在航天航海、天文系统、社会经济以及工业过程等一大批领域中.研究对象一般比较复杂,大部分可以归结称作为伪线性回归系统,现有理论很难直接获得其数学模型,只能够应用观测到的数据来确定研究对象的参数和它的模型.这篇论文是以我国自然科学基金项目为背景而展开的：查阅系统辨识的文献,了解系统辨识发展历史.进而结合数据滤波技术,最小二乘辨识的思想以及辅助模型辨识方法,解决一系列的伪线性回归系统和输出误差系统辨识的问题，论文的主要工作如下.1.针对伪线性回归滑动平均系统提出数据滤波递推最小二乘辨识的算法.利用对应于系统噪声的线性滤波器,对输入和输出数据处理，将系统转化为白噪声干扰的辨识模型.再利用最小二乘原理,分别估计线性回归部分的参数和噪声模型参数：接着,这种方法将进一步应用于伪线性回归自回归系统伪线性回归和伪线性回归Box-Jenkins系统，最后通过计算机仿真验证了方法的有效性.2.通过采用辅助模型和滤波技术，提出伪线性输出误差滑动平均系统的参数估计方法.本章提出了一种基于辅助模型递推最小二乘参数估计算法.通过构造一个辅助模型和并用它代替未知的内部变量完成.进一步采用数据滤波技术，将有色噪声干扰的辨识模型转化为白噪声干扰的辨识模型,提出了基于滤波和辅助模型的方法.与前者相比,后者方法需要更小的计算量,具有更高的计算效率.同时将方法应用到伪线性输出误差自回归系统和伪线性输出误差Box-Jenkins系统中，最后仿真论证方法的有效性.论文研究并推导了伪线性回归系统和伪线性输出误差系统的辨识方法,计算机仿真实验验证了算法的良好性能.