| 摘要 | 第1-6页 |
| Abstract | 第6-11页 |
| 第1章 绪论 | 第11-16页 |
| ·课题研究目的和意义 | 第11页 |
| ·船舶运动姿态预报研究现状 | 第11-12页 |
| ·基于时间序列分析法的船舶运动姿态自适应建模与预报 | 第12-14页 |
| ·时间序列分析法 | 第12-13页 |
| ·时间序列的自适应模型以及估计的递推算法 | 第13-14页 |
| ·本文主要研究内容 | 第14-16页 |
| 第2章 基于最小均方误差准则的船舶运动姿态AR建模与预报 | 第16-39页 |
| ·最小均方误差准则和Wiener最优滤波器 | 第16-18页 |
| ·基于LMS算法的自适应AR模型 | 第18-22页 |
| ·LMS算法 | 第18-19页 |
| ·LMS算法的梯度特性 | 第19-20页 |
| ·系数向量的收敛特性 | 第20-21页 |
| ·LMS算法与AR模型 | 第21-22页 |
| ·基于LMS的相关算法 | 第22-29页 |
| ·LMS-Newdon算法 | 第23-25页 |
| ·归一化LMS算法 | 第25-26页 |
| ·仿射投影算法 | 第26-29页 |
| ·基于LMS算法的船舶运动姿态预报 | 第29-37页 |
| ·基于LMS算法的AR预报模型 | 第29-30页 |
| ·仿真实例 | 第30-37页 |
| ·本章小结 | 第37-39页 |
| 第3章 基于格型RLS算法的船舶运动姿态自适应建模与预报 | 第39-59页 |
| ·加权最小二乘准则及递推最小二乘(RLS)算法 | 第39-42页 |
| ·RLS算法的收敛性 | 第42-44页 |
| ·(?)(t)的收敛性 | 第42-43页 |
| ·RLS算法的均方收敛性 | 第43-44页 |
| ·线性预报和自适应AR模型的格型RLS算法 | 第44-50页 |
| ·前项预报 | 第44-46页 |
| ·反向预报 | 第46-48页 |
| ·变换因子 | 第48-50页 |
| ·最小二乘格型递推算法 | 第50-55页 |
| ·阶数更新方程 | 第50-53页 |
| ·时间递推公式 | 第53-55页 |
| ·基于LRLS的船舶运动姿态预报 | 第55-58页 |
| ·基于LRSL的预报算法 | 第55-56页 |
| ·仿真实例 | 第56-57页 |
| ·预报结果分析 | 第57-58页 |
| ·本章小结 | 第58-59页 |
| 第4章 Kalman滤波及其在自适应建模预报中的应用 | 第59-78页 |
| ·射影理论 | 第59-63页 |
| ·线性最小方差估计和射影 | 第59-61页 |
| ·新息序列 | 第61-63页 |
| ·Kalman滤波原理及状态估计 | 第63-68页 |
| ·基于一步预报的Kalman滤波公式 | 第68-71页 |
| ·Kalman滤波算法应用于自适应AR模型 | 第71-75页 |
| ·平稳输入下的自适应横向滤波器 | 第71-73页 |
| ·非平稳输入下的自适应横向滤波器 | 第73-75页 |
| ·基于Kalman滤波算法的AR模型的船舶运动姿态预报 | 第75-77页 |
| ·本章小结 | 第77-78页 |
| 第5章 船舶运动姿态时间序列的相空间重构理论及混沌识别 | 第78-97页 |
| ·时间序列混沌特征分析 | 第78-83页 |
| ·混沌吸引子维数 | 第78-80页 |
| ·Lyapunov指数 | 第80-83页 |
| ·混沌时间序列的相空间重构理论 | 第83-89页 |
| ·时间序列的相空间重构 | 第83-84页 |
| ·嵌入维数m的确定 | 第84-87页 |
| ·延迟时间τ的确定 | 第87-89页 |
| ·船舶运动姿态时间序列的混沌特性识别 | 第89-95页 |
| ·船舶运动姿态时间序列的相空间重构 | 第89-90页 |
| ·船舶运动姿态时间序列的混沌特性判别 | 第90-95页 |
| ·本章小结 | 第95-97页 |
| 第6章 基于Volterra级数模型的船舶运动混沌时间序列的多步预测 | 第97-110页 |
| ·Volterra级数自适应预测模型 | 第97-101页 |
| ·Volterra级数模型 | 第97-99页 |
| ·Volterra级数模型项数的确定 | 第99-101页 |
| ·Volterra级数多步预测模型 | 第101页 |
| ·Volterra级数模型的非线性系统辨识 | 第101-107页 |
| ·基于NLMS算法的Volterra核估计 | 第101-103页 |
| ·基于RLS算法的Volterra核估计 | 第103-105页 |
| ·基于Kalman滤波算法的Volterra核估计 | 第105-107页 |
| ·仿真实例 | 第107-109页 |
| ·本章小结 | 第109-110页 |
| 结论 | 第110-112页 |
| 参考文献 | 第112-116页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第116-117页 |
| 致谢 | 第117页 |
