基本介紹
內容簡介,目錄,
內容簡介
參數辨識為系統參數計算提供解決手段，進而為對象的表征、分析、最佳化、控制等套用提供模型基礎。準則函式是系統參數辨識的要素，影響辨識的各個方面，包括參數可辨識性、辨識精度、算法複雜性及魯棒性等。作為新型準則函式，信息準則為系統辨識開闢了嶄新途徑，成為信號處理與系統模型參數辨識相關領域的重要研究方向。《系統參數辨識的信息準則及算法》系統地介紹系統參數辨識的各種信息準則及相應辨識算法、算法特性分析，包括最小誤差熵準則、最小信息距離準則、最大（小）互信息準則等，介紹了其基本概念和性質、實現算法及仿真算例。
《系統參數辨識的信息準則及算法》可供系統辨識與信號處理、系統控制、人工神經網路、模式識別、神經及認知科學等學科或領域的科技工作者閱讀，也可供這些領域的研究生和本科生參考。
目錄
第1章 緒論
1.1 系統辨識定義與要素
1.2 經典辨識準則
1.3 非均方辨識準則
1.4 資訊理論辨識準則
1.4.1 誤差熵準則
1.4.2 信息距離準則
1.4.3 互信息準則
1.5 本書的構成
第2章 資訊理論測度及性質
2.1 熵
2.2 互信息
2.3 信息距離
2.4 fisher信息
2.5 信息率
附錄a α穩定分布
附錄b 式（2—15）的證明
附錄c cramer-rao不等式的證明
第3章 參數估計的資訊理論方法
3.1 參數估計典型方法
3.1.1 經典參數估計
3.1.2 貝葉斯參數估計
3.2 經典參數估計的資訊理論方法
3.2.1 熵匹配參數估計
3.2.2 最大熵參數估計
3.2.3 最小信息距離參數估計
3.3 基於誤差熵準則貝葉斯參數估計
3.3.1 誤差熵準則基本性質
3.3.2 與均方誤差準則的關係
3.3.3 與任意誤差準則的關係
附錄d em算法
附錄e 估計量的評價
附錄f 貝葉斯最小均方估計
第4章 基於誤差熵準則的系統參數辨識
4.1 系統參數辨識框架
4.1.1 準則函式
4.1.2 模型描述
4.1.3 辨識算法
4.2 參數辨識中誤差熵估計
4.2.1 熵估計常用方法
4.2.2 基於核密度估計的經驗誤差熵
4.3 基於誤差熵準則的參數辨識算法
4.3.1 非參數信息梯度算法
4.3.2 參數化信息梯度算法
4.3.3 基於不動點原理疊代算法
4.3.4 仿真例子
4.4 基於誤差熵準則參數辨識收斂性分析
4.4.1 基於近似線性化方法的收斂性分析
4.4.2 算法收斂中的能量守恆關係
4.4.3 基於能量守恆的收斂性分析
4.4.4 仿真例子
4.5 誤差熵準則的最佳化
4.5.1 最優φ熵準則
4.5.2 仿真例子
4.6 離散數據情形下誤差熵準則——△熵準則
4.6.1 △熵概念
4.6.2 △熵性質
4.6.3 △熵估計
4.6.4 套用於系統參數辨識的△熵準則
附錄g 向量梯度與矩陣梯度
第5章 基於信息距離準則的系統參數辨識
5.1 基於klid準則的系統參數可辨識性
5.1.1 定義及假設
5.1.2 klid可辨識性與fisher信息
5.1.3 高斯過程的klid可辨識性
5.1.4 markov過程的klid可辨識性
5.1.5 漸近klid可辨識性
5.2 帶參考pdf最小信息距離參數辨識
5.2.1 基本原理
5.2.2 準則性質
5.2.3 辨識算法
5.2.4 仿真例子
5.3 最小歐氏距離準則及參數辨識算法
5.3.1 準則函式
5.3.2 辨識算法
5.3.3 仿真例子
附錄h aic準則及推導
第6章 基於互信息準則的系統參數辨識
6.1 基於最小互信息準則參數辨識
6.1.1 準則性質
6.1.2 與獨立分量分析的關係
6.1.3 基於獨立分量分析的隨機梯度辨識算法
6.1.4 仿真例子
6.2 基於最大互信息準則參數辨識
6.2.1 互信息準則性質
6.2.2 隨機互信息梯度辨識算法
6.2.3 雙準則辨識及算法
附錄i 最小互信息率準則
參考文獻
索引
