《系统辨识(人工智能与智能系统)/经典译丛》（(瑞典)托尔斯滕·瑟德斯特伦//彼得·斯托伊卡|译者:陈曦//姜月萍//牟必强）-图书推荐

内容提要

托尔斯滕·瑟德斯特伦、彼得·斯托伊卡著，陈曦、姜月萍、牟必强译的《系统辨识(人工智能与智能系统)/经典译丛》是系统辨识领域的经典著作，内容包括该领域的基本概念和研究成果，以及该领域专家、学者的介绍。全书共12章，包括引言、概论、非参数方法、线性回归、输入信号、模型的参数化、预报误差法、辅助工具变量法、递推辨识方法、闭环工作下的系统辨识、模型验证与模型结构的确定、实际应用。本书在介绍理论的过程中辅以实例，每章末均带有习题。本书可作为高等院校电气、自动化及相关专业高年级本科生和硕士研究生的教学用书，也可供从事自动控制理论研究及技术开发人员阅读参考。

目录

第1章 引言
第2章 概论
2.1 相关概念S、M、I、X
2.2 一个基本例子
2.3 非参数方法
2.4 一个参数化方法
2.5 偏差、相容性和近似模型
2.6 一个退化的实验条件
2.7 反馈的作用
总结与展望
习题
文献
第3章 非参数方法
3.1 介绍
3.2 瞬态分析
3.3 频率分析
3.4 相关性分析
3.5 谱分析
小结
习题
文献
附录 A3.1 协方差函数、谱密度、线性滤波
附录 A3.2 相关性分析的精度
第4章 线性回归
4.1 小二乘估计
4.2 小二乘估计分析
4.3 线性无偏估计
4.4 确定模型维数
4.5 相关计算
小结
习题
文献
补充内容 C4.1 线性约束下的 线性无偏估计
补充内容 C4.2 在线估计线性回归模型的参数
补充内容 C4.3 协方差矩阵容许非奇异时线性回归模型的 线性无偏估计
补充内容 C4.4 某类非线性回归模型参数的渐进 相容估计
第5章 输入信号
5.1 常用输入信号
5.2 频谱特性
5.3 低通滤波
5.4 持续激励
小结
习题
文献
附录 A5.1 周期信号的频谱性质
补充内容 C5.1 关于持续激励输入的差分方程模型
补充内容 C5.2 滤波白噪声的协方差矩阵的条件数
补充内容 C5.3 长伪随机二进制序列
第6章 模型的参数化
6.1 模型的分类
6.2 一般的模型类
6.3 性
6.4 可辨识性
小结
习题
文献
附录 A6.1 谱分解
补充内容 C6.1 多项式模型的 性
补充内容 C6.2 参数化的 性以及输入/输出协方差矩阵的正定性
第7章 预报误差方法
7.1 小二乘法回顾
7.2 预报误差方法的具体描述
7.3 预报
7.4 预报误差方法和其他辨识方法的联系
7.5 理论分析
7.6 计算方面
小结
习题
附录 A7.1 多变量系统PEM估计的协方差矩阵
补充内容 C7.1 依赖于估计所用损失函数的模型近似
补充内容 C7.2 ARMA过程的多步预报
补充内容 C7.3 全多项式形式模型的 小二乘参数估计
补充内容 C7.4 增广 小二乘法
补充内容 C7.5 输出误差方法
补充内容 C7.6 ARMA过程的PEM损失函数的单峰性
补充内容 C7.7 AR和ARMA过程参数的 极大似然估计
补充内容 C7.8 输入、输出数据带噪声的极大似然估计
第8章 辅助变量法
8.1 辅助变量法描述
8.2 理论分析
8.3 计算方面
小结
习题
文献
附录 A8.1 IV估计的协方差矩阵
附录 A8.2 IV与预报误差估计的比较
补充内容 C8.1 Yule-Walker方程
补充内容 C8.2 Levinson-Durbin算法
补充内容 C8.3 一种求解非对称Yule-Walker系统方程的Levinson型算法
补充内容 C8.4 小- IV方法
补充内容 C8.5 加权扩展IV方法
补充内容 C8.6 Whittle-Wiggins-Robinson算法
第9章 递推辨识方法
9.1 引言
9.2 递推 小二乘法
9.3 实时辨识
9.4 递推辅助变量方法
9.5 递推预报误差方法
9.6 理论分析
9.7 实践方面
小结
习题
文献
补充内容 C9.1 递推扩展辅助变量方法
补充内容 C9.2 AR模型的快速 小二乘格型算法
补充内容 C9.3 多变量回归模型的快速LS格型算法
0章 闭环工作下的系统辨识
10.1 介绍
10.2 可辨识性
10.3 直接辨识
10.4 非直接辨识
10.5 输入/输出联合辨识
10.6 性
小结
习题
文献
附录 A10.1 联合输入/输出辨识的分析
补充内容 C10.1 预报误差方法运用到运行在一般线性反馈下的ARMAX系统的可辨识性质
1章 模型验证与模型类的确定
11.1 介绍
11.2 模型足够灵活吗
11.3 模型太复杂吗
11.4 精简原则
11.5 模型类的比较
小结
习题
文献
附录 A11.1 协方差函数检验的分析
附录 A11.2 准则函数相对减小的渐近分布
2章 实际应用
12.1 介绍
12.2 实验条件X的设计
12.3 处理非零均值和干扰的漂移
12.4 模型类M的确定
12.5 时间延迟
12.6 初始条件
12.7 辨识方法I的选择
12.8 局部极小点
12.9 稳健性
12.10 模型检验
12.11 软件方面
12.12 结束语
习题
文献
附录A 关于矩阵的结果
A.1 分块矩阵
A.2 线性方程的 小二乘解，伪逆以及奇异值分解
A.3 QR方法
A.4 矩阵范数和数值精度
A.5 幂等矩阵
A.6 Sylvester矩阵
A.7 Kronecker积
A.8 关于正定矩阵的一个优化问题
文献
附录B 关于概率论和统计的相关结果
B.1 随机变量的收敛性
B.2 高斯及相关分布
B.3 极大后验和极大似然参数估计
B.4 Cramér-Rao下界
B.5 小方差估计
B.6 条件高斯分布
B.7 Kalman-Bucy 滤波
B.8 渐进
B.9 Monte Carlo分析的精度
文献
参考文献
部分习题答案及提示
术语表

卖贝商城 推荐：《系统辨识(人工智能与智能系统)/经典译丛》（(瑞典)托尔斯滕·瑟德斯特伦//彼得·斯托伊卡|译者:陈曦//姜月萍//牟必强）