第一章 系统描述与辨识模型
连续系统的输入输出模型、离散系统的输入输出模型、数学模型之间的等价变换、噪声模型及其分类、辨识定义、辨识问题的表达形式、辨识算法的基本原理、误差准则、辨识的内容和步骤、辨识的应用。
第二章 随机信号的描述与分析
随机过程的基本知识、相关函数、协方差函数、谱密度函数、线性过程在随机输入下的响应、白噪声及其产生方法、M序列及其性质。
第三章 经典的辨识方法
Levy法、相关分析法等。
第四章 线性动态模型参数辨识(一)
最小二乘法的基本概念、最小二乘问题的提法、最小二乘问题的解、最小二乘参数估计的收敛性、最小二乘参数估计的几何解析、最小二乘参数估计的统计性质、最小二乘参数估计的递推算法、最小二乘递推算法的几种变形,增广最小二乘法、广义最小二乘法、辅助变量法、相关二步法,最小二乘常用算法的数字仿真及举例。
第五章 模型阶次辨识
Hankel矩阵定阶法、F-Test定阶法、Akaike准则模型阶次辨识法、AIC定阶法、利用最终预报误差准则估计模型的阶次(FPE定阶法)、状态空间模型阶次的辨识。
第六章 线性动态模型参数辨识(二)
极大似然参数辨识方法、预报误差参数辨识方法、递推算法的一般模式及收敛性、各种算法的比较,预报误差法、极大似然估计法以及它们之间的关系,极大似然估计的松驰算法,近似极大似然递推算法,随机逼近法,递推算法的一般模式,递推算法的收敛性,各种算法的比较。
第七章 梯度校正参数辨识方法
确定性问题的梯度校正参数辨识方法、随机性问题的梯度校正参数辨识方法、状态方程的参数辨识(梯度校正法)、差分方程的参数辨识、随机逼近法、随机牛顿法。
第八章 辨识算法的统一性
最小二乘类一次完成算法之间的内在联系、信息滤波阵及其作用、递推辨识算法的内在联系。
第九章 闭环系统辨识
反馈存在性的确定、闭环系统的可辨性、闭环辨识方法及可辨性条件、闭环系统的阶次辨识、最小二乘法在闭环辨识中的应用、辅助变量法在闭环辨识中的应用、关于闭环可辨识性条件的一些结论。
第十章 系统问题的实际考虑及实验设计
开环可辨识性问题、模型类的选择、准则函数的选择、算法初始值的选择、采样时间的最优设计、模型检验问题、模型变换的计算机实现。