滤波与系统辨识：最小二乘法

　　滤波和系统识别在通信、信号处理、控制以及其他工程领域中都有很重要的应用，用于对复杂系统建模。本书讨论了如何在这些技术中设计可靠的数值方法来重构系统的未知信息，尤其讨论了在线性状态-空间模型中，利用小二乘方法提升估计重构信息的复杂度。

暂缺《滤波与系统辨识：最小二乘法》作者简介

出版者的话
译者序
前言
符号和表示
缩略语对照表
第1章　概论1
第2章　线性代数4
　2.1　简介4
　2.2　向量4
　2.3　矩阵6
　2.4　方阵10
　2.5　矩阵分解13
　2.6　线性最小二乘问题15
　2.7　加权线性最小二乘问题19
　2.8　总结19
　习题20
第3章　离散时间信号和系统22
　3.1　引言22
　3.2　信号22
　3.3　信号变换24
　3.4　线性系统29
　3.5　系统之间的相互作用41
　3.6　总结43
　习题43
第4章　随机变量和信号45
　4.1　引言45
　4.2　随机变量描述45
　4.3　随机信号51
　4.4　功率谱54
　4.5　最小二乘估计特性56
　4.6　总结62
　习题62
第5章　卡尔曼滤波64
　5.1　引言64
　5.2　渐近观测器65
　5.3　卡尔曼滤波器问题67
　5.4　卡尔曼滤波器和随机最小二乘68
　5.5　卡尔曼滤波和加权最小二乘71
　5.6　固定间隔平滑80
　5.7　线性时不变系统的卡尔曼滤波器82
　5.8　估计未知输入的卡尔曼滤波器84
　5.9　总结87
　习题87
第6章　谱估计与频率响应函数90
　6.1　引言90
　6.2　离散傅里叶变换90
　6.3　谱泄露93
　6.4　快速傅里叶变换算法95
　6.5　信号频谱的估计96
　6.6　频响函数的估计及频谱扰动98
　6.7　总结102
　习题103
第7章　输出误差的参数模型估计104
　7.1　引言104
　7.2　估计线性时不变状态空间模型参数的问题105
　7.3　MIMO线性时不变状态空间模型的参数化107
　7.4　输出误差代价函数114
　7.5　数值参数估计116
　7.6　估计精度分析122
　7.7　色噪声测量处理123
　7.8　总结125
　习题125
第8章　预测误差参数模型估计127
　8.1　引言127
　8.2　用于估计状态空间模型的预测误差方法128
　8.3　SISO系统的特定模型参数132
　8.4　SISO系统模型误差定量分析138
　8.5　闭环系统估计问题142
　8.6　总结144
　习题144
第9章　子空间模型识别146
　9.1　概述146
　9.2　确定系统的子空间模型识别146
　9.3　白测量噪声下的子空间模型识别153
　9.4　利用测量变量156
　9.5　有色测量噪声的子空间识别法157
　9.6　存在过程和测量噪声情况下的子空间识别方法160
　9.7　闭环数据的子空间识别方法168
　9.8　总结170
　习题170
第10章　系统识别循环172
　10.1　引言172
　10.2　实验设计173
　10.3　数据预处理183
　10.4　模型结构的选择185
　10.5　模型验证191
　10.6　总结193
　习题194
参考文献196