广义上说，系统是不同作用类型的变量构成的客观实在。当我们与系统打交道时，需要一些概念知道它的变量是怎么相互作用的，于是假设了一个关系叫系统模型。系统辨识主要是为了解决通过观察数据建立系统数学模型的问题。数学建模可以分为两条路径（或两种路径的结合）：一种是分成几个已经充分研究的系统；另一种是所谓的建模，不需要包括实际系统的任何经验。
系统可以分为线性或非线性，也可以分为时变或时不变。最简单的系统是线性时不变系统，奥本海姆《信号与系统》已经进行了详尽的讨论，西蒙赫金《自适应滤波》则对系统参数的自适应拟合给出了丰富的方法指导（包括时变系统）。本人目前主要关注非线性系统（不符合线性相加准则）的辨识。
非线性系统的辨识一般有四种模型：
1）Volterra级数
2）模块结构系统，如Wiener-Hammersteinmodel等
3）神经网络
4）NARMAX methods
过去均衡技术使用的是自动均衡技术，需要先发射训练序列调整均衡滤波器参数然后再发射真正带有信息的信号。现在盲信号处理则不需要这一过程直接进行信道均衡等信号处理。盲信号处理包括盲信号分离、盲均衡、盲多用户检测、盲系统辨识等几大领域。“盲”是指除了观测数据（系统输出数据）外，其他系统信息（包括系统输入）未知，也称“全盲信号处理”。而“半盲信号处理”中，观察者还了解了一些信号系统的先验知识（如概率分布特性）。盲信号分离是在信号传输过程中多个源信号发生耦合而混叠时，根据各源信号的一些统计特性从混合信号中将其分离出来的过程，是上个世纪八十年代来研究热点。盲均衡指的是信道均衡时用户不需要发送训练序列接收端通常只知道输出信号及输入信号的一些特征即可进行信道均衡。盲多用户检测算法是克服多址干扰与远近效应影响的有效方法。盲系统辨识(BSI)是指根据输出信息对未知系统进行数学建模，广义上说不只包括系统模型和参数的辨识，还有系统特征的辨识。盲辨识技术广泛应用于移动通信、语音混叠抵消和盲图像存储等领域。