双率采样数据系统是工业中一种广泛存在的系统，由于这种系统的快输入慢输出的数据特性，不能用传统单率系统的辨识方法来辨识。需要寻找有效的算法克服双率系统的数据不完整性给辨识带来的影响，本论文选题“双率采样数据系统多新息辨识”正是考虑双率采样数据系统的特性提出了解决这种系统辨识的几种有效算法，研究成果具有理论意义和现实价值，取得的成果如下：1针对最常用的双率自回归模型，提出了基于多项式技术的递阶分解最小二乘辨识算法，仿真结果表明该算法具有计算量小和辨识精度高的优点。2针对双率输出误差类模型，引入了一个中间变量并利用辅助模型的思想估计出不能测量得到的量，将该系统等效为单率系统，为了提高参数估计的精度，在双率辨识算法中引入多新息思想，仿真结果表明多新息算法在参数估计的精度以及估计参数逼近于真实参数的速度方面有很好的效果。3对于测量数据有限的双率系统提出了限定长度的变迭代算法，这种算法既考虑了迭代算法能充分利用测量数据的优点，又使得每次迭代时的信息向量阵不至于过大，因此，具有计算量小的优点。4针对多项式技术在双率方差误差类系统中带来了噪声模型的改变以及需要辨识的参数的数量增加的问题，提出了基于模型变换的双率最小二乘辨识算法，实例仿真的数据表明该算法参数估计精度高，并对实例运用变迭代算法，证明了变迭代算法在参数估计方面的优越性。