 第15-18页 |
| ·关键变量分离方法 | 第18-20页 |
| ·全文的内容安排 | 第20-22页 |
| 第二章 Hammerstein OEMA模型的最小二乘辨识算法 | 第22-34页 |
| ·连续分段非线性Hammerstein OEMA模型的最小二乘辨识算法 | 第22-27页 |
| ·模型描述 | 第22-23页 |
| ·算法推导 | 第23-25页 |
| ·仿真例子 | 第25-27页 |
| ·带死区特性的Hammerstein OEMA模型的最小二乘辨识算法 | 第27-32页 |
| ·模型描述 | 第27-28页 |
| ·算法推导 | 第28-30页 |
| ·仿真例子 | 第30-32页 |
| ·小结 | 第32-34页 |
| 第三章 Hammerstein OEMA模型的多新息辨识算法 | 第34-46页 |
| ·增广最小二乘辨识算法 | 第34-37页 |
| ·多新息增广最小二乘辨识算法 | 第37-41页 |
| ·算法推导 | 第37-39页 |
| ·仿真例子 | 第39-41页 |
| ·多新息遗忘因子随机梯度辨识算法 | 第41-45页 |
| ·算法推导 | 第41-42页 |
| ·仿真例子 | 第42-45页 |
| ·小结 | 第45-46页 |
| 第四章 Hammerstein OEMA模型的滤波辨识算法 | 第46-56页 |
| ·模型描述 | 第46-47页 |
| ·算法推导 | 第47-52页 |
| ·仿真例子 | 第52-54页 |
| ·小结 | 第54-56页 |
| 第五章 结论与展望 | 第56-58页 |
| 参考文献 | 第58-62页 |
| 攻读学位期间的研究成果 | 第62-64页 |
| 附录 | 第64-66页 |
| 致谢 | 第66-70页 |
