介绍了基于递推最小二乘法进行系统辨识的基本原理，对给定的实际输入输出数据运用MATLAB的M语言编写递推最小二乘算法，最后给出相应的仿真结果和分析，并对得到的模型进行验证。

针对多变量系统维数大、参数多、一般的辨识算法计算量大的问题, 基于耦合辨识概念, 推导多变量系统的耦合随机梯度算法, 利用鞅收敛定理分析算法的收敛性能. 算法的主要思想是将系统模型分解为多个单输出子系统,在子系统的递推辨识过程中, 将每个子系统的参数估计值耦合起来. 所提出算法与最小二乘算法和耦合最小二乘算法相比, 具有较少的计算量, 收敛速度可以通过引入遗忘因子得到改善. 性能分析表明了所提出算法收敛, 仿真实例验证了算法的有效性.

针对复杂、不确定、非均匀采样数据的非线性系统,提出一种基于矩阵奇异值分解(SVD)的模型结构辨识和参数估计的建模方法.首先,利用矩阵奇异值(SVD)分解算法分析各局部模型与奇异值、积累贡献率的关系,确定模糊模型的规则数,从而实现模型的结构优化;然后,为了克服递推最小二乘出现的误差积累、传递现象,采用奇异值分解的递推最小二乘估计模型的结论参数;最后,通过仿真实例验证所提出算法的有效性.