随着工程等科学领域动力系统日益复杂化,对互联系统或动态网络的研究已成为智能电网、社交网络、交通运输系统等不同领域的重要研究主题之一。在这些复杂的网络中拓扑结构和动力学密切联系,一方面描述网络的拓扑结构可以揭示其结构特性,另一方面研究网络的动力学可以揭示其功能特性。然而网络的拓扑结构的研究在复杂系统中占据着重要的位置,从测量数据中认识网络结构和各种动力学行为之间的关系,对于理解和控制复杂系统是特别重要的。近年来压缩感知是研究的热点,它利用较少的测量数据就能够精确地恢复原始的稀疏信号。因此压缩感知经常被用于网络辨识的研究,这相对于其他辨识方法来说是一种高效的网络辨识方法。然而利用压缩感知辨识的网络针对的多是稀疏的网络,对于非稀疏的网络目前的研究还比较少。同时噪声对于辨识的影响也是不可忽略的,其可以降低辨识的成功率或是增加测量数据。此外线性网络系统也是一个在各个领域中经常应用的简单系统,但是系统中节点的状态非常稳定且具有较强的相关性,不能利用压缩感知辨识网络的拓扑结构。针对以上问题,本文提出了融合压缩感知和QR分解的网络拓扑结构辨识的方法。本文主要的研究成果与创新点如下:(1)提出在噪声的帮助下融合压缩感知和QR分解解决网络拓扑结构辨识的方法。通过利用噪声驱动线性网络系统中节点之间的状态,打破系统状态的稳定性,同时也弥补了压缩感知无法辨识非稀疏网络拓扑结构的缺陷,并对一些影响网络拓扑结构辨识的因素进行了详细分析,证明了所提方法的可行性;(2)研究了融合压缩感知和QR分解的网络拓扑结构辨识方法应用于不同的真实网络和模型网络的辨识效果。也针对这些不同的网络,对比了传统压缩感知与融合压缩感知-QR分解两种方法的辨识效果,实验验证了所提方法优于传统的压缩感知方法。