系统辨识及其MATLAB仿真

　　本书系统地论述了古典、现代辨识理论和方法，并探讨了多种如神经网络、遗传神经网络算法、模糊神经网络新的非线性智能辨识技术，介绍了诱导和辨识混沌的方法。分析了各种方法的一致性及特点，并探讨了MAT-LAB软件对各类辨识方法的实现途径。全书共分8章，在理论分析的基础上，列举了大量的仿真程序、程序剖析和工程应用实例。本书内容新颖、信息量大，并附开发的多种与辨识相关的源程序光盘，为读者提供了学习或模仿的样本。本书可供自动化、测控、通信、安全类及相关专业高校师生和工程技术人员选用。

暂缺《系统辨识及其MATLAB仿真》作者简介

序
前言
第1章辨识的基本概念
1.1系统和模型
1.1.1模型的表现形式
1.1.2数学模型的分类
1.2辨识建模的定义
1.3辨识问题的表示形式及原理
1.3.1辨识问题的表达形式
1.3.2辨识算法的基本原理
1.3.3误差准则
1.4辨识的内容和步骤
1.5典型的非线性系统辨识与控制方法
1.5.1非线性辨识典型模型及辨识.控制方法特点
1.5.2非线性系统参数估计的特点
1.5.3神经网络及其系统控制结构
1.5.4非线性解耦问题
1.5.5需要深入研究的非线性问题
1.6小结
习题
第2章辨识理论基础及古典辨识方法
2.1随机过程基本概念及其数学描述
2.1.1基本概念
2.1.2相关函数和协方差函数的性质
2.2谱密度与相关函数
2.2.1帕塞瓦尔(Parseval)定理与功率密度谱表示式
2.2.2维纳—辛钦(Wiener—Khintchine)关系式
2.3线性系统在随机输入下的响应
2.4白噪声产生方法及其仿真
2.4.1白噪声的概念
2.4.2白噪声的产生及其MATLAB仿真
2.4.3伪随机信号产生及MATLAB仿真举例
2.5古典辨识方法
2.5.1M序列自相关函数
2.5.2逆M序列
2.5.3相关分析法频率响应辨识
2.5.4相关分析法脉冲响应辨识
2.5.5相关分析法脉冲响应应用
2.6小结
习题
第3章最小二乘参数辨识
3.1最小二乘法的概念
3.1.1系统辨识结构
3.1.2最小二乘法的基本概念
3.2最小二乘问题的描述
3.3最小二乘问题的一次完成算法
3.3.1普通最小二乘问题的解
3.3.2加权最小二乘问题的解
3.4最小二乘一次完成算法的MATLAB仿真
3.5最小二乘参数估计的递推算法
3.5.1递推算法的概念
3.5.2递推算法的推导
3.6最小二乘递推算法的MATLAB仿真
3.7增广最小二乘法
3.8增广最小二乘辨识的MATLAB仿真
3.9广义最小二乘法
3.10多级最小二乘法
3.10.1辅助模型参数辨识
3.10.2系统模型参数辨识
3.10.3噪声模型参数辨识
3.11小结
习题
第4章梯度校正参数辨识
4.1确定性问题的梯度校正参数辨识方法
4.1.1确定性梯度校正辨识公式的推导
4.1.2权矩阵的选择
4.2脉冲响应梯度校正辨识的MATLAB仿真
4.3随机性问题的梯度校正参数辨识方法
4.3.1随机性问题的提法
4.3.2随机性辨识问题的分类
4.3.3随机性问题的梯度校正参数估计方法
4.4梯度校正法在动态过程辨识中的应用
4.4.1状态方程的参数辨识
4.4.2差分方程的参数辨识
4.5随机逼近法
4.5.1随机逼近原理
4.5.2随机逼近参数估计方法
4.5.3随机牛顿法
4.6小结
习题
第5章极大似然法辨识方法
5.1引言
5.2极大似然参数辨识原理
5.3动态系统模型参数的极大似然估计
5.3.1动态模型描述
5.3.2极大似然估计与最小二乘估计的关系
5.3.3协方差阵未知时的极大似然参数估计
5.4递推的极大似然参数估计
5.4.1极大似然递推算法的原理及方法
5.4.2似然递推法辨识MATLAB仿真及程序剖析
5.5小结
习题
第6章离散随机系统的自适应滤波
6.1Bayes辨识方法
6.1.1Bayes基本原理
6.1.2最小二乘模型的Bayes参数辨识
6.2Bayes辨识的MATLAB仿真
6.3Kalman滤波
6.3.1预测.滤波与平滑
6.3.2高斯变量估计
6.3.3Kalman滤波与预测
6.4模型参考自适应辨识方法
6.4.11和2的确定
6.4.2(k)的计算
6.4.3A辨识算法类
6.4.4B类辨识算法
6.4.5C类辨识算法
6.5小结
习题
第7章神经网络模型辨识
7.1神经网络概念与特性
7.1.1人工神经元模型
7.1.2激发函数
7.1.3神经网络模型分类
7.1.4神经网络学习方法
7.1.5神经元网络特点
7.2神经网络模型辨识中常用结构
7.3辨识中常用网络训练算法
7.3.1自适应控制系统基本结构
7.3.2辨识中常用BP网络训练算法
7.4改进的BP网络训练算法
7.4.1基于降低网络灵敏度的网络改进算法
7.4.2提高一类神经网络容错性的理论和方法
7.4.3提高神经网络收敛速度的一种赋初值算法
7.4.4其他网络训练技巧
7.5神经网络辨识的MATLAB仿真举例
7.5.1具有噪声二阶系统辨识的MATLAB程序剖析
7.5.2多维非线性辨识的MATLAB程序剖析
7.6基于改进遗传算法的神经网络及其应用
7.6.1一种适应度函数的改进算法
7.6.2一种改进的遗传神经解耦方法
7.6.3遗传神经解耦仿真.实验及结论
7.7模糊神经网络及其应用
7.7.1模糊神经网络原理及其应用
7.7.2FNN对非线性多变量系统的MATLAB解耦仿真
7.8小结
习题
第8章非线性动态系统的其他辨识方法
8.1Volterra级数的表示及其辨识方法
8.1.1非线性系统Volterra级数的表示
8.1.2Volterra级数的辨识
8.2复杂系统的混沌现象及其辨识
8.2.1反馈系统和优化过程中的混沌现象
8.2.2基于控制理论的混沌分析方法
8.2.3混沌识别与混沌系统辨识
8.3小结
习题
参考文献
光盘目录
第一部分开发的程序
1FLch2sjxleg1.m…………随机序列产生程序
2FLch2bzsheg2.m…………白噪声产生程序
3FLch2bzsheg3.m…………M序列产生程序
4FLch3LSeg1.m……………二阶系统一次性完成最小二乘辨识程序
5FLch3LSeg2.m……………实际压力系统最小二乘辨识程序
6FLch3RLSeg3.m…………递推的最小二乘辨识程序
7FLch3ELSeg4.m…………增广的最小二乘辨识程序
8FLch4GAeg1.m…………梯度校正最小二乘辨识程序
9FLch5RMLeg1.m…………递推的极大似然法辨识程序
10FLch6BAeg1.m…………Bayes辨识程序
11FLch7NNeg1.m…………改进的神经网络MBP算法对噪声系统辨识程序
12FLch7NNeg2.m…………多维非线性函数辨识的MATLAB程序
13FLch7FNNeg3.m…………模糊神经网络解耦MATLAB程序
第二部分程序的注释与剖析
次序同第一部分