论文以国家自然科学基金项目(NO.60973043)为背景,研究有色噪声干扰下线性、非线性系统的两阶段辨识方法.作者在查阅了相关文献的基础上,简要回顾了系统辨识的历史,综述了相关参数估计方法,并对两阶段辨识方法进行了深入研究,取得的研究成果如下：1.针对有色噪声干扰的输出误差类系统,提出OEAR模型和Box-Jenkins模型的两阶段辨识方法.算法的主要思想是：根据噪声模型的结构设计相应的线性滤波器,用该滤波器对输入输出数据进行滤波处理,将系统转化为白噪声干扰的输出误差模型,再利用辅助模型辨识思想以及最小二乘原理,将系统模型参数和噪声模型参数交替辨识.仿真例子证明了算法的有效性.2.很多非线性系统都可以用Hammerstein模型来描述,将两阶段辨识思想推广到Hammer-stein非线性动态调节模型,利用多项式C(z)对非线性结构输入和输出进行滤波处理,将系统模型转换为非线性受控自回归模型,然后利用最小二乘原理将转换后的系统模型和噪声模型进行交互估计,推导出基于数据滤波的的两阶段辨识算法.仿真例子对提出算法进行了仿真并和递推广义算法、随机梯度算法进行了比较.3.针对一般有色噪声干扰的Hammerstein非线性系统,即干扰噪声为自回归滑动平均模型(ARMA)的输入非线性系统,借助数据滤波的思想和最小二乘原理,将辨识步骤分为系统模型和噪声模型辨识两个阶段,提出Hammerstein-CARARMA模型的两阶段辨识算法.计算机仿真说明该算法能得到高精度的参数估计.4.针对输入非线性输出误差类系统,结合辅助模型算法和数据滤波的优点,推导出Hammerstein-OEAR模型基于数据滤波的两阶段辨识算法.算法将系统模型的不可测变量用辅助模型的输出代替,未知噪声项用其估计值代替.通过仿真例子说明算法的有效性.论文推导和研究输出误差类系统和Hammerstein非线性系统的几种辨识算法,算法的可行性和优缺点采用计算机仿真的方法来验证,提出的辨识算法的收敛性有待近一步证明.