本文研究了Hammerstein CAR系统参数和阶次的同时辨识问题,概述了Hammerstein系统辨识方法的国内外研究现状。采用压缩感知原理,提出Hammerstein CAR的基于关键变量分离原理的正交匹配追踪辨识方法(orthogonal matching pursuit,OMP)和基于辅助变量的正交匹配追踪辨识方法。对提出的两种基于压缩感知原理的辨识方法的有效性进行了仿真验证。研究内容如下:第一,介绍模块化系统的结构,综述了模块化系统的辨识方法;介绍了基本的一次完成最小二乘辨识方法和递推最小二乘辨识方法,以及辅助模型思想和关键变量分离原理。第二,针对Hammerstein CAR系统,将关键变量分离原理与压缩感知原理中正交匹配追踪算法相结合,提出基于关键变量分离原理的正交匹配追踪辨识方法。利用关键变量分离原理得到系统线性参数模型,避免了传统非线性模块和线性模块参数乘积项导致的过参数化;进一步为了减少噪声对系统辨识的影响,采用带有阈值的正交匹配追踪(TH-OMP)算法对模型阶次和参数同时进行辨识。第三,针对Hammerstein CARMA系统,将辅助变量思想与压缩感知原理中正交匹配追踪算法相结合,提出基于辅助变量的正交匹配追踪辨识方法。借助滤波技术和辅助变量对系统方程进行化简和参数解耦,将系统输出表示为含所有待估参数的线性回归方程;针对模型中不可测参数问题,利用辅助模型辨识思想,用模型中不可测参数的估计值代替各个不可测参数,提出基于滤波技术和辅助变量的参数和阶次同时估计的辨识方法。第四,对所提出两种辨识算法,进行了相应的Matlab仿真。仿真结果表明所提出两种算法,辨识精度高,算法的运算量小,能够实现在线辨识。