连续时间随机系统是指各个变量是时间的连续函数并且状态和输出向量受到噪声干扰的动态系统。由于生物学、经济学以及物理学等领域都存在连续随机的现象,连续时间随机系统的辨识受到了各领域专家学者的广泛关注。此外,许多工业过程也具有连续随机属性,特别是高炉冶金、石油化工等流程工业,它们的模型大多数是由微分方程描述的连续时间随机系统。目前,连续时间随机系统的辨识研究还存在着许多亟待解决的难题,例如怎样降低辨识方法的计算负荷和提高辨识模型的精确性。显然,针对连续时间随机系统的辨识问题提出相应的解决方案,无论在理论上,还是在系统的实际应用方面都具有非常重要的研究价值和意义。本文在连续时间随机系统的框架下,在子空间辨识的方法实现、方法性能以及方法应用等方面进行了深入的分析和研究,并取得了一系列具有创新性的研究成果。本文的主要工作和研究成果如下:（1）为了降低连续时间随机系统噪声的影响以及获得系统的最优模型阶数,提出了基于卡尔曼滤波器的核范数子空间辨识方法。生物学上的鼠疫病模型是一个典型的连续时间随机系统,我们以连续时间随机鼠疫病模型为研究背景。首先,对连续时间随机系统进行卡尔曼滤波器的设计,以估计误差的均方差最小为前提,得到其中待定矩阵,从而获得随机系统的等价新息形式。其次,对于广义状态空间模型进行矩阵投影运算,得到由输入输出数据构成的投影矩阵,对其构造核范数最优化问题,通过交替方向乘子法对增广拉格朗日问题进行求解,得到最优输出序列。然后,将得到的输出序列代入投影矩阵中进行奇异值分解,得到连续时间随机系统最优模型阶数,进而估计系统矩阵和噪声强度。最后,研究了连续时间随机鼠疫病模型的仿真实验。（2）针对连续时间系统辨识过程中易产生的零极点转换不一致、没有直接解决时间导数等问题,提出了基于分布理论的核范数子空间辨识方法。首先,利用分布理论中伊藤积分的概念,对系统输出方程进行微积分数值处理,从而建立分布意义下的输入输出矩阵方程。其次,通过卡尔曼滤波器获得最优状态估计,从而得到广义状态空间模型及其投影矩阵,并利用核范数最小化方法对投影矩阵进行优化。然后,通过交替方向乘子法对构造的增广拉格朗日问题进行求解,并对得到的投影矩阵进行奇异值分解,进而估计系统矩阵和噪声强度。最后,在高斯测试函数的基础上,研究了两类连续时间随机系统的数值仿真。（3）针对利用输入输出数据建立的离线模型不能有效跟踪系统的动态变化的问题,提出了基于分布理论的递推子空间辨识方法。田纳西伊斯曼化工过程具有连续性、随机性以及动态性等特性,我们以田纳西伊斯曼化工过程的数据作为研究基础。首先,通过分部积分法得到时变连续随机分布函数在分布意义下的时间导数,并在某时刻周围的小区间内建立输入输出矩阵方程。其次,为了提高辨识模型的精确性,引入一个正定的加权函数,得到加权输入输出矩阵方程。然后,对输入输出数据组成的等价方程进行QR分解,采用将矩阵“R”规模固定的方法达到数据压缩的目的。对得到的投影矩阵进行特征值分解,从而递推估计系统矩阵和噪声强度。最后,研究了田纳西伊斯曼化工过程的仿真实验。（4）针对实际生产过程中一些变量难以在线预测的问题,提出了基于子空间主角旋转的子空间预测方法。连续搅拌釜反应过程具有连续性,并且系统也频繁地受到确定性的震荡干扰,我们以连续搅拌釜反应过程的数据作为研究基础。首先,采用随机分布理论得到连续时间随机系统的广义能观测性矩阵,并利用广义能观测性矩阵列空间的过去与现在时刻列向量的旋转得到列空间之间的主角,从而得到其角速度。通过角速度预测现在和将来列向量之间的主角,得到将来的广义能观测性矩阵列空间。其次,对于系统矩阵变化快速的情况,通过过去与现在时刻列向量之间的角速度得到角加速度,预测系统将来的信号列空间,并得到基于子空间主角旋转的递推子空间预测方法。最后,研究了连续搅拌釜反应器系统的仿真实验。