二十世纪五十年代，康奈尔航空进行了关于利用飞行数据对无人机动态进行频域上的系统辨识[13]。通过对极坐标系下的频率响应进行最小二乘法拟合得到了低阶传递函数模型。后来美国空军飞行试验研究中心用这种方法来进行飞行研究，同时美国国家航空航天局兰利研究中心还对在多种从飞行数据中确定频率响应和传递函数的其他方法进行了深入研究。这些方法主要包括稳态正弦波法、机械滚动球面谐波分析和傅里叶分析法。但是由于早期缺乏高性能的计算工具使得人们在频率响应辨识方法上所付出的努力都陷入了困境。79707

二十世纪七十年代初期，随着科技生产力的迅猛发展，在飞行试验中，人们利用自动化程度高，速率快的数据采集系统和性能强化的电子计算机，为现代辨识算法在系统辨识领域里全面而深入的应用提供了强有力的工具。同时，快速傅里叶变换算法的发展也令频率响应辨识方法得到了世界范围内的重视[14]。

目前世界范围内的发达国家已经将无人机系统辨识的研究发展到了实际应用水平。美国海军空军发展中心(NADC)采用EBM方法对飞机的状态估计和参数辨识问题进行了研究。W。E。Hall和N。K。Gupta共同使用卡尔曼滤波器递推公式(Kalman法)和极大似然法(ML法)进行了大攻角下的气动参数辨识。R。E。Maine和K。Wlliff等以极大似然估计法作为基本方法，并在此基础上，对递推优化法和直接搜索法进行了详细深入的研究。这些方法都取得了比较满意的结果[15]。论文网

由于旋翼无人机固有的复杂性，使其在辨识方面的研究远不及其它飞行器的成熟。近年来，因为对旋翼无人机的应用需要以及研发条件的完善，旋翼无人机系统辨识逐步发展起来。1987年，美国航空研究与发展顾问组的飞行力学组成立了一个专门开展旋翼无人机系统辨识方法和应用研究的研发小组，该小组由不同国家的该领域专家学者和工程人员组成[16]。美国军方航空飞行力学理事会的Tischler第一次从旋翼无人机的飞行实验数据(采用了扫频输入)中辨识除了频率响应和传递函数模型。同时Tischler和Cauffman联合开发了频域辨识算法CIFER软件包，可以对无人机进行辨识，包括模型辨识和参数辨识。美国加利福尼亚的研究小组利用多输入多输出(MIMO)系统的辨识技术对小型直升机机在悬停点附近的动态特性进行了辨识。美国密歇根大学的S。Kim和D。M。Tibury参照以往的经验和方法，建立了旋翼无人机的数学模型[13]，还采用自制的试验控制台对旋翼无人机模型进行飞行数据采集，并且进行了单通道运动的辨识。

卡内基梅隆大学机器人研究所的学生MetterBernard。F用CIFER软件辨识小型无人机R-50，辨识得到MIMO线性系统模型，并将此系统用于控制系统的分析及优化。此外，美国堪萨斯大学以及马里兰大学也同样把CIFER用于小型无人机的辨识，并进行了基于所得线性系统的研究。频域辨识法是目前国际上进行飞行器系统辨识所广泛应用的一种方法，而CIFER将频域辨识所用到的所有功能进行了高度集成，并且将相干函数信息和理论精度度量综合为一个强有力的统一方法，从而来确定参数化模型的结构并进行辨识[17]。