论文以国家自然科学基金项目为背景,提出了双输入多率系统的最小二乘迭代辨识研究课题。该课题属于应用基础研究,具有理论意义和实用价值。作者在查阅了相关文献的基础上,简要回顾了系统辨识的历史,综述了相关参数估计方法,并对该课题进行了深入研究,取得研究成果如下。1.论文的研究对象是双输入单输出多率系统,首先推导出两个输入通道采样周期不相等的多率系统的离散时间状态空间模型,得出对应的传递函数模型,讨论白噪声或有色噪声干扰情况,得到双输入多率随机系统模型。2.针对双输入输出误差系统,研究了基于辅助模型的最小二乘迭代辨识算法。主要思想:模型信息向量中包含两个通道的未知无噪输出,采用辅助模型辨识思想,用辅助模型输出代替未知无噪输出,并利用递阶辨识原理和迭代思想,将辅助模型中未知变量用其迭代估计值来代替。3.针对滑动平均噪声干扰的双输入多率系统,其辨识模型信息向量中不仅包含未知的中间变量,而且包含未知噪声项,为解决辨识的困难,给出了基于辅助模型的双输入多率输出误差滑动平均模型的增广最小二乘迭代算法。其次,对于双输入多率受控自回归滑动平均模型,与双输入多率输出误差滑动平均模型相比,参数个数明显增加,利用迭代思想,推导出双输入多率受控自回归滑动平均模型的增广最小二乘迭代辨识方法。4.将最小二乘迭代算法推广于有色噪声干扰项为自回归模型的情况,即自回归噪声干扰双输入多率系统,其中包括双输入多率输出误差自回归模型、双输入多率受控自回归自回归模型,分别给出了基于辅助模型的双输入多率输出误差自回归模型的广义最小二乘迭代算法和双输入多率受控自回归自回归模型的广义最小二乘迭代算法,并给出计算参数估计的关系式和计算步骤。综上所述,作者针对以上五种双输入多率系统模型,对最小二乘迭代辨识方法进行了研究,通过仿真比较,与传统的递推辨识算法相比,具有更高的参数估计精度。论文最后给出了总结和展望,并对最小二乘迭代算法研究所面临的一些困难和有待深入研究的方向做了个简单介绍。