 |
-- 會員 / 註冊 --
|
 |
|
|
|
系統辨識 ( 簡體 字) |
| 作者：陳曦,姜月萍,牟必強 | 類別：1. -> 程式設計 -> 綜合 |
| 譯者： |
| 出版社：電子工業出版社 |  3dWoo書號： 46657
詢問書籍請說出此書號！【缺書】
NT售價： 395 元 |
| 出版日：4/1/2017 |
| 頁數：449 |
| 光碟數：0 |
|
站長推薦：   |
| 印刷：黑白印刷 | 語系： ( 簡體 版 ) |
| |
加入購物車  │加到我的最愛
(請先登入會員) |
| ISBN：9787121296055 |
| 作者序 | 譯者序 | 前言 | 內容簡介 | 目錄 | 序 |
| (簡體書上所述之下載連結耗時費功, 恕不適用在台灣, 若讀者需要請自行嘗試, 恕不保證) |
| 作者序： |
| 譯者序： |
前言：譯者序
系統辨識廣泛地應用于工程的各個領域。T.S?derstr?m教授及P.Stoica教授都是系統辨識領域著名的學者，對系統辨識的發展有著重要的貢獻。由他們合著的System Identification是學習系統辨識理論的幾本經典著作之一，也曾是我進入系統辨識領域的一本重要參考書。
本書的前6章包含了系統辨識重要的基礎內容，非常精煉但很全面，有助于初學者快速地獲取從事系統辨識工作的基本知識；后6章則涉及了系統辨識的幾個重要專題，包括至今常用的兩個重要方法：預報誤差法、輔助變量法,以及遞推辨識、閉環辨識、模型結構驗證及應用的準則。這些專題至今依然在不斷地發展豐富中，本書所提出的思想及一些準則依然影響著現在的研究及工程應用，可以說本書為從事相關專題研究及應用的讀者提供了很好的入門材料。
這本書雖然寫成于20多年前，但由于其內容充分包含了系統辨識在20世紀70~80年代發展史上最為黃金時代所取得的重要成果，因此在今天看來，也依然是進入系統辨識這個領域的一本非常好的入門書。
本書的符號正斜體部分與原書保持一致，書末提供部分習題答案及提示。
如今，在Stoica教授及電子工業出版社的努力下，由陳曦博士等幾位年輕人將這本書翻譯成中文，我相信這將方便我國相關領域的研究及應用人員更為快速地獲取系統辨識的相關基礎知識，推動我國在相關領域的發展。
因時間倉促，錯誤再所難免，望讀者諒解。
方海濤
2016年3月
前言
系統辨識是研究用實驗數據對系統進行數學建模的領域，在許多其他領域中都有廣泛應用。在控制和系統工程中，系統辨識方法用來對調節器的合成、設計預測算法或模擬數據等問題給出適合的模型。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），系統辨識得到的模型用來進行頻譜分析、故障檢測、模式識別、適應濾波、線性預測等。在生物、環境科學、計量經濟學等非技術領域中，系統辨識方法還可以用于建立合適的模型，從而對辨識對象進一步獲得科學性的認識，或進行預測和控制。
本書可以作為高年級的本科生和研究生階段的系統辨識課程教材。它能夠方便讀者對系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出了必要的背景知識。本書主要為課堂學習而撰寫，但也可作為自學材料。
為了既能成為系統辨識領域中的基礎教材，還可以作為高級課程的課本，同時適用于學生和研究者，本書將做如下安排。每章都包含適于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）。對于短期課程或本科生課程來說，可以跳過這些補充內容。對于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了起來；一些將會在后文中引用到的結論都用虛線框圈了起來；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。在本書末尾還安排了一些關于線性代數、矩陣論、概率論以及統計知識的背景知識，集結成了附錄A和附錄B。除了第1章外，所有章后面都安排了習題供讀者思考。其中，一些習題是對本章結論的說明，并不太難；還安排了一些較復雜的習題給出了新的結論和觀點。因此，習題不僅可作為家庭作業，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面。對于這些習題，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系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。
為了能夠給出一些提示，方便進一步閱讀，我們給出了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，可能也并非必要。
我們假設閱讀本書的讀者已經有了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歷，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）和動態系統模型等。在本書末尾的附錄我們給出了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后成書十分有用。
在本書的撰寫過程中，我們得到了許多友人不同程度的幫助，在此致以最誠摯的謝意。
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。
有不少友人閱讀了這本書的初稿，并給出了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，他們提出了許多寶貴建議。
撰寫這本書的緣由是Dr.Greg Meira邀請了本書第一作者于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，最終形成了現在的版本。
這本書的準備和出版經過了相當長的一段時間。多虧了Ylva Johansson, Ingrid Ring鍩rd, Maria Dahlin, Helena Jansson, Ann-Cristin Lundquist, Lis Timner的耐心和堅持，承擔了煩瑣的打字輸入、修訂工作,在此對他們多年的付出表示衷心感謝。
文中的一些圖是用某些軟件做的，其中某些參數估計用了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）制作的。
我們也非常高興能與Prentice Hall International合作，感謝Professor Mike Grimble, Andrew Binnie, Glen Murray，Ruth Freestone的鼓勵和支持。此外，要特別感謝Richard Shaw對本書裝幀設計方面提供的寶貴意見。
Torsten S?derstr?m
Uppsala
Petre Stoica
Bucharest |
內容簡介：本書是系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，以及該領域專家、學者的介紹。全書共12章，包括引言、概論、非參數方法、線性回歸、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、閉環工作下的系統辨識、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。 |
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、線性濾波39
附錄A3.2相關性分析的精度41
第4章 線性回歸43
4.1最小二乘估計43
4.2最小二乘估計分析47
4.3最優線性無偏估計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線性約束下的最優線性無偏估計60
補充內容C4.2在線估計線性回歸模型的參數62
補充內容C4.3協方差矩陣容許非奇異時線性回歸模型的最優線性無偏估計64
補充內容C4.4某類非線性回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關于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最長偽隨機二進制序列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/輸出協方差矩陣的正定性131
第7章 預報誤差方法132
7.1最小二乘法回顧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系141
7.5理論分析144
7.6計算方面151
小結154
習題155
附錄 A7.1多變量系統PEM估計的協方差矩陣162
補充內容C7.1依賴于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輸出誤差方法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、輸出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計算方面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系統方程的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實踐方面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多變量回歸模型的快速LS格型算法270
第10章 閉環工作下的系統辨識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/輸出聯合辨識287
10.6精確性290
小結293
習題294
推薦文獻298
附錄A10.1聯合輸入/輸出辨識的分析298
補充內容 C10.1預報誤差方法運用到運行在一般線性反饋下的ARMAX系統的可辨識性質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處理非零均值和干擾的漂移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軟件方面361
12.12結束語361
習題362
推薦文獻366
附錄A關于矩陣的結果368
A.1分塊矩陣368
A.2線性方程的最小二乘解，偽逆以及奇異值分解373
A.3QR方法380
A.4矩陣范數和數值精度385
A.5冪等矩陣388
A.6Sylvester 矩陣391
A.7Kronecker 積393
A.8關于正定矩陣的一個優化問題394
推薦文獻395
附錄B關于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極大后驗和極大似然參數估計405
B.4Cramer-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
術語表437
部分習題答案及提示440 |
| 序： |
|
