非线性现象普遍存在于工程技术、科学研究以至自然界及人类社会活动的各个领域。但是由于非线性系统描述的复杂性和多样性,其辨识问题成为目前国内外众多学者致力研究的一个热点和难点。　　本论文针对目前非线性辨识领域的重要研究方向-以分段线性Hammerstein模型描述的非线性系统参数辨识,参阅大量书籍,总结并借鉴目前常用的几种辨识算法,引入了一种分离辨识的思想,分别利用数字滤波和样条逼近算法重构出块联系统的中间输入,将线性和非线性部分分离处理,并且改进信号的小波分解算法对近似逼近后的系统参数进行估计。本文主要获得以下成果:　　1.对于分段线性Hammerstein模型描述的非线性系统,引入开关函数,将模型输出整理成参数和信号更加明确的非线性回归形式,因而使得对该系统的辨识更直接简单,效果更好。　　2.基于分离原则,将线性和非线性部分的参数分离辨识。给出了两种方案:一是应用数字滤波器的逆动态滤波性能,以多项式滤波的形式分离模型的中间输入进行参数辨识;二是考虑样条函数的分段特性,采用三阶B样条函数的数据曲线逼近能力,通过对输入信号的采样插值获得了较好的中间过程输入。分离辨识的算法避免了各自参数估计误差的相互影响,保证了较高的精度以及可靠性。　　3.讨论了小波分解辨识非线性系统参数的算法,并改进信号的小波分解把初始信号分解为不重叠的二元频带之和,从而在辨识中滤掉高频的噪声干扰,只使用低频段的输入和输出信号进行估计。该算法无需系统的内部机理,仅需要系统的输入输出数据即可辨识出系统参数,可预见其广泛的应用性。