係統辨識 [System Identification] epub pdf mobi txt 電子書 下載 2024

係統辨識 [System Identification] epub pdf mobi txt 電子書 下載 2024

☆☆☆☆☆
簡體網頁||繁體網頁



點擊這裡下載

係統辨識 [System Identification] epub pdf mobi txt 電子書 下載 2024

类似图書 點擊查看全場最低價

---

內容簡介

本書是係統辨識領域的經典著作，內容包括該領域的基本概念和研究成果，以及該領域專傢、學者的介紹。全書共12章，包括引言、概論、非參數方法、綫性迴歸、輸入信號、模型的參數化、預報誤差法、輔助工具變量法、遞推辨識方法、閉環工作下的係統辨識、模型驗證與模型結構的確定、實際應用。本書在介紹理論的過程中輔以實例，每章末均帶有習題。

作者簡介

Petre Stoica是國際著名信號處理大師，IEEE信號處理協會技術成就奬獲得者，也是瑞典烏普薩拉大學信息技術係的係統建模教授。他是IEEE會士、瑞典皇傢統計學會會員、瑞典皇傢工程科學院成員和羅馬尼亞科學院的名譽院士。他的榮譽包括榮譽博士學位、4個*佳論文奬和3個技術成就奬。
方海濤，中國科學院數學與係統科學研究院研究員，分彆於1990年、1993年、1996年在北京大學、清華大學和北京大學獲得學士、碩士和博士學位，長期從事隨機係統辨識與控製領域的研究工作，已在國際**期刊發錶論文20多篇。現任中國科學院數學與係統科學研究院基地研究員。

目錄

目錄

第1章 引言1

第2章 概論7
2．1相關概念S、M、I、X7
2．2一個基本例子7
2．3非參數方法8
2．4一個參數化方法10
2．5偏差、相容性和近似模型13
2．6一個退化的實驗條件17
2．7反饋的作用19
總結與展望20
習題22
推薦文獻23

第3章 非參數方法24
3．1介紹24
3．2瞬態分析24
3．3頻率分析28
3．4相關性分析30
3．5譜分析31
小結35
習題36
推薦文獻39
附錄A3．1協方差函數、譜密度、綫性濾波39
附錄A3．2相關性分析的精度41

第4章 綫性迴歸43
4．1最小二乘估計43
4．2最小二乘估計分析47
4．3最優綫性無偏估計48
4．4確定模型維數51
4．5相關計算54
小結56
習題56
推薦文獻60
補充內容C4．1綫性約束下的最優綫性無偏估計60
補充內容C4．2在綫估計綫性迴歸模型的參數62
補充內容C4．3協方差矩陣容許非奇異時綫性迴歸模型的最優綫性無偏估計64
補充內容C4．4某類非綫性迴歸模型參數的漸進最優相容估計66

第5章 輸入信號70
5．1常用輸入信號70
5．2頻譜特性73
5．3低通濾波80
5．4持續激勵84
小結88
習題89
推薦文獻91
附錄 A5．1周期信號的頻譜性質91
補充內容 C5．1關於持續激勵輸入的差分方程模型94
補充內容C5．2濾波白噪聲的協方差矩陣的條件數96
補充內容 C5．3最長僞隨機二進製序列97

第6章 模型的參數化104
6．1模型的分類104
6．2一般的模型類105
6．3唯一性114
6．4可辨識性119
小結119
習題120
推薦文獻122
附錄A6．1譜分解122
補充內容 C6．1完全多項式模型的唯一性130
補充內容C6．2參數化的唯一性以及輸入/輸齣協方差矩陣的正定性131

第7章 預報誤差方法132
7．1最小二乘法迴顧132
7．2預報誤差方法的具體描述134
7．3最佳預報137
7．4預報誤差方法和其他辨識方法的聯係141
7．5理論分析144
7．6計算方麵151
小結154
習題155
附錄 A7．1多變量係統PEM估計的協方差矩陣162
補充內容C7．1依賴於估計所用損失函數的模型近似163
補充內容C7．2ARMA過程的多步預報164
補充內容C7．3全多項式形式模型的最小二乘參數估計167
補充內容C7．4增廣最小二乘法169
補充內容C7．5輸齣誤差方法172
補充內容C7．6ARMA過程的PEM損失函數的單峰性178
補充內容C7．7AR和ARMA過程參數的精確極大似然估計180
補充內容C7．8輸入、輸齣數據帶噪聲的極大似然估計184

第8章 輔助變量法188
8．1輔助變量法描述188
8．2理論分析191
8．3計算方麵200
小結202
習 題203
推薦文獻205
附錄A8．1IV估計的協方差矩陣206
附錄A8．2最佳IV與預報誤差估計的比較207
補充內容C8．1Yule-Walker方程209
補充內容C8．2Levinson-Durbin算法211
補充內容C8．3一種求解非對稱Yule-Walker係統方程的Levinson型算法216
補充內容C8．4最小-最大最佳IV方法220
補充內容C8．5最優加權擴展IV方法221
補充內容C8．6Whittle-Wiggins-Robinson 算法225

第9章 遞推辨識方法233
9．1引言233
9．2遞推最小二乘法234
9．3實時辨識235
9．4遞推輔助變量方法238
9．5遞推預報誤差方法239
9．6理論分析243
9．7實踐方麵251
小結253
習題253
推薦文獻258
補充內容C9．1遞推擴展輔助變量方法259
補充內容C9．2 AR模型的快速最小二乘格型算法261
補充內容C9．3多變量迴歸模型的快速LS格型算法270

第10章 閉環工作下的係統辨識276
10．1介紹276
10．2可辨識性276
10．3直接辨識281
10．4非直接辨識286
10．5輸入/輸齣聯閤辨識287
10．6精確性290
小結293
習題294
推薦文獻298
附錄A10．1聯閤輸入/輸齣辨識的分析298
補充內容 C10．1預報誤差方法運用到運行在一般綫性反饋下的ARMAX係統的可辨識性質300

第11章 模型驗證與模型類的確定305
11．1介紹305
11．2模型足夠靈活嗎305
11．3模型太復雜嗎312
11．4精簡原則316
11．5模型類的比較318
小結325
習題325
推薦文獻329
附錄A11．1協方差函數檢驗的分析330
附錄A11．2準則函數相對減小的漸近分布333

第12章 實際應用338
12．1介紹338
12．2實驗條件X的設計338
12．3處理非零均值和乾擾的漂移342
12．4模型類M的確定347
12．5時間延遲352
12．6初始條件353
12．7辨識方法I的選擇 354
12．8局部極小點355
12．9穩健性356
12．10模型檢驗359
12．11軟件方麵361
12．12結束語361
習題362
推薦文獻366

附錄A關於矩陣的結果368
A．1分塊矩陣368
A．2綫性方程的最小二乘解，僞逆以及奇異值分解373
A．3QR方法380
A．4矩陣範數和數值精度385
A．5冪等矩陣388
A．6Sylvester 矩陣391
A．7Kronecker 積393
A．8關於正定矩陣的一個優化問題394
推薦文獻395

附錄B關於概率論和統計的相關結果396
B．1隨機變量的收斂性396
B．2高斯及相關分布399
B．3極大後驗和極大似然參數估計405
B．4Cramér-Rao下界406
B．5最小方差估計409
B．6條件高斯分布410
B．7Kalman-Bucy 濾波412
B．8漸進413
B．9Monte Carlo分析的精度417
推薦文獻419
參考文獻421
術語錶437
部分習題答案及提示440

前言/序言

係統辨識是研究用實驗數據對係統進行數學建模的領域，在許多其他領域中都有廣泛應用。在控製和係統工程中，係統辨識方法用來對調節器的閤成、設計預測算法或模擬數據等問題給齣適閤的模型。在信號處理的應用中（如通信、地球物理工程學及機械工程學），係統辨識得到的模型用來進行頻譜分析、故障檢測、模式識彆、適應濾波、綫性預測等。在生物、環境科學、計量經濟學等非技術領域中，係統辨識方法還可以用於建立閤適的模型，從而對辨識對象進一步獲得科學性的認識，或進行預測和控製。

本書可以作為高年級的本科生和研究生階段的係統辨識課程教材。它能夠方便讀者對係統辨識領域有一個深入的理解；為方便對該領域進行研究它還給齣瞭必要的背景知識。本書主要為課堂學習而撰寫，但也可作為自學材料。

為瞭既能成為係統辨識領域中的基礎教材，還可以作為高級課程的課本，同時適用於學生和研究者，本書將做如下安排。每章都包含適於研究生和高年級本科生的教材。大多數章節增添額外的小節，稱為補充內容，用來進一步介紹相關內容（通常是更具體的、層次更高的內容）。對於短期課程或本科生課程來說，可以跳過這些補充內容。對於其他程度的課程來說，教師可以根據情況做選擇，目的是能夠讓學生對具體方法和算法實現進行深入理解。整本書中，至關重要的結果都用實心框圈瞭起來；一些將會在後文中引用到的結論都用虛綫框圈瞭起來；一些較復雜的推導過程或計算安排在當前章節的末尾，作為本章節的附錄。在本書末尾還安排瞭一些關於綫性代數、矩陣論、概率論以及統計知識的背景知識，集結成瞭附錄A和附錄B。除瞭第1章外，所有章後麵都安排瞭習題供讀者思考。其中，一些習題是對本章結論的說明，並不太難；還安排瞭一些較復雜的習題給齣瞭新的結論和觀點。因此，習題不僅可作為傢庭作業，也會給讀者帶來一些更高層次的挑戰。每一章中簡單習題安排在較難習題的前麵。對於這些習題，書未附有部分習題的解答可供參閱。

本書不包含計算機上的練習。然而，我們覺得讀者能夠真正會用辨識方法十分重要，以真實數據為基礎更好。實際操作可以使得讀者對係統辨識方法的實用價值做深入理解，僅僅靠閱讀圖書不容易獲得這些體驗。正如我們在第12章中所提到的，計算機中有許多好的程序包能夠方便使用。

為瞭能夠給齣一些提示，方便進一步閱讀，我們給齣瞭一些關鍵的參考文獻。找到所涉及領域的所有參考文獻會是一個巨大的工程，可能也並非必要。

我們假設閱讀本書的讀者已經有瞭一些相關的知識背景，至少已經在電氣工程等領域有過高水平的學習經曆，包括一些基本的概率論常識、統計估計理論，以及時間序列分析（或離散時間隨機過程）和動態係統模型等。在本書末尾的附錄我們給齣瞭一些必要的背景知識。

本書已初步在不同方式下為讀者所使用過，包括常規的研究生和本科生課程，研究生和相關業內人士的強化課程，以及研究生課程和自主學習的課外閱讀。本書課程內容以多種方式在Uppsala University, Polytechnic Institute of Bucharest, Lund Institute of Technology, Royal Institute of Technology, Stockholm, Yale University, INTEC，Santa Fe，Argentina等院校做過實驗，從中獲得的經驗對最後成書十分有用。

在本書的撰寫過程中，我們得到瞭許多友人不同程度的幫助，在此緻以最誠摯的謝意。

要感謝我們的同事Professor Karl Johan ?str?m， Professor Pieter Eykhoff, Dr.Ben Friedlander, Professor Lennart Ljung, Professor Arye Nehorai， Professor Mihai Terti?to，他們直接或間接地對我們研究成果有過幫助。

有不少友人閱讀瞭這本書的初稿，並給齣瞭許多非常有用的改進建議，尤其要感謝Professor Randy Moses, Professor Arye Nehorai, Dr. John Norton的精彩評論。我們還要感謝來自Uppsala University, Polytechnic Institute of Bucharest, INTEC at Santa Fe, Yale University的同學們，他們提齣瞭許多寶貴建議。

撰寫這本書的緣由是Dr.Greg Meira邀請瞭本書第一作者於1983年在INTEC, Santa Fe講授一個短期研究生課程。那門課程所講授的材料逐漸被我們擴展、修改，最終形成瞭現在的版本。

這本書的準備和齣版經過瞭相當長的一段時間。多虧瞭Ylva Johansson, Ingrid Ring�zrd, Maria Dahlin, Helena Jansson, Ann-Cristin Lundquist, Lis Timner的耐心和堅持，承擔瞭煩瑣的打字輸入、修訂工作,在此對他們多年的付齣錶示衷心感謝。

文中的一些圖是用某些軟件做的，其中某些參數估計用瞭IDPAC軟件包（由Lund Institute of Technology公司開發），還有一些一般性的圖是用BLAISE（由法國INRIA開發）製作的。

我們也非常高興能與Prentice Hall International閤作，感謝Professor Mike Grimble, Andrew Binnie, Glen Murray，Ruth Freestone的鼓勵和支持。此外，要特彆感謝Richard Shaw對本書裝幀設計方麵提供的寶貴意見。

Torsten Sderstrm

Uppsala

Petre Stoica

Bucharest

係統辨識 [System Identification] epub pdf mobi txt 電子書 下載 2024

係統辨識 [System Identification] 下載 epub mobi pdf txt 電子書

評分☆☆☆☆☆

評分☆☆☆☆☆

評分☆☆☆☆☆

評分☆☆☆☆☆

評分☆☆☆☆☆

評分☆☆☆☆☆

評分☆☆☆☆☆

評分☆☆☆☆☆

評分☆☆☆☆☆

类似图書 點擊查看全場最低價