随着现代化生产规模的扩大,需要处理的大规模复杂系统的建模、辨识和控制问题也日益突出。一类特殊结构的非线性系统辨识受到了广泛关注。这类非线性系统是由静态非线性环节与线性动态子系统组成,可构成并联、串联、反馈结构的非线性系统。关于双线性参数系统辨识理论与方法,即关于块结构非线性系统辨识理论与方法。本文讨论了大规模非线性系统的计算问题和优化问题,主要取得以下研究成果:（1）针对两输入输出误差双线性参数系统,结合递阶辨识原理、多新息辨识原理以及基于梯度搜索的寻优原理。得到了双线性参数系统模型分解辨识模型,提出了基于双线性参数模型分解的辅助模型多新息梯度迭代算法用于提高参数估计精度。（2）针对两输入非线性自回归系统,通过滤波技与分解技术,推导得到滤波辨识子模型。提出了基于过参数化的滤波两阶段梯度迭代辨识算法。相比基于过参数化的两阶段梯度迭代辨识算法,基于滤波的辨识可以减少噪声对参数估计的影响,从而提高了参数估计精度。（3）针对两输入非线性输出误差自回归系统,利用关键项分离原理,得到了两输入输出误差双线性参数系统关键项分离辨识模型。提出了基于关键项分离的辅助模型三阶段梯度迭代辨识算法以减少算法的计算负担;提出了基于关键项分离的辅助模型三阶段多新息梯度迭代辨识算法以提供更准确的参数估计值。论文给出了针对两输入输出误差双线性参数系统的迭代参数估计算法数值仿真。