基于组合式信号源的块结构模型辨识方法

《智能科学技术著作丛书》序前言
第一部分 块结构模型第1章 块结构模型概述1.1 引言1.2 静态非线性环节与动态线性环节的同步辨识法1.2.1 过参数化法1.2.2 子空间法1.2.3 调制函数法1.2.4 直接辨识法1.3 静态非线性环节与动态线性环节的分步辨识法1.3.1 迭代法1.3.2 分离最小二乘法1.3.3 多信号源法1.3.4 盲辨识法1.3.5 频域法1.3.6 随机法1.4 基于Hammerstein模型的控制系统设计1.5 块结构模型研究中存在的关键问题1.6 全书概况参考文献
第二部分 基于二进制—随机复合信号源的块结构模型辨识方法第2章 基于二进制—随机复合信号源的Hammerstein模型辨识方法2.1 基于泰勒级数展开法的Hammerstein模型辨识2.1.1 基于神经模糊的Hammerstein模型2.1.2 基于神经模糊Hammerstein模型的辨识2.1.3 实验结果2.1.4 小结2.2 基于Lyapunoy方法的Hammerstein模型辨识2.2.1 神经模糊Hammerstein模型2.2.2 神经模糊Hammerstein模型辨识2.2.3 实验结果2.2.4 小结参考文献第3章 基于二进制—随机复合信号源的Hammerstein-Wiener模型辨识方法3.1 基于二进制—随机复合信号源的Hammerstein-Wiener模型3.1.1 神经模糊Hammerstein-Wiener模型3.1.2 神经模糊Hammerstein-Wiener模型各串联环节的分离3.1.3 基于神经模糊Hammerstein-Wiener模型的控制系统3.1.4 实验结果3.1.5 小结3.2 基于两阶段复合信号的Hammerstein-Wiener模型3.2.1 基于两阶段复合信号的神经模糊Hammerstein-Wiener模型3.2.2 实验结果3.2.3 小结参考文献第4章 含过程噪声的块结构模型二进制一随机复合信号源辨识方法4.1 基于辅助模型递推最小二乘法的Hammerstein模型4.1.1 一类含过程噪声的Hammerstein模型4.1.2 基于辅助模型递推最小二乘法的Hammerstein模型多信号源辨识方法4.1.3 实验结果4.1.4 小结4.2 基于偏差补偿递推最小二乘法的Hammerstein-Wiener模型4.2.1 一类含过程噪声的Hammerstein-Wiener模型4.2.2 基于偏差补偿递推最小二乘法的Hammerstein-Wiener模型多信号源辨识方法4.2.3 实验结果4.2.4 小结4.3 基于辅助模型多新息随机梯度法的Hammerstein模型4.3.1 基于辅助模型多新息随机梯度法的Hammerstein模型多信号源辨识方法4.3.2 实验结果4.3.3 小结参考文献
第三部分 基于可分离信号源的块结构模型辨识方法第5章 基于可分离信号源的多输入多输出Hammerstein模型辨识方法5.1 多输入多输出Hammerstein模型5.2 基于可分离信号源的多输入多输出Hammerstein模型辨识5.2.1 基于神经模糊的多输人多输出Hammerstein模型5.2.2 基于可分离信号源的多输入多输出Hammerstein模型辨识5.2.3 实验结果5.2.4 小结参考文献第6章 含过程噪声的多输入多输出Hammerstein模型可分离信号源辨识方法6.1 含过程噪声的多输人多输出Hammerstein模型辨识6.1.1 含过程噪声的多输人多输出Hammerstein模型6.1.2 含过程噪声的多输入多输出Hammerstein模型辨识6.1.3 实验结果6.1.4 小结6.2 基于可分离信号的Hammerstein输出误差滑动平均系统辨识6.2.1 Hammerstein输出误差滑动平均系统6.2.2 神经模糊Hammerstein输出误差滑动平均系统辨识6.2.3 实验结果6.2.4 小结参考文献第7章 含过程噪声的Hammerstein-Wiener模型可分离信号源辨识方法7.1 基于可分离信号的Hammerstein-Wiener模型辨识方法7.1.1 神经模糊Hammerstein-Wiener模型7.1.2 神经模糊Hammerstein-Wiener模型辨识方法7.1.3 基于Hammerstein-Wiener模型的控制系统设计7.1.4 实验结果7.1.5 小结7.2 基于递推广义增广最小二乘法的Hammerstein-Wiener模型可分离信号源辨识7.2.1 噪声干扰下的FIR Hammerstein-Wiener模型7.2.2 基于递推广义增广最小二乘法的Hammerstein-Wiener辨识7.2.3 实验结果7.2.4 小结参考文献