| 摘要 | 第4-6页 |
| ABSTRACT | 第6-8页 |
| 第一章 绪论 | 第13-19页 |
| 1.1 论文的背景及意义 | 第13-14页 |
| 1.2 系统辨识的发展状况 | 第14-16页 |
| 1.3 针对重尾噪声的鲁棒估计技术 | 第16-17页 |
| 1.4 本文主要工作 | 第17-19页 |
| 第二章 系统辨识及参数估计基础 | 第19-31页 |
| 2.1 系统辨识的基本步骤 | 第19-21页 |
| 2.2 随机系统的基本模型类 | 第21-24页 |
| 2.2.1 线性系统 | 第21-23页 |
| 2.2.2 非线性系统 | 第23-24页 |
| 2.3 系统输入信号的选择与产生方法 | 第24-27页 |
| 2.4 典型的重尾分布噪声 | 第27-28页 |
| 2.5 鲁棒的m估计 | 第28-30页 |
| 2.6 小结 | 第30-31页 |
| 第三章 针对重尾噪声影响下输出误差类模型的鲁棒参数估计算法改进 | 第31-41页 |
| 3.1 引言 | 第31页 |
| 3.2 问题描述 | 第31-32页 |
| 3.3 针对OEMA模型的原始迭代再赋权重相关分析算法 | 第32-35页 |
| 3.4 改进后的迭代再赋权重相关分析算法 | 第35-38页 |
| 3.5 仿真实验 | 第38-39页 |
| 3.6 小结 | 第39-41页 |
| 第四章 针对重尾噪声影响下多变量Box-Jenkins模型的鲁棒辨识算法研究 | 第41-55页 |
| 4.1 引言 | 第41页 |
| 4.2 问题描述 | 第41-42页 |
| 4.3 基于最小二乘的迭代辨识算法 | 第42-45页 |
| 4.4 鲁棒的迭代最小二乘辨识算法 | 第45-48页 |
| 4.5 仿真实验 | 第48-54页 |
| 4.6 小结 | 第54-55页 |
| 第五章 针对重尾噪声影响下非线性Hammerstein模型的鲁棒参数估计方法研究 | 第55-67页 |
| 5.1 引言 | 第55页 |
| 5.2 问题描述 | 第55-58页 |
| 5.3 基于EM算法的鲁棒辨识方案 | 第58-63页 |
| 5.3.1 EM算法介绍 | 第58-59页 |
| 5.3.2 基于EM的鲁棒迭代辨识算法 | 第59-63页 |
| 5.4 仿真实验 | 第63-65页 |
| 5.5 小结 | 第65-67页 |
| 第六章 总结与展望 | 第67-69页 |
| 参考文献 | 第69-75页 |
| 致谢 | 第75-77页 |
| 研究成果及发表的学术论文 | 第77-79页 |
| 作者和导师简介 | 第79-80页 |
| 附表 | 第80-81页 |
