双线性系统广泛存在于实际工业过程中,如流体热交换、核裂变等都可以用该类系统来描述.论文考虑实际中存在的一些不确定因素,如状态不可测、时延等,研究双线性状态空间系统的参数与状态联合估计方法,具有重要的理论意义和实际价值,主要研究内容如下.1.针对双线性状态空间系统的状态估计问题,借助系统的特殊结构,将其看作线性时变参数模型,基于Kalman滤波原理,推导了双线性系统的状态估计器.此外,通过极小化状态估计误差协方差阵,提出了基于delta算子的双线性系统状态估计算法.通过理论分析和数值仿真表明了算法的有效性.2.针对白噪声干扰的双线性状态空间系统,辨识的困难是系统包含了未知参数、未知状态,以及二者与控制变量的乘积项（双线性项）.针对该问题,利用交互估计理论,在辨识系统参数时,将算法中未知状态用其估计代替,利用得到的参数估计构造双线性状态观测器,提出了基于双线性状态观测器的多新息随机梯度辨识算法,从而实现了递推参数与状态联合估计.3.针对有色噪声干扰的双线性状态空间系统,为减少有色噪声对参数和状态估计的影响,利用数据滤波技术,通过建立滤波器对系统的输入输出进行滤波处理,提出了基于双线性状态观测器的滤波多新息增广随机梯度算法,提高了参数估计的精度.通过数值仿真说明了所推导算法的有效性.4.针对大规模双线性状态空间系统,其维数高、变量多,导致辨识算法计算量大的问题,运用递阶辨识原理将原系统分解为低维子系统,通过设计状态观测器估计未知状态,提出了基于状态观测器的多阶段广义增广最小二乘算法,提高了计算效率.并运用鞅收敛定理,在持续激励的条件下,分析了算法的收敛性能.5.针对时延双线性状态空间系统,考虑未知时延问题,将原辨识模型扩展为增广辨识模型,提出了基于双线性状态观测器的递推最小二乘算法和递阶最小二乘算法,从而获得增广参数估计.然后通过设置阈值,确定系统的时延,从而实现系统的参数、状态和时延的联合估计.最后,通过蒙特卡洛仿真实验验证了算法的有效性.论文对提出的递推参数与状态联合估计算法进行了数值仿真,对部分算法进行了计算量的比较,并基于鞅收敛定理对部分算法进行了收敛性能分析.