《现代时间序列分析及其应用 建模、滤波、去卷、预报和控制》求取 ⇩

第一章CARMA模型的参数估计和结构辨识1

AR模型辨识2

引言2

非递推最小二乘法4

递推最小二乘法（RLS）5

指数加权最小二乘法—时变参数估计6

模型阶的F检验判决器7

应用实例：太阳黑子建模，机械振动建模，商品零售额建模8

MA模型辨识10

MA参数估计的Gevers-Wouters算法10

仿真例子11

CAR模型辨识12

引言12

RLS参数估计14

模型阶的F检验判决器14

子阶和时滞的F检验判决器15

仿真例子15

应用例子：经济系统建模17

CARMA模型辨识18

引言18

递推增广最小二乘法（RELS）19

模型阶的F检验判决器20

子阶和时滞的F检验判决器20

仿真例子22

CARMA模型的两段最小二乘法辨识25

引言25

用CAR建模产生新息序列25

用改进的RELS算法的参数估计26

仿真例子26

带白色观测噪声的AR模型辨识27

用RELS算法的ARMA新息模型的辨识28

仿真例子29

带有色观测噪声的AR模型辨识29

用RELS算法的ARMA新息模型辨识30

仿真例子31

多变量CAR模型辨识32

引言32

RLS参数估计33

多重递推最小二乘法（MRLS）33

子模型阶的确定35

节省参数模型的阶和时滞的确定35

仿真例子36

多变量CARMA模型辨识40

引言40

RELS参数估计41

子模型阶的确定42

节省参数模型、子阶和时滞的确定43

仿真例子44

多变量CARMA模型的两段最小二乘法辨识46

引言47

用多变量AR建模产生新息序列47

用改进的MRELS算法的参数估计48

模型结构辨识的F检验法48

仿真例子49

第二章新息方法与Hilbert空间中的射影运算54

线性最小方差估计和射影54

线性最小方差估计54

射影及其性质55

新息序列57

无穷维Hilbert空间中的射影运算60

正交射影定理60

新息序列60

规范化正交序列和射影公式61

新息序列的完全性63

射影运算交换极限次序定理64

规范化正交序列的完全性、闭合性、稠密性65

在Hilbert空间中的多维射影运算66

非零均值随机变量的射影问题69

一维情形69

多维情形70

求MA参数的Gevers-Wouters算法70

第三章最优滤波*平滑、去卷及其应用75

Kalman滤波75

Kalman滤波推导75

稳态Kalman滤波80

用时间序列分析方法的稳态最优滤波84

ARMA新息模型85

稳态最优滤波、预报和平滑85

稳态Lindquist滤波器88

稳态Kalman滤波器的Tajima算法及其改进89

四种稳态Kalman滤波算法的等价性91

ARMA新息模型的降阶问题93

Kalman平滑96

单步平滑器96

两步平滑器98

带有色观测噪声系统Kalman滤波99

推广的Mendel的最优白噪声估值器101

稳态最优白噪声滤波器和平滑器——应用于地震数据去卷103

ARMA新息模型104

稳态最优白噪声估值器105

单通道稳态最优白噪声估值器106

Moir的稳态最优白噪声去卷平滑器108

Mendel的单通道稳态最优白噪声估值器109

模型噪声和观测噪声稳态最优估值器110

CARMA新息模型110

稳态最优噪声估值器111

ARMA信号稳态最优去卷平滑器112

从时间序列分析观点阐述Goodwin和Sin去卷问题112

ARMA新息模型114

第1类稳态最优去卷平滑器114

第2类稳态最优去卷平滑器115

仿真例子116

稳态最优波成形滤波器和平滑器118

Mendel的波成形问题119

波成形问题的时间序列分析阐述119

稳态最优波成形滤波器和平滑器120

数字通讯系统的线性最佳接收机121

ARMA新息模型122

线性最佳接收机122

仿真例子123

第四章自适应Kalman滤波及其应用128

Sage和Husa的自适应Kalman滤波方法129

极大后验（MAP）噪声统计估值器129

次优无偏MAP噪声统计估值器131

时变噪声统计估值器——改进的Sage和Husa自适应Kalman滤波器132

用指数加权法的时变噪声统计估值器133

时变噪声统计跟踪的无偏性134

应用实例*油田产油量自适应动态预报134

多层自适应递推预报器135

限定记忆时变噪声统计估值器136

Yoshimura和Soeda时变噪声统计估值器——新推导和新解释137

Yoshimura和Soeda估值器的新推导方法137

Yoshimura和Soeda估值器的新解释138

Yoshimura和Soeda估值器的改进139

Sage和Husa观测噪声统计估值器的改进141

改进的Todini噪声统计估值器142

基于白噪声平滑器的Q*R估值器145

一种新的Q*R估值器145

仿真例子147

带有色观测噪声系统自适应Kalman滤波148

带有色观测噪声系统Kalman滤波149

次优无偏递推MAP噪声统计估值器149

仿真例子150

稳态K alman增益估计150

ARMAX新息模型151

稳态滤波增益的估计152

应用块伴随形的稳态Kalman增益的估计153

自校正Kalman滤波器154

单输出系统块伴随形下的自校正Kalman滤波155

ARMA信号的自校正滤波器156

飞行器的自适应跟踪157

运动定律和状态空间模型157

用三种方法导出ARMA新息模型158

自校正自适应Kalman滤波器159

仿真结果160

氧化炉脱碳速度自校正*自适应滤波器160

脱碳速度建模161

非平稳ARMA信号的自校正滤波器161

参数故障诊断和故障参数估计162

参数故障诊断的WSSR方法163

应用自适应推广的Kalman滤波估计故障参数164

应用递推增广最小二乘法（RELS）估计故障参数165

仿真例子165

第五章多重时滞系统自适应递推滤波和去卷172

Tamura次优递推滤波器的推广172

先验统计的假设173

推广的Tamura次优递推滤波器174

多重时滞系统的自适应递推滤波器175

噪声统计估计器和自适应递推滤波器175

仿真例子177

多重时滞系统的次优和自适应递推去卷滤波器178

次优递推去卷滤波器178

自适应噪声统计估值器和去卷滤波器181

带有色观测噪声的次优和自适应去卷滤波器183

仿真例子183

地震信号自适应递推去卷滤波器185

地震信号自适应递推去卷滤波器185

仿真例子188

多重时滞系统参数和状态估计的两段Bootstrap算法188

带有色观测噪声的多重时滞系统的参数和状态估计190

参数和状态估计的两段Bootstrap算法190

仿真例子191

第六章虚拟噪声补偿技术及其应用194

带模型误差系统自适应Kalman滤波194

虚拟噪声补偿技术194

仿真例子196

非线性系统的自适应推广的Kalman滤波199

推导和算法199

仿真例子201

多重时滞非线性系统的自适应递推滤波器202

推导和算法203

仿真例子204

带随机参数系统的自适应Kalman滤波205

随机参数的分解205

仿真例子205

带未知随机参数系统自适应Kalman滤波206

增广状态Kalman滤波方法206

自适应推广的Kalman滤波算法207

仿真例子208

参数和状态估计的两段互耦自适应Kalman滤波算法208

自适应参数估值器209

自适应状态估值器210

应用于油田产水量动态预报211

多重时滞系统参数和状态估计的自适应滤波算法212

自适应参数估值器212

自适应状态估值器213

仿真例子214

具有随机系数的多重时滞系统的自适应滤波215

随机系数的均值已知的情形215

随机系数的均值未知的情形216

仿真例子217

自适应分割Kalman滤波器218

自适应雷达跟踪系统220

第七章自适应滤波方法在系统辨识领域的应用225

递推最小二乘法（RLS）算法与Kalman滤波的关系226

应用自适应Kalman滤波的时变参数系统的辨识227

时变参数的广义随机游动模型和伪随机模型228

时变参数的自适应Kalman滤波器228

仿真例子229

应用自适应Kalman滤波的ARMA模型辨识230

用虚拟噪声补偿观测模型误差231

仿真例子232

带观测噪声的时变系统辨识的Bootstrap算法232

参数和状态估计的两段互耦自适应滤波算法233

仿真例子234

带观测噪声的时变参数系统辨识的增广状态方法235

增广状态非线性系统的自适应滤波235

仿真例子237

带未知时变参数信号的自适应去卷滤波器238

增广状态非线性系统自适应滤波238

仿真例子241

带AR时变参数的CAR模型的辨识242

两段互耦自适应滤波算法242

仿真例子244

带AR 时变参数的多重时滞非线性系统的辨识245

两段互耦自适应滤波算法245

仿真例子248

改进的自适应Wood和Hebson分块状态和参数估计算法249

新的自适应分块状态和参数估计算法249

仿真例子252

Wood-Hebson滤波器与MRLS和Kalman滤波关系253

Wood-Hebson滤波器与MRLS算法关系254

Wood-Hebson滤波器与Kalman滤波器关系255

自适应推广的Wood-Hebson滤波器256

带随机参数阵的多变量CAR模型的辨识256

自适应推广的Wood-Hebson滤波器257

第八章自校正滤波、平滑、去卷及其应用261

Hagander和Wittenmak的自校正滤波器和平滑器262

最优滤波器和平滑器263

自校正滤波器和平滑器265

多变量自校正滤波器和平滑器266

多变量ARMA信号最优滤波器267

多变量自校正滤波器268

最优固定滞后平滑器269

多变量自校正固定滞后平滑器270

仿真例子271

ARMAX信号的自校正滤波器和平滑器274

稳态最优滤波器和平滑器275

自校正滤波器和平滑器276

多变量ARMAX信号的自校正滤波器和平滑器276

稳态最优滤波器和平滑器277

自校正滤波器和平滑器278

应用于语音信号识别的自校正滤波器和平滑器279

在噪声环境中的语音信号识别问题279

最优滤波器和平滑器280

自校正滤波器和平滑器282

带有色观测噪声系统的自校正Kalman滤波器283

稳态最优Kalman滤波器和平滑器283

自校正Kalman滤波器和平滑器285

应用于动态船舶定位系统的自校正Kalman滤波器286

船舶运动系统的描写287

低频运动最优Kalman滤波器287

高频运动稳态最优滤波器288

自校正Kalman滤波器288

仿真结果290

应用于地震数据去卷的自校正白噪声估值器290

最小方差去卷问题291

两个ARMA新息模型的辨识291

自校正白噪声估值器293

ARMA信号的自校正去卷平滑器295

最优去卷平滑器296

自校正去卷平滑器297

仿真例子299

自校正α-β滤波器302

稳态最优α-β滤波器302

自校正α-β滤波器303

第九章自校正和自适应预报及其应用308

自校正Box-Jenkins递推预报器312

单变量和多变量ARMA过程的相关性、平稳性、可逆性312

Box-Jcnkins递推预报器315

自校正Box-Jenkins递推预报器316

应用实例：温度预报317

Wittenmark自校正预报器318

Astrom稳态线性最小方差预报器319

Wittenmark自校正预报器321

Keyser和Cauwenberghe自校正多步预报器322

Wittenmark型超前k步自校正预报器323

自校正多步递推预报器324

自校正预报控制325

多变量多步自校正递推预报器及其应用326

带外扰的多变量CARMA过程的多步自校正预报器327

用于油田产量动态预报329

石油炼制的微机监测预报系统331

系统的组成与主要功能331

主要工艺参数变化的趋势预报331

时变系统的自*适应Kalman滤波预报方法335

带观测噪声的时变系统的短期自适应预报336

两段互耦自适应滤波和预报算法337

仿真例子338

指数平滑预报方法338

指数平滑预报公式的推导339

指数平滑预报器与Kalman滤波的关系339

指数平滑预报器与ARMA模型关系340

应用实例：电冰箱销售量短期预报341

第十章自校正和自适应控制及其应用347

Astrom和Wittenmark的自校正调节器348

Astrom稳态最小方差控制器348

Astrom和Wittenmark自校正调节器原理350

隐式自校正调节器算法351

复杂分馏塔的前馈自校正调节器352

设备与工艺情况352

系统的控制方案353

子系统自校正调节器的离线试验354

结论355

极点配置前馈自校正控制器355

前馈自校正控制器355

隐式极点配置前馈自校正控制器358

简单的极点配置前馈自校正控制器359

显式极点配置前馈自校正控制器360

仿真例子361

Clarke和Gawthrop的自校正控制器362

带已知参数系统的控制器设计362

Clarke和Gawthrop自校正控制器363

关于闭环系统输出的稳态偏差问题364

显式自校正控制器364

显式自校正控制器设计365

显式自校正前馈控制器368

仿真例子368

多变量显式自校正控制器369

显式自校正控制器设计369

显式Koivo多变量自校正控制器372

仿真例子372

氨合成塔温度的自校正预报控制375

时变参数系统的自校正控制376

基于自适应Kalman滤波的设计方法376

仿真例子379

一种新的机器人自适应控制方式380

数学模型和自适应控制系统设计380

仿真结果382

极点配置自校正PID调节器382

离散PID调节器382

改进的离散PID调节器383

极点配置PID调节器384

极点配置自校正PID调节器385

附录A状态空间模型与时间序列模型的相互关系389

附录B 矩阵微分运算391

附录C F分布表392

附录D现代时间序列分析程序库393

AR模型自动辨识机-MTS1／BAS394

MA模型G-W算法程序—MTS2／BAS403

CAR模型自动辨识机—MTS3／BAS404

多输入单输出CAR模型自动辨识机—MTS4／BAS413

CARMA模型自动辨识机—MTS5／BAS422

带模型偏差的CARMA模型自动辨识机—MTS6／BAS431

CARMA模型两段最小二乘法自动辨识机—MTS7／BAS433

多变量CAR模型自动辨识机—MTS8／BAS442

多变量CARMA模型自动辨识机—MTS9／BAS450

多变量CARMA模型的两段最小二乘自动辨识机—MTS10／BAS457

自适应Kalman滤波估计故障参数器—MTS11／BAS463

噪声统计估计器和自适应递推滤波器—MTS12／BAS465

油田产油量自校正优选预报器—MTS13／BAS467

油田产水量自校正优选预报器—MTS14／BAS471

自校正调节器—MTS15／BAS473

显式极点配置自校正控制器—MTS16／BAS476

单输入单输出CAR过程显式自校正控制器—MTS17／BAS477

单输入单输出CARMA过程显式自校正控制器—MTS18／BAS480

多输入多输出CAR过程显式自校正控制器—MTS19／BAS484

多输入多输出CARMA过程显式自校正控制器—MTS20／BAS489

附录E 现代时间序列分析程序库一览表493