随着现代工业技术的快速发展,工业过程中的控制系统中所包含的变量数和参数越来越多,因此对于这种多变量控制系统的参数辨识成为近几年来的研究热门。类多变量输出误差系统是一种特殊的多变量系统,凭借其参数类型复杂进而成为系统辨识领域的研究热点。论文针对类多变量输出误差系统展开了研究,分别研究了其在不同类型有色噪声干扰下的参数辨识问题,并利用耦合辨识概念完成对基础迭代算法的优化,推导出了耦合类迭代辨识算法,所推导出的算法具有理论意义和实际应用价值。论文取得如下成果:(1)针对类多变量输出误差滑动平均系统,利用辅助模型辨识思想推导出了增广梯度迭代算法。为了提高参数估计精度,进一步利用耦合辨识概念,提出了部分耦合子系统增广梯度迭代算法和部分耦合增广梯度迭代算法。(2)针对类多变量输出误差滑动平均系统,利用最小二乘搜索准则,提出了增广最小二乘迭代算法。为了提高参数辨识精度,提出了部分耦合子系统最小二乘迭代算法。(3)针对类多变量输出误差自回归滑动平均系统,研究了广义增广梯度迭代算法和广义增广最小二乘迭代算法。为了提高计算效率,利用递阶辨识原理,推导出了相对应的子系统广义增广迭代算法。(4)针对类多变量输出误差自回归滑动平均系统,研究了部分耦合广义增广梯度迭代算法和部分耦合子系统广义增广最小二乘迭代算法。这两种算法通过增强子系统间相同参数估计之间的耦合性,有效提高参数估计精度。综上所述,本文研究了类多变量输出误差系统的耦合类迭代辨识算法,对于在两种不同类型有色噪声干扰下的系统分别推导出了耦合类算法来辨识其参数,并应用MatLab仿真软件分别对上述各个算法进行了仿真分析,验证了所推导算法的有效性。然后通过控制变量法调整特定的仿真条件,研究了耦合类迭代辨识算法在不同噪声方差和不同数据长度下的参数估计误差随迭代次数的变化情况。在最后的总结与展望部分,针对接下来的研究重点与难点做了简单的介绍,同时对本论文所研究算法的推广做了说明。