控制理论历经多年发展之后，各种经典控制方法和先进控制方法都取得了很大的进展，并在工业生产中广泛的实施应用。但是控制器能够被设计并成功应用都要有达到一定精度要求的数学模型作支撑，因此有效的系统辨识方法是控制策略成功实施的关键。本论文从辨识数据的滤波处理、辨识原理、数字仿真等方面入手，对系统辨识过程进行研究讨论，主要做了如下的工作：1、介绍辨识实验阶段常用的测试信号及其选取原则。在数据处理方面，着重讨论小波分析在数据消噪方面的应用。对常用的辨识方法：最小二乘、粒子群优化算法等进行介绍，并通过数字仿真实验来分析各方法的优缺点。2、带有滑动平均噪声的多变量系统的参数通常难以辨识，利用递阶辨识原理和迭代辨识原理，并结合加速收敛技术，实现多变量系统参数的准确辨识。该方法根据递阶辨识原理将多变量系统成功分解成两个子系统，使其分别含有参数向量和参数矩阵，再根据迭代辨识原理得到参数的迭代解。仿真实验表明，该方法可以得到很好的辨识结果，而加速收敛技术的应用显著提高了参数的收敛速度。3、非线性系统由于对其结构缺少准确的表述方法，一直都是辨识的难题，因此，利用非线性的有限信息特性，文中提出了一种对非线性系统的线性和非线性部分依次进行辨识的方法。该方法首先根据系统非线性部分的有限信息，例如符号信息，单调信息等，辨识出系统的线性部分，再构造出中间信号，实现对非线性结构和参数的同时辨识。结合改进的粒子群优化算法可以很高精度的辨识出系统的参数，仿真实验表明该方法的辨识精度高，是非线性系统辨识一种有效的方法。