书中采用的主要符号(notation)Ⅺ

书中采用的主要记号(symbol)ⅩⅤ

第1章绪论1

1.1系统辨识的发展2

1.2经典系统辨识方法的缺陷3

1.3鲁棒控制建模问题的提出与发展6

1.4本书的构成7

1.5附注9

第2章模型集辨识的数学基础10

2.1凸集、凸函数与凸优化10

2.1.1凸集合10

2.1.2凸函数11

2.1.3凸优化12

2.2信号与系统的范数16

2.3哈代空间与插值理论19

2.3.1哈代空间19

2.3.2插值理论21

2.4Hankel范数函数近似26

2.5随机信号离散傅里叶变换的统计特性33

2.6系统辨识中的正交基39

2.7附注45

第3章模型集辨识与鲁棒控制的关系46

3.1模型集的描述47

3.2小增益定理49

3.3模型集辨识53

3.4附注59

第4章确定性框架下的模型集辨识——频域实验数据情形61

4.1频域模型集辨识的问题描述61

4.2先验信息独立型线性辨识算法62

4.3先验信息依存型线性辨识算法72

4.4先验信息独立型非线性辨识算法79

4.4.1基于AAK定理的辨识算法80

4.4.2权函数选择82

4.5基于频域实验数据的非伪模型构造89

4.6基于NevanlinnaPick插值理论的辨识算法98

4.7附注102

第5章确定性框架下的模型集辨识——时域实验数据情形104

5.1问题描述105

5.2非伪模型集的构造106

5.3插值型辨识算法118

5.4近似插值型辨识算法125

5.5附注131

第6章随机框架下的模型集辨识——时域实验数据情形132

6.1时域信号下的模型集辨识——一般情形133

6.1.1问题描述133

6.1.2辨识算法134

6.1.3辨识误差135

6.1.4先验信息估计143

6.2基于时域信号的模型集辨识——周期激励信号情形144

6.2.1问题描述144

6.2.2辨识算法145

6.2.3误差分析146

6.3附注159

第7章随机框架下的模型集辨识——频域实验数据情形161

7.1有限维系统辨识162

7.1.1问题描述162

7.1.2辨识算法Ⅰ——实验数据均匀分布情形162

7.1.3辨识算法的特性165

7.1.4辨识算法Ⅱ——实验数据非均匀分布的情形175

7.2无限维系统辨识180

7.2.1问题描述180

7.2.2辨识算法180

7.2.3辨识算法的特性182

7.3附注201

第8章模型集检验——时域实验数据情形203

8.1模型集检验的时域描述204

8.2具有非构造性误差的模型集检验207

8.3误差具有结构性信息时的模型集检验210

8.4最小模型集辨识214

8.5附注218

第9章模型集检验——频域实验数据情形219

9.1输入输出数据情形220

9.1.1非构造性名义模型误差221

9.1.2构造性模型误差232

9.2基于控制对象频率响应估计的模型集检验233

9.3随机框架下的模型集检验239

9.4一个模型集检验的数值仿真例251

9.5附注254

第10章模型集的闭环辨识与检验255

10.1YoulaKucera参数化定理256

10.2正规互质因子的闭环辨识259

10.2.1非参数估计260

10.2.2非参数估计的统计特性及待定参数选择269

10.2.3正规互质因子的参数辨识279

10.2.4一个数值仿真例286

10.3正规互质因子扰动模型集的闭环检验290

10.4附注302

参考文献303

索引312