随着系统建模和控制科学技术的不断发展,控制对象的规模越来越大,这使得辨识算法的计算量也相应增大。对于结构复杂的输出非线性系统,在对其辨识过程中由于出现了参数向量的乘积,使得信息向量维数增大,计算量急剧增加,探索新的计算量小的参数估计方法对其进行辨识势在必行。本文分别利用分解技术和滤波技术,研究并讨论了有色噪声干扰的输出非线性系统的递推辨识方法的问题。选题在提高非线性系统计算效率方面具有重要意义,论文研究如下。(1)针对输出非线性方程误差滑动平均(ON-EEMA)系统、输出非线性方程误差自回归(ON-EEAR)系统和输出非线性方程误差自回归滑动平均(ON-EEARMA)系统,分别提出了基于过参数化模型的递推增广最小二乘算法、基于过参数化模型的递推广义最小二乘算法和基于过参数化模型的递推广义增广最小二乘算法。(2)为了减小计算量,引入分解辨识的思想,将ON-EEMA系统、ON-EEAR系统和ON-EEARMA系统分别分解为两个虚拟子系统,分别提出了基于分解的递推增广最小二乘算法、基于分解的递推广义最小二乘算法和基于分解的递推广义增广最小二乘算法。(3)为进一步减小计算量,在分解的基础上引入数据滤波技术。针对ON-EEMA系统、ON-EEAR系统和ON-EEARMA系统,推导其基于滤波的辨识模型,利用滤波技术和分解技术,推导出其基于滤波的分解递推增广最小二乘算法、基于滤波的分解递推广义最小二乘算法以及基于滤波的分解递推广义增广最小二乘算法。