本文重点研究维纳非线性输出误差系统的辨识问题。 关键项分解技术的应用为带有多项式的Wiener模型提供了一种特殊形式，其中所有要估计的模型参数都被分离了。 为了解决信息向量中具有不可测变量的维纳非线性输出误差系统的辨识问题，提出了一种将不可测变量替换为其对应的迭代估计量的基于辅助模型的梯度迭代算法。 通过数值算例分析和比较了所提算法的性能。

本文研究了多输入单输出维纳非线性系统的建模和参数辨识。 基本思想是构造一个多输入单输出维纳非线性模型，并为该模型推导基于梯度的迭代算法。 所提出的方法已被应用于识别谷氨酸发酵过程的参数。 实际数据仿真结果表明，该方法是有效的。