| 摘要 | 第1-6页 |
| ABSTRACT | 第6-15页 |
| 第一章 绪论 | 第15-21页 |
| ·本课题的研究背景及意义 | 第15页 |
| ·系统辨识的研究状况 | 第15-18页 |
| ·系统辨识的产生及发展 | 第15-16页 |
| ·系统辨识的主要步骤 | 第16-17页 |
| ·系统辨识的主要方法 | 第17-18页 |
| ·多变量系统和非线性系统的辨识 | 第18页 |
| ·本论文的工作 | 第18-21页 |
| 第二章 辨识实验的激励信号与辨识数据的预处理 | 第21-31页 |
| ·引言 | 第21页 |
| ·系统辨识实验中常用的激励信号 | 第21-24页 |
| ·二进制伪随机信号 | 第21-23页 |
| ·阶跃变化信号 | 第23-24页 |
| ·广义二进制信号(GBN) | 第24页 |
| ·激励信号的选取原则 | 第24-25页 |
| ·常用的数据滤波方法 | 第25-26页 |
| ·平均值滤波方法 | 第25页 |
| ·中值滤波方法 | 第25页 |
| ·卡尔曼滤波方法 | 第25-26页 |
| ·小波变换滤波法 | 第26-30页 |
| ·小波变换进行数据消噪的原理 | 第26-28页 |
| ·小波变换进行数据消噪的应用 | 第28-30页 |
| ·小结 | 第30-31页 |
| 第三章 常用辨识方法的研究与仿真 | 第31-43页 |
| ·引言 | 第31页 |
| ·最小二乘及其推广方法的研究 | 第31-36页 |
| ·最小二乘的基本原理 | 第31-32页 |
| ·递推最小二乘法及仿真研究 | 第32-35页 |
| ·广义最小二乘法及仿真研究 | 第35-36页 |
| ·改进的随机数直接搜索算法与仿真研究 | 第36-40页 |
| ·NLJ 算法的原理 | 第36-37页 |
| ·数字仿真实验 | 第37-40页 |
| ·粒子群优化算法与仿真研究 | 第40-43页 |
| ·基本粒子群算法的原理 | 第40-41页 |
| ·数字仿真实验 | 第41-43页 |
| 第四章 基于加速技术和递阶迭代原理的多变量系统辨识算法 | 第43-55页 |
| ·引言 | 第43页 |
| ·多变量系统辨识问题的描述 | 第43-44页 |
| ·多变量系统的辨识算法 | 第44-48页 |
| ·基于递阶原理与迭代原理的辨识算法 | 第44-48页 |
| ·加速收敛技术 | 第48页 |
| ·仿真研究 | 第48-54页 |
| ·小结 | 第54-55页 |
| 第五章 基于有限信息的维纳模型辨识方法的研究 | 第55-73页 |
| ·引言 | 第55页 |
| ·维纳模型辨识问题及优化算法的描述 | 第55-57页 |
| ·维纳模型辨识问题 | 第55-56页 |
| ·PSO-Rosenbrock 优化算法 | 第56-57页 |
| ·维纳模型线性部分的辨识 | 第57-69页 |
| ·基于原点信息的辨识方法 | 第57-63页 |
| ·基于符号信息的辨识方法 | 第63-66页 |
| ·基于单调信息的辨识方法 | 第66-69页 |
| ·维纳模型非线性部分的辨识 | 第69-71页 |
| ·小结 | 第71-73页 |
| 第六章 总结与展望 | 第73-75页 |
| ·全文总结 | 第73页 |
| ·今后工作的展望 | 第73-75页 |
| 参考文献 | 第75-78页 |
| 致谢 | 第78-79页 |
| 研究成果及发表的学术论文 | 第79-80页 |
| 作者和导师简介 | 第80-81页 |
| 硕士研究生学位论文答辩委员会决议书 | 第81-82页 |