面向控制的系統(tǒng)辨識導(dǎo)論

書中采用的主要符號（notation）
書中采用的主要記號（symbol）
第1章 緒論
  1.1 系統(tǒng)辨識的發(fā)展
  1.2 經(jīng)典系統(tǒng)辨識方法的缺陷
  1.3 魯棒控制建模問題的提出與發(fā)展
  1.4 本書的構(gòu)成
  1.5 附注
第2章 模型集辨識的數(shù)學(xué)基礎(chǔ)
  2.1 凸集、凸函數(shù)與凸優(yōu)化
  2.2 信號與系統(tǒng)的范數(shù)
  2.3 哈代空間與插值理論
  2.4 Hankel范數(shù)函數(shù)近似
  2.5 隨機(jī)信號離散傅里葉變換的統(tǒng)計(jì)特性
  2.6 系統(tǒng)辨識中的正交基
  2.7 附注
第3章 模型集辨識與魯棒控制的關(guān)系
  3.1 模型集的描述
  3.2 小增益定理
  3.3 模型集辨識
  3.4 附注
第4章 確定性框架下的模型集辨識——頻域?qū)嶒?yàn)數(shù)據(jù)情形
  4.1 頻域模型集辨識的問題描述
  4.2 先驗(yàn)信息獨(dú)立型線性辨識算法
  4.3 先驗(yàn)信息依存型線性辨識算法
  4.4 先驗(yàn)信息獨(dú)立型非線性辨識算法
  4.5 基于頻域?qū)嶒?yàn)數(shù)據(jù)的非偽模型構(gòu)造
  4.6 基于Nevanlinna-Pick插值理論的辨識算法
  4.7 附注
第5章 確定性框架下的模型集辨識——時(shí)域?qū)嶒?yàn)數(shù)據(jù)情形
  5.1 問題描述
  5.2 非偽模型集的構(gòu)造
  5.3 插值型辨識算法
  5.4 近似插值型辨識算法
  5.5 附注
第6章 隨機(jī)框架下的模型集辨識——時(shí)域?qū)嶒?yàn)數(shù)據(jù)情形
  6.1 時(shí)域信號下的模型集辨識——一般情形
  6.2 基于時(shí)域信號的模型集辨識——周期激勵(lì)信號情形
  6.3 附注
第7章 隨機(jī)框架下的模型集辨識——頻域?qū)嶒?yàn)數(shù)據(jù)情形
  7.1 有限維系統(tǒng)辨識
  7.2 無限維系統(tǒng)辨識
  7.3 附注
第8章 模型集檢驗(yàn)——時(shí)域?qū)嶒?yàn)數(shù)據(jù)情形
  8.1 模型集檢驗(yàn)的時(shí)域描述
  8.2 具有非構(gòu)造性誤差的模型集檢驗(yàn)
  8.3 誤差具有結(jié)構(gòu)性信息時(shí)的模型集檢驗(yàn)
  8.4 最小模型集辨識
  8.5 附注
第9章 模型集檢驗(yàn)——頻域?qū)嶒?yàn)數(shù)據(jù)情形
  9.1 輸入輸出數(shù)據(jù)情形
  9.2 基于控制對象頻率響應(yīng)估計(jì)的模型集檢驗(yàn)
  9.3 隨機(jī)框架下的模型集檢驗(yàn)
  9.4 一個(gè)模型集檢驗(yàn)的數(shù)值仿真例
  9.5 附注
第10章 模型集的閉環(huán)辨識與檢驗(yàn)
  10.1 Youla-Kucera參數(shù)化定理
  10.2 正規(guī)互質(zhì)因子的閉環(huán)辨識
  10.3 正規(guī)互質(zhì)因子擾動(dòng)模型集的閉環(huán)檢驗(yàn)
  10.4 附注
參考文獻(xiàn)