本课程为自动控制类专业、电机与电器专业及相关专业硕士研究生的学科基础课。课程在突出基础性、逻辑性和理论性的同时，以一种统一的框架来论述辨识的理论和方法，从较高的层次阐述系统辨识的实质和内在联系。课程内容主要讲述在系统辨识的数理统计与模型结构知识基础上，系统地阐述辨识的主要理论和各种辨识方法，分析各种方法的统一性，并系统地介绍辨识技术在工程实践问题中的应用，重点放在离散、线性、定常的动态系统的递推辨识方面。通过本课程的学习，要求掌握辨识技术的基本思想、基本理论和方法，通过上机实验掌握辨识技术的实际应用。
第一章 系统描述与辨识模型连续系统的输入输出模型、离散系统的输入输出模型、数学模型之间的等价变换、噪声模型及其分类、辨识定义、辨识问题的表达形式、辨识算法的基本原理、误差准则、辨识的内容和步骤、辨识的应用。第二章 随机信号的描述与分析随机过程的基本知识、相关函数、协方差函数、谱密度函数、线性过程在随机输入下的响应、白噪声及其产生方法、M序列及其性质。第三章 经典的辨识方法Levy法、相关分析法等。第四章 线性动态模型参数辨识(一)最小二乘法的基本概念、最小二乘问题的提法、最小二乘问题的解、最小二乘参数估计的收敛性、最小二乘参数估计的几何解析、最小二乘参数估计的统计性质、最小二乘参数估计的递推算法、最小二乘递推算法的几种变形，增广最小二乘法、广义最小二乘法、辅助变量法、相关二步法，最小二乘常用算法的数字仿真及举例。第五章 模型阶次辨识Hankel矩阵定阶法、F-Test定阶法、Akaike准则模型阶次辨识法、AIC定阶法、利用最终预报误差准则估计模型的阶次（FPE定阶法）、状态空间模型阶次的辨识。第六章 线性动态模型参数辨识(二)极大似然参数辨识方法、预报误差参数辨识方法、递推算法的一般模式及收敛性、各种算法的比较，预报误差法、极大似然估计法以及它们之间的关系，极大似然估计的松驰算法，近似极大似然递推算法，随机逼近法，递推算法的一般模式，递推算法的收敛性，各种算法的比较。第七章 梯度校正参数辨识方法确定性问题的梯度校正参数辨识方法、随机性问题的梯度校正参数辨识方法、状态方程的参数辨识（梯度校正法）、差分方程的参数辨识、随机逼近法、随机牛顿法。第八章 辨识算法的统一性最小二乘类一次完成算法之间的内在联系、信息滤波阵及其作用、递推辨识算法的内在联系。第九章 闭环系统辨识反馈存在性的确定、闭环系统的可辨性、闭环辨识方法及可辨性条件、闭环系统的阶次辨识、最小二乘法在闭环辨识中的应用、辅助变量法在闭环辨识中的应用、关于闭环可辨识性条件的一些结论。第十章 系统问题的实际考虑及实验设计开环可辨识性问题、模型类的选择、准则函数的选择、算法初始值的选择、采样时间的最优设计、模型检验问题、模型变换的计算机实现。
方崇智、萧德云 编著，《过程辨识》，清华大学出版社，北京，1988
1、G. C. 哥德温，R. L潘恩，《动态系统辨识》，科学出版社，北京，1996。2、蔡季冰编著，《系统辨识》，北京理工大学出版社，北京，19893、Lennart Ljung，System Identification¬ (Theory for the user)，Second Edition，清华大学出版社，北京，2002。
