传统的采样方式是等时间间隔的均匀采样,也就是所谓的单率采样,但是在很多的工业控制过程中,由于对网络或通讯的需求,都会用到多个传感器或多个控制系统。由于这种需求,传统的单率系统便在很多工业系统的使用中遇到了困难。伴随着工业控制的多种实时性需求,多率系统在很多领域得到了大量的应用。非均匀多采样率系统是一般多率系统的扩展,在非均匀多率系统的辨识中,如果能在状态空间的基础上直接辨识系统模型,不仅可以辨识多输入多输出系统,还能够对时变的非线性系统进行辨识。基于目前非均匀采样系统的研究现状,本文提出了两种用于辨识含多变量的非均匀采样系统的方法。这两种方法都能够在状态空间的基础上直接辨识系统模型：一种是基于子空间技术的辨识方法,该方法利用投影等几何基础方法来估计系统状态,进而估计系统参数,主要用于解决含有多变量的多输入多输出系统；还有一种是基于递阶辨识原理的辨识方法,该方法是根据系统的模型,直接利用卡尔曼滤波思想去估计系统参数,并使用了奇异值分解,通过改变数值计算的性质来解决在递阶辨识过程中出现的误差传递的现象。另外,本文还通过引理及定理证明了奇异值分解方法的收敛性。本文详细介绍了非均匀多率系统的三种采样方案,并给出了各种方案的状态空间模型的推导过程及建立。在此基础上提出了上述两种辨识方法,通过对不同信噪比下辨识系统是否能够追踪原系统,以及不同信噪比下参数估计误差的收敛效果做了仿真实验,结果验证所提算法的有效性。最后是对本篇论文的总结,并提出对未来工作的想法及研究方向。