传统系统辨识方法的研究多数针对系统的输入输出模型,近年来,随着控制理论的发展和工业技术的进步,许多被控对象需要抽象成状态空间模型系统,由于状态空间模型在系统分析、系统控制、系统优化等方面具有独特的优点,因此对状态空间模型系统辨识的研究具有重要的理论意义和应用价值。本文以国家自然科学基金项目为背景,基于递阶辨识思想、最小二乘原理,研究规范型状态空间模型的参数辨识和状态估计的问题。在查阅大量相关文献的基础上,并进行深入研究,取得如下的研究成果：1.针对单输入单输出规范型状态空间模型,根据不同t时刻的系统状态方程,将状态向量用可量测的输入输出变量来表示,推导出系统的辨识模型。并用估计残差来代替信息向量中的不可测噪声项,提出了单输入单输出状态空间模型的基于残差的递推增广最小二乘算法。然后采用递阶辨识思想,利用辨识出来的参数来估计未知状态。最后,应用鞅收敛定理对所推导算法的收敛性进行了分析。仿真例子验证了所提出算法的有效性。2.针对多输入单输出规范型状态空间模型,由于状态向量表达式的推导过程与输入向量的维数无关,只不过是系统维数增多,参数数目增加,因此将单输入单输出模型算法推广到多输入单输出模型,推导出其相应的基于残差的递推增广最小二乘算法。然后,基于递阶辨识思想,将辨识出的参数代入状态方程来估计系统状态。最后,仿真例子验证了所提出算法的有效性。3.针对多输入多输出规范型状态空间模型辨识问题,由于是多变量模型,参数数目多,结构复杂,辨识比较困难,因此以变量较少的双输入双输出模型为例进行研究,其辨识算法对多输入多输出模型同样适用。首先,基于模型分解的思想,将双输入双输出模型分解为两个维数较少、变量较少的双输入单输出子系统模型,由于是多变量系统,分解时需要考虑系统的耦合性。再对每个子系统进行辨识,将多输入单输出模型算法加以推广,即可推导出双输入双输出模型的递推增广最小二乘算法。然后,由估计参数计算系统状态。最后,给出了相应的仿真例子。论文最后给出总结和展望,并对本课题研究所面临的一些困难和有待深入研究的方向做出了简单介绍,如文中所推导的辨识算法的使用范围需要进一步推广,以及如何将算法应用于实际生产过程中去等。