1. 研究目的与意义（文献综述）
系统辨识是一种从观测到的输入输出数据中建立数学模型的方法[1-3]。1962年，zadeh l.a给其下的定义：“系统辨识是在输入和输出数据的基础上，从一类模型中确定一个与所测系统等价的模型。”这个定义涉及到系统辨识的三个要素：输入输出数据；模型类；等价准则[4]。总之，辨识的实质就是按照一个确定的准则，从一组模型类中选择一个与数据拟合得最好的模型。而随着当今社会的发展，在人们的生产实践和科学实验活动中会遇到非常多的问题，都希望通过系统辨识建立所研究对象的数学模型。有了数学模型，人们便可在石油化工领域、社会经济学领域、航空航天领域等许多工程和科学领域进行分析和推算[5]。这将极大地促进人类社会的进步。
截至目前，系统辨识方法有很多种类别。按照算法的执行方式，可以分为一次完成算法、递推辨识算法和迭代辨识算法；从时域或频域角度，可以分为时域的辨识算法和频域的辨识算法；按照算法的实时性分类，包括在线辨识和离线辨识算法；按照属性特征分类，可以分为最小二乘法[6]、梯度辨识算法[7]、牛顿辨识算法[8]，递阶辨识方法、辅助模型辨识算法、多信息辨识方法[9]、耦合辨识算法[10]等。
在上述众多的辨识方法中，极大似然辨识是一种非常有用的估计方法，它是由fisher发展起来的[11]。与最小二乘类辨识方法及梯度校正辨识方法相比，极大似然估计法一般需要提前知道系统输出的条件概率密度函数或者是联合概率密度函数，其基本思想是以观测数据和未知参数为自变量构建一个似然函数或对数似然函数，通过极大化已构建的似然函数来获得参数估计值[12]。
2. 研究的基本内容与方案
2.1. 研究的基本内容及目标：
3. 研究计划与安排
第1-3周：收集文献和相关资料进行毕业设计调查，完成开题报告与英文翻译；
4. 参考文献（12篇以上）
[1] w wang，x li，w wang. maximum likelihood estimation based robust chinese remainder theorem for real numbers and its fast algorithm[j]. ieee transactions on signal processing, 2015, 63(13): 3317 – 3331[2] ljung l. perspectives on system identification [j]. annual reviews in control，2010，34(1):1-12.[3] 丁锋. 系统辨识-辨识方法性能分析[m]. 北京：科学出版社，2014 [4] 萧德云. 系统辨识理论及应用[m]. 北京：清华大学出版社，2014
[5] 张勇,杨慧中,丁锋. 有色噪声干扰下的一种系统辨识方法[j]. 南京航空航天大学学报. 2006(s1)
[6] liu x g，lu j. least squares based iterative identification for a class of multirate systems [j]. automatica，2010，46(3): 549-554.
