在网络化和信息化的时代环境下,集值系统已被广泛应用到实际的生产生活中,尤其是在数字信号传输、智能传感器网络、生物医疗等与现代化紧密相关的领域中。随着在网络中传输的数据量越来越大,当在网络环境中远程估计系统参数时,为节约通讯资源而采用事件驱动机制是具有时代背景的方案。然而,事件驱动策略破坏了观测数据的完整性,而集值观测又使得得到的测量数据与系统输出的关系是本质非线性的。所有这些特性给辨识算法的设计和收敛性能的分析带来了困难。本文针对线性集值系统,研究了当系统输出的集值观测数据采用事件驱动机制通过网络传输的情况下,如何估计系统参数的问题。采用经验测度和随机逼近等方法,进行了系统参数估计算法和事件驱动机制的设计,并基于贝叶斯公式、大数定律和鞅差收敛定理等理论,对算法的收敛性、收敛速度、渐近有效性以及通讯率等性质进行了分析。主要内容和成果包括以下几个方面:(1)针对输出经过调度机制观测并二集值化的线性有限脉冲响应系统,在周期输入下设计了参数估计算法,建立了该算法的强收敛性。给出了估计误差的均方收敛速度,并结合其Cramer-Rao下界,证明了该算法是渐近有效的。推导得出了该方法的通讯率。(2)对于基于事件驱动通讯机制的二值化输出有限脉冲系统辨识,引入了事件驱动辨识的概念,利用系统参数的先验信息和噪声的统计性质,提出了一种递推辨识算法。在一类持续激励条件下给出了算法的强收敛性和收敛速度的证明,并讨论了该方法的通讯率。(3)针对二集值观测的有限脉冲响应系统,提出了一种被称作异或通讯机制的事件驱动通讯机制。通过充分利用接收到的数据、触发标志以及触发条件,可以构建一个辅助序列来恢复集值观测数据。对二集值和多阈值集值观测的情况分别给出了未知参数的估计算法,并分析了算法的收敛性质,通过使用鞅差序列的强大数定律,得到了算法的通讯率及其性质。(4)提出了基于预测的事件驱动机制,结合基于经验测度的辨识方法和加权最小二乘法,提出算法来最大限度使用接收到的数据、触发条件、集值化阈值和系统噪声统计特性中的信息,估计系统未知参数,并分析了算法的收敛性、收敛速度、渐近有效性,以及如何权衡通讯负担与估计算法的表现,计算了平均通讯率。(5)在上述研究基础上,针对通讯丢包在事件驱动辨识中造成的估计偏差,提出了一种偏差补偿算法。研究了该算法的无偏性、收敛性和信道前后的通讯率,并结合数值仿真验证了算法。