Chapter 1 introduction 
1.1 Classification of Mathematic Models of System and Modelling Methods 
1.1.1 Signification of Model 
1.1.2 Representation Forms of Models 
1.1.3 Classification of Mathematic Models 
1.1.4 Basic Methods to Establish Mathematic Model 
1.1.5 Basic Principles Followed for Modeling 
1.2 Definition, Content and Procedure of Identification 
1.2.1 Definition of Identification 
1.2.2 Content and Procedure of Identification 
1.3 Error Criteria Usually Used in Identification 
1.3.1 Output Error Criterion 
1.3.2 Input Error Criterion 
1.3.3 Generalized Error Criterion 
1.4 Classification of System Identification 
1.4.1 Off-line Identification 
1.4.2 On-line Identification 
Problems 
Chapter 2 Commonly Used Input Signals for System Identification 
.2.1 Selective Criteria of Input Signal for System Identification 
2.2 White noises and Its Generating Methods 
2.2.1 White Noise Process 
2.2.2 White Noise Sequence 
2.2.3 Generating Methods of White Noise Sequence 
2.3 Generation of Pseudorandom Binary Sequence-M-Sequence and Its Properties 
2.3.1 Pseudorandom Noise 
2.3.2 Generating Method of M-Sequence 
2.3.3 Properties of M-Sequence 
2.3.4 Autocorrelation Function of Two-Level M-Sequence 
2.3.5 Power Spectral Density of Two-Level M-Sequence 
Problems 
Chapter 3 Classical Identification Methods of Linear System 
3.1 Identify Impulse Response of Linear System by Use of M-Sequence 
3.2 Obtain Transfer Function from Impulse Function 
3.2.1 Transfer Function G(s) of Continuous System 
3.2.2 Transfer Function of Discrete System—Impulse Transfer Function G(z-1) 
Problems 
Chapter 4 Canonical Expression of Dynamic Systems 
4.1 Parsimony Principle 
4.2 Representations of Difference Equation and State Equation of Linear System 
4.2.1 Representation of Difference Equation of Linear Time-Invariant System 
4.2.2 Representation of State Equation of Linear System 
4.3 Deterministic Canonical State Equations 
4.3.1 Controllable Form of Canonical State Equation I 
4.3.2 Controllable Form of Canonical State Equation II 
4.3.3 Observable Form of Canonical State Equation I 
4.3.4 Observable Form of Canonical State Equation II 
4.3.5 Observable Form of Canonical State Equation I of Mimo System 
4.3.6 Observable Form of Canonical State Equation II of Mimo System 
4.4 Deterministic Canonical Difference Equations 
4.5 Stochastic Canonical State Equations 
4.6 Stochastic Canonical Difference Equations 
4.7 Prediction Error Equation 
Problems 
Chapter 5 Least-Squares Identification 
5.1 Least Square Method 
5.1.1 Algorithns of Least-Square Estimation 
5.1.2 Input Signals for Least-Squares Estimation 
5.1.3 Probability Properties of Least-Squares Estimation 
5.2 A Kind of Least Squres Which Need Not Invert Matrix 
5.3 Recursive Least Squares 
5.4 Auxiliary Variable Method 
5.5 Recursive Auxiliary Variable Method 
5.6 Generalized Least Squares 
5.7 An Alternative Generalized Least Squares Technique （Hsia Method） 
5.8 Extended Matrix Method 
5.9 Multistage Least Squares 
5.9.1 The First Algorithm 
5.9.2 The Second Algorithm 
5.9.3 The Third Algorithm 
5.10 Fast Multistage Least Squares 
Problems 
Chapter 6 Maximum-Likelihood Identification 
Chapter 8 Identification of Multi-Input Multi-Output Systems 
Chapter 9 Some Other Kinds of Identification Methods 
Chapter 10 Establishment of Random Time Series Models 
Chapter 11 Structure Identification of System 
Chapter 12 Identification of Closed-Loop System 
Chapter 13 Application of System Identification to Parameter Identification of Aircraft 
Chapter 14 Applicatiom of Neural Network to System Identification 
References