多元系统广泛存在于很多科学和工程领域.与标量系统不同的是,多元系统的结构更为复杂.它既可以描述线性多变量系统,也可以描述非线性多变量系统.因此,对多元系统的辨识是系统辨识的一个重要研究分支.论文以利用梯度搜索、最小二乘搜索和分解技术研究了针对多元输出误差系统的递推辨识算法.主要工作内容如下.1.针对多元输出误差滑动平均系统,将既含有参数向量又含有参数矩阵的原辨识模型转换成只含有参数向量的辨识模型,以此推导出辅助模型递推增广最小二乘算法和辅助模型增广随机梯度算法.进一步应用分解技术,将原模型分解为只含有参数向量和只含有参数矩阵的两个子模型分别进行辨识,提出了两阶段辅助模型增广随机梯度算法和两阶段辅助模型递推增广最小二乘算法,减少算法的计算量,提高了辨识精度.2.针对多元输出误差自回归滑动平均系统,提出了辅助模型递推广义增广最小二乘算法和辅助模型广义增广随机梯度算法.然后借助于分解技术,将原模型分解为系统模型和噪声模型两个子模型分别进行辨识,提出了两阶段辅助模型递推广义增广最小二乘算法.同时,结合分解技术与滤波技术,提出了基于滤波的两阶段辅助模型增广随机梯度算法来减少有色噪声的干扰,提高了辨识精度.3.针对多元输出误差自回归滑动平均系统,为了提高随机梯度辨识算法中输入输出数据的利用率,在前一步的基础上,结合多新息辨识理论与随机梯度辨识算法,扩展基于滤波的两阶段辅助模型增广随机梯度辨识算法中的新息向量,充分利用观测到的信息数据,推导出基于滤波的两阶段辅助模型多新息增广随机梯度辨识算法,进一步改进随机梯度算法的辨识精度.论文对上述多元输出误差滑动平均系统和多元输出误差自回归滑动平均系统的辨识算法都给出了相关的计算过程,并通过计算量对比与仿真实例,展示了算法的有效性.最后对相关的工作做出了总结.