系統辨識理論及應用（簡體書）

問世於20世紀80年代後期的《過程辨識》是本書的初版，初版書一直在清華大學及國內多所高等學校自動化專業教學中使用。許多現已成為國內自動化界知名的學者也都讀過本書的初版，有些學生出國留學也不忘將本書的初版帶在身邊，以備翻閱。20世紀90年代初，我國台灣格致圖書公司還將本書的初版翻印成繁體書發行。二十多年過去了，明知初版書存在許多問題，但一直沒有動筆修訂，只因覺得對辨識的認識彷彿越來越粗淺，不敢貿然提筆。
現今，辨識領域的研究和教學都發生了很大的變化，辨識的知識不斷豐富和完善，作者從1982年至2011年一直為大學高年級學生和研究生講授辨識課程，在教學活動中與學生和同事相互共勉，對辨識有了進一步的理解，加上作者的老師方崇智先生生前的敦促，而且商定好修訂方案和改寫細節，作者本人也到了致事之年，修訂初版書該是時候了，並按“全國高等學校自動化專業系列教材”的整體規劃，再版書更名為<系統辨識理論及應用》。
系統辨識的應用領域非常廣泛，而且具有科學與技術的雙重屬性和鮮明的工程應用特色，吸引著各類專業技術人才很有激情地在探索辨識的理論及其應用。因此，修訂初版書也是讀者的一種渴望，更是自動化專業高年級學生和研究生的學習需要，或許也是相應專業工程技術人員和麵臨設計各種控制系統工程師潛在的需求，但願再版書能再次燃起各種層次讀者的興趣。
再版書與初版書一樣，依然採用多層次的結構。低層次從概念性和基礎性出發，論述辨識的基礎知識、系統描述與辨識模型、經典與現代的辨識方法、模型結構辨識及辨識問題的實踐考慮等；高層次從系統性、邏輯性和完整性出發，論述辨識信息實驗設計、閉環系統辨識、多變量系統辨識、EIV模型辨識、非均勻採樣系統辨識、辨識算法的一般結構及遞推辨識算法的性能分析等。全書始終突出理論和實踐相結合的原則，論述方法始於物理概念，導出理論結果的同時用仿真例子或工程實例予以驗證。各章給出的例證同時附有關鍵的MATLAB程序段，以便讀者模仿再現，體會辨識的內在真諦。各章配有適量的習題，習題多源於教學實踐的累積，許多習題都是在課堂討論過程中形成的，習題有難有易，對鞏固所學知識非常有益。
再版書仍由17章組成，與初版書比較，刪去了原來的第3、9、10、12和17章，增加了第2、3、11、13、14和16章，初版書的第2章被改編成附錄C和附錄D。再版書的各章內容與初版書大不相同，除了繼承一些經典的知識外，各章都重新編寫。
第1章討論辨識的一些基本概念，包括系統、模型和辨識的定義與表達形式、辨識算法的原理、辨識的誤差準則及辨識的內容和步驟等。作為全書的起點，初學者應該認真細讀，並在學習過程中經常加以回顧，對理解全書的內容會有意想不到的效果。
第2章討論系統描述和辨識模型，包括線性時不變集中參數係統的數學描述及辨識模型形式，對時變系統和非線性系統也有相應的討論。這章內容是從辨識需要的角度論述的，讀起來會有特別的適應感。
第3章討論辨識信息實驗設計，包括辨識輸入信號設計、採樣時間和數據長度的選擇等。這章內容有點抽象，是學習系統辨識必須邁越的門檻。
第4章討論經典的辨識方法，包括相關分析法和譜分析法。這章內容難度不大，然而所討論的辨識方法具有很強的實用性。
第5章～第6章討論最小二乘類辨識方法，包括最小二乘法及其變形、增廣最小二乘法、廣義最小二乘法、輔助變量法、相關二步法和偏差補償最小二乘法等。最小二乘類辨識方法的基本思想是通過極小化某準則函數來確定模型參數的，其中最小二乘法是最基本、應用最廣泛的一種方法，其他方法都是以最小二乘法為基礎的。
第7章討論梯度校正辨識方法，包括梯度搜索原理、確定性與隨機性梯度校正法和隨機逼近與隨機牛頓法等，後者是解決辨識問題一種有效的方法。梯度校正辨識方法的基本思想是沿著某準則函數的負梯度方向逐步修正模型參數的。
第8章討論極大似然法及與之密切相關的預報誤差法，其基本思想是使系統輸出在模型參數條件下概率密度函數最大限度地逼近真實參數模型下的條件概率密度。
第5章～第8章內容涉及三種不同思想的辨識方法，是對眾多辨識方法的分類概括，以便對辨識方法有一個完整的認識。
第9章討論各種辨識算法之間的統一性，包括模型預報值及其關於參數的一階梯度、辨識算法的一般結構、單變量一般模型與狀態空間模型辨識及一般結構辨識算法的實現等問題。這章內容揭示了各種辨識方法之間的內在聯繫，引入統一的模型結構後，構成辨識算法的一般形式，顯現了辨識算法的統一性。
第10章討論模型結構辨識問題，包括單變量系統的模型階次辨識，如Hankel矩陣判秩法、F檢驗法、AIC法與最終預報誤差準則法等以及多變量系統的模型結構辨識，如Guidorzi方法。這章內容難度也不大，和第4章一樣具有很強的實用性。

第1章緒論
1．1引言
1．2系統
1．3模型
1．3．1模型概念
1．3．2建模方法
1．4辨識
1．4．1辨識的定義
1．4．2辨識的表達形式
1．4．3辨識的基本原理
1．5辨識的三要素
1．5．1數據集
1．5．2模型類
1．5．3等價準則
1．6辨識的內容與步驟
1． 7辨識模型的質量
1．8辨識的應用
1．9小結
習題

第2章系統描述與辨識模型
2．1引言
2．2系統描述
2．2．1系統時域描述
2．2．2系統頻域描述
2．3辨識模型
2．3．1線性時不變模型
2．3．2線性時變模型
2．3．3非線性模型
2．4小結
習題

第3章識信息實驗設計
3．1引言
3 ．2辨識信息實驗
3．2．1開環辨識信息實驗
3．2．2持續激勵信號
3．2．3閉環辨識信息實驗
3．3辨識輸入信號設計
3．4採樣時間的選擇
3．5數據長度的選擇
3．6小結
習題

第4章經典的辨識方法
4．1引言
4．2相關分析法
4．2．1頻率響應辨識
4．2．2脈衝響應辨識
4．3譜分析法
4．3．1週期圖法
4．3．2平滑法
4．4由非參數模型求傳遞函數
4．4．1 Hankel矩陣法
4．4．2 Bode圖法
4．4．3 Levy法
4 ．5小結
習題

第5章最小二乘辨識方法
5．1引言
5．2最小二乘批處理算法
5．2．1最小二乘原理
5．2．2最小二乘辨識問題的假設條件
5．2 ．3最小二乘辨識問題的解
5．2．4最小二乘估計的幾何意義
5．2．5最小二乘估計的統計性質
5．3最小二乘遞推辨識算法
5．3．1遞推算法
5．3．2損失函數的遞推計算
5．3．3遞推算法分析
5．3．4遞推算法的幾何解析
5．3．5 RLS算法MATLAB程序實現
5．4最小二乘法的變形
5．4．1加權最小二乘法
5．4．2遺忘因子法
5．4．3折息法
5．4．4協方差調整法
5．4．5帶約束條件的最小二乘法
5．5小結
習題
附辨識算法程序

第6章最小二乘類辨識方法
6．1引言
6．2增廣最小二乘法
6．2．1遞推算法
6．2．2 RELS算法MATLAB程序實現
6．3廣義最小二乘法
6．3．1批處理算法
6．3．2遞推算法
6．3．3 RGLS算法MATLAB程序實現
6．4輔助變量法
6．4．1批處理算法
6．4．2輔助向量的選擇
6．4．3遞推算法
6．4．4 RIV算法MATLAB程序實現
6．5相關二步法
6．5．1 RCOR-LS算法
6．5．2 RCOR-LS算法MATLAB程序實現
6．6偏差補償最小二乘法
6．6．1偏差補償遞推算法
6．6．2 RCLS算法MATLAB程序實現
6 ．7不同噪聲模型下辨識結果比較
6．8小結
習題
附辨識算法程序

第7章梯度校正辨識方法
7．1引言
7．2梯度搜索原理
7．3確定性梯度校正辨識方法
7．3．1梯度校正算法
7．3．2權矩陣的選擇
7．3．3算法性質
7．4隨機性梯度校正辨識方法
7．4．1隨機性辨識問題分類
7．4．2梯度校正補償算法
7．5隨機逼近辨識方法
7．5．1隨機逼近原理
7．5．2隨機逼近算法
7．6隨機牛頓辨識方法
7．6．1牛頓算法
7．6．2隨機牛頓算法
7．7小結
習題

第8章極大似然與預報誤差辨識方法
8．1引言
8．2極大似然辨識方法
8．2．1極大似然原理
8．2．2極大似然模型參數估計
8．2．3極大似然遞推辨識算法
8．2．4 RML算法MATLAB程序實現
8．2．5極大似然估計的統計性質
8．3預報誤差辨識方法
8．3．1預報誤差模型
8．3．2預報誤差準則
8．3．3預報誤差算法
8．3．4預報誤差估計的統計性質
8．4小結
習題
附辨識算法程序
……

第9章遞推辨識算法的一般結構
第10章模型結構辨識
第11章增廣UD分解辨識算法
第12章多變量系統辨識
第13章EIV模型辨識
第14章非均勻採樣系統辨識
第15章閉環系統辨識
第16章遞推辨識算法性能分析
第17章辨識的一些實際考慮及應用

附錄A變量符號·記號約定·縮寫
附錄B辨識實驗指示書
附錄C隨機變量與隨機過程
附錄D偽隨機碼（M序列）及其性質
附錄E矩陣運算
附錄F估計理論
附錄G概率分佈值
附錄H辨識算法程序例

後序
參考文獻
索引