在伺服控制系统能够正常运行前,需要知道当前系统的性能并对参数进行相应调整,而在此之前需要通过系统辨识来获取系统的参数。辨识过程中需要通过一定的方法降低噪声干扰对辨识的影响,从而有效提升辨识参数的精度。本文设计并实现了一种基于小波的多尺度卡尔曼滤波器用以降低辨识中的随机噪声。系统辨识的精确性受到了随即噪声的干扰。本文首先建立了伺服系统的数学模型,并运用基于M序列的最小二乘法来辨识该模型的参数,结果表明该方法在去除有色噪声和随机噪声时效果有限。运用卡尔曼滤波进行信号降噪处理存在固有缺陷。在有色噪声情况下使用卡尔曼滤波降噪的基础是增广矩阵,但非零固定输入情况下标准形式增广矩阵并不存在。同时仿真试验证实噪声模型的简化对辨识精度亦有影响。小波降噪并不需精确系统噪声模型而常被用于系统辨识的降噪。仿真实验发现,当输入信号与小波基不匹配时会造成辨识误差。因此在运用小波降噪时需要进行大量匹配实验以获取合适输入信号或小波基。基于以上分析讨论,本文将小波去噪与卡尔曼滤波相结合,提出了基于小波的多尺度卡尔曼滤波方法,用于最小二乘辨识法的降噪处理。通过仿真实验,分别用最小二乘法、小波去噪法、卡尔曼滤波法和本方法对伺服控制器的速度环模型进行辨识,说明本方法有更强的去噪能力,辨识精度有大幅提高。