当前，单变量控制已经难以满足实际生产的需要，因此广泛开展了多变量控制的研究。而要对多变量系统进行控制，尤其是实施一些先进控制算法，如内模控制，预测控制都是基于模型的，所以知道系统的模型是实施多变量控制的前提。本论文就是研究多变量系统的建模技术。 首先讨论了多变量系统建模技术的发展与成果，比较了现有各种多变量建模技术的优缺点。传统的辨识算法在由单变量扩展到多变量时，复杂度会增加很多，主要表现在多变量模型结构的确定上。子空间辨识算法是一种比较新的辨识算法，这种辨识算法基于状态空间模型，因此模型结构比较简单，只需要确定模型的阶次。而且多变量辨识与单变量辨识并没有区别，因此本文主要对这种算法进行研究。 已经存在很多成熟的子空间辨识算法如N4SID，MOESP，CVA，本论文在统一的框架内讨论了这些算法，把它们看作是不同加权矩阵的奇异值分解。 大部分子空间辨识算法不能应用于变量有误差，也就是errors-in-variable(EIV)情况下，所以专门研究了基于EIV结构的子空间辨识算法。基于EIV结构，研究了两种子空间辨识算法，主元分析算法和正交投影算法。从仿真结果可以看出，这两种算法在EIV情况下，辨识结果是无偏的。