电力系统频率是衡量整个电网质量的一个非常重要的指标，频率的时高时低都会对电网造成较大的影响，在电力系统频率出现严重异常的情况下很有可能会使系统崩溃或者瓦解，对电力系统瞬时频率进行检测和跟踪具有非常重大的意义。　　最小二乘法是从误差拟合的角度对待测模型进行系统辨识或者参数估计，在参数估计、系统辨识及预测等领域应用得非常广泛。传统的最小二乘法通过对一组采样数据进行算法处理寻找一个最佳值来描述采样数据的特点，等间距的采样获得一定长度的数据信息后，尝试找出一条最佳的拟合曲线。但在在线对系统进行辨识参数时存在局限性，适用于离线辨识。在传统的最小二乘法的基础上，一种加入遗忘因子和阻尼项的递推阻尼最小二乘算法可以适用于对实时性要求比较高的参数辨识系统。论文主要工作内容如下：　　（1）对递推阻尼最小二乘法进行了理论研究并将递推阻尼最小二乘法应用于电力系统瞬时频率跟踪，推导出了递推阻尼最小二乘法的递推公式并提出了阻尼因子的自适应选择方法。　　（2）针对电力系统信号为理想信号模型、含有谐波及噪声信号的模型及电力系统频率发生瞬间跳变的信号模型分别进行了比较详细的仿真，仿真结果验证了该算法的有效性，并且由于阻尼项的加入，在电力信号中含有谐波及噪声和频率发生突变的情况下，算法都能够快速地辨识出电力系统频率随时间的变化特性，其中阻尼因子起到了非常重要的作用。　　（3）将基于递推阻尼最小二乘算法的电力系统频率跟踪在 FPGA硬件实验平台上实现。由于在算法处理中带有小数和反余弦等函数，故采用嵌软核的方式方便算法的运算，最终将芯片的处理结果通过LCD800*600的彩屏上显示出来，并设计一个8位的存储器对芯片处理结果进行存储，将结果送至 SignalTap逻辑分析仪上进行信号捕捉与分析，FPGA硬件实验平台上的结果进一步证明了该算法的鲁棒性、快速性、准确性。