双线性系统是一类特殊的非线性系统,其关于状态和控制分别是、但不同时是线性的,它可以用来描述一些实际过程。因此研究双线性系统的辨识方法具有重要的理论意义和应用前景。本文借助于辅助模型辨识思想、递阶辨识原理和数据滤波技术,研究了一类双线性状态空间系统对应输入输出表达的迭代辨识方法。论文的主要工作如下:(1)针对离散时间双线性状态空间系统,辨识的困难在于其模型结构包含状态量和输入量的乘积。通过消除模型中的状态量而得到其输入输出表示形式。根据噪声引入条件的不同,得到的双线性结构模型可分为输出误差类模型和方程误差类模型。(2)针对有色噪声干扰的双线性系统,为了降低噪声对参数估计结果的影响,采用滤波器对输入输出数据进行滤波,提出了用于辨识双线性方程误差自回归系统的基于滤波的广义梯度迭代算法,并将提出的算法推广到双线性方程误差自回归滑动平均系统的参数估计中。(3)针对双线性输出误差类系统,由于其模型中含有分式,为了处理方便引入了未知的中间变量,因此需要借助于辅助模型辨识思想,利用辅助模型的输出代替未知的中间变量,提出了基于辅助模型的最小二乘迭代算法。利用滑动数据窗,提出了基于辅助模型的多新息最小二乘迭代算法。(4)由于最小二乘迭代算法有矩阵求逆运算,当系统维数较高,算法的计算量大。针对双线性输出误差滑动平均系统,为了提高算法的计算效率,基于递阶辨识原理,将辨识模型分解为维数较低的多个子模型,并提出了基于辅助模型的两阶段和三阶段增广最小二乘迭代算法。(5)极大似然辨识具有良好的统计性质,针对双线性方程误差滑动平均系统,提出了极大似然增广梯度迭代算法和极大似然增广最小二乘迭代算法。结合递阶辨识原理和数据滤波技术,研究了双线性方程误差自回归滑动平均系统的极大似然迭代估计方法。论文中,对所提的参数辨识算法都结合了数值算例,进行了仿真实验,通过仿真例子验证了算法的有效性,并对不同的参数辨识方法进行了比较分析。