| 中文摘要 | 第3-4页 |
| 英文摘要 | 第4页 |
| 第1章 绪论 | 第7-14页 |
| 1．1 引言 | 第7页 |
| 1．2 噪声自适应控制技术和误差通道的辨识 | 第7-10页 |
| 1．3 误差通道的辨识概述 | 第10-11页 |
| 1．4 误差通道辨识实验的硬件组成 | 第11-13页 |
| 1．5 论文的主要内容 | 第13-14页 |
| 第2章 系统辨识的概述和实验的准备 | 第14-21页 |
| 2．1 引言 | 第14页 |
| 2．2 系统辨识的定义 | 第14-15页 |
| 2．3 系统辨识方法的分类 | 第15-17页 |
| 2．3．1 非参数模型辨识方法和参数模型辨识方法 | 第15-16页 |
| 2．3．2 离线辨识方法和在线型辨识方法 | 第16页 |
| 2．3．3 神经网络辨识方法 | 第16-17页 |
| 2．4 系统辨识的实验设计 | 第17-20页 |
| 2．4．1 输入信号的选择 | 第17-18页 |
| 2．4．2 采样周期的选择 | 第18-19页 |
| 2．4．3 实验长度的选择 | 第19-20页 |
| 2．5 小结 | 第20-21页 |
| 第3章 相关分析法 | 第21-34页 |
| 3．1 引言 | 第21页 |
| 3．2 相关函数及其计算方法 | 第21-23页 |
| 3．2．1 信号的自相关函数 | 第21-22页 |
| 3．2．2 信号的互相关函数 | 第22页 |
| 3．2．3 相关函数的计算方法 | 第22-23页 |
| 3．3 脉冲响应的辨识 | 第23-29页 |
| 3．3．1 基本原理 | 第23-24页 |
| 3．3．2 m序列的性质 | 第24-25页 |
| 3．3．3 用m序列辨识系统的脉冲响应 | 第25-27页 |
| 3．3．4 用m序列辨识系统的脉冲响应的递推算法 | 第27-28页 |
| 3．3．5 用m序列辨识系统的脉冲响应的步骤 | 第28-29页 |
| 3．4 用m序列误差通道的脉冲响应 | 第29-33页 |
| 3．4．1 序列参数的确定 | 第29-30页 |
| 3．4．2 误差通道的脉冲响应的结果 | 第30-33页 |
| 3．5 小结 | 第33-34页 |
| 第4章 最小二乘法类辨识方法 | 第34-50页 |
| 4．1 引言 | 第34页 |
| 4．2 最小二乘估计的一次完成算法（Least Squares，LS） | 第34-38页 |
| 4．2．1 最小二乘估计原理 | 第34-36页 |
| 4．2．2 最小二乘估计量的统计性质 | 第36-38页 |
| 4．3 最小二乘估计的递推算法（Recursive Least Squares，RLS） | 第38-39页 |
| 4．4 递推算法的数据饱和现象和渐消记忆法 | 第39-40页 |
| 4．5 最小二乘估计的缺陷 | 第40页 |
| 4．6 最小二乘估计的缺陷和其他的一些辨识方法 | 第40-42页 |
| 4．7 增广最小二乘法算法 | 第42-44页 |
| 4．8 相关分析—最小二乘两步法的原理 | 第44-46页 |
| 4．9 相关分析—最小二乘两步法的递推算法 | 第46-48页 |
| 4．10 小结 | 第48-50页 |
| 第5章 利用最小二乘法类辨识有源消声系统的误差通道 | 第50-64页 |
| 5．1 引言 | 第50页 |
| 5．2 数据的预处理 | 第50-51页 |
| 5．3 模型的检验 | 第51-52页 |
| 5．4 模型阶次的确定 | 第52-55页 |
| 5．4．1 损失函数法 | 第52-53页 |
| 5．4．2 时延的估计 | 第53页 |
| 5．4．3 有源消声系统误差通道模型结构的确定 | 第53-55页 |
| 5．5 利用最小二乘算法辨识系统参数 | 第55-58页 |
| 5．5．1 最小二乘算法的辨识结果 | 第55-56页 |
| 5．5．2 模型检验 | 第56页 |
| 5．5．3 最小二乘算法的局限性 | 第56-58页 |
| 5．6 利用增广最小二乘算法辨识系统参数 | 第58-60页 |
| 5．7 利用相关最小二乘算法辨识系统参数 | 第60-62页 |
| 5．8 小结 | 第62-64页 |
| 第6章 利用神经网络对误差通道进行辨识 | 第64-73页 |
| 6．1 引言 | 第64页 |
| 6．2 神经网络在系统辨识领域的应用 | 第64-65页 |
| 6．3 BP网络的原理和特点 | 第65-67页 |
| 6．3．1 单层神经网络的网络结构： | 第65-66页 |
| 6．3．2 BP算法原理 | 第66页 |
| 6．3．3 BP算法的优缺点 | 第66-67页 |
| 6．4 线性神经网络的原理和特点 | 第67-68页 |
| 6．5 基于多种类型神经网络的系统辨识的原理 | 第68-69页 |
| 6．6 基于多种类型神经网络的系统辨识在本课题中的应用 | 第69-72页 |
| 6．7 结论 | 第72-73页 |
| 结束语 | 第73-75页 |
| 参考文献 | 第75-79页 |
| 攻读硕士学位期间发表的学术论文 | 第79-80页 |
| 致谢 | 第80页 |
