针对非线性自回归模型（Nonlinear Auto-Regressive with extrainput，NARX）系统辨识问题，利用非正交的方法来构造较为稀疏的逼近NARX模型的径向基函数模型。与已有的径向基或其他的核模型只采用同一固定的尺度不同，采用多个尺度，通过最小化当前训练误差，选择最佳的核中心和尺度参数。在学习过程中，采用非正交核函数的方法进行模型逐步回归。对样本数据利用k均值聚类算法得到核函数中心参数备选项，同时设置多个备选尺度，并通过最小二乘法求得相应核函数的权值，利用前向选择方法从中找出使模型误差最小的最优核函数。仿真实验验证了方法在泛化性能和稀疏性方面的可行性。