针对阶次未知Wiener系统辨识模型中存在的过参数问题和最小二乘精度低的问题，提出了一种基于行列式比确定阶次和分解技术的多新息最小二乘估计方案。通过系统数据构造数据矩阵，并利用行列式比方法对系统的阶次进行精确估计。具体的行列式比方法可以参考系统辨识最小二乘估计。然后，利用分解技术将线性模块代入到非线性模块的特定项中，以建立线性参数和非线性参数相互分离的估计模型，从而显著减少算法的计算量。这种分解技术的实现方式可以参考递推最小二乘实现参数估计。

其次，设计了参考模型处理估计模型中未知的内部变量，将内部变量转化为间接可测的变量，以提高估计的准确性。通过修改新息的长度，将标量新息扩展为多新息，从而显著提升了估计算法的性能。对于感兴趣的读者，可以进一步参考系统辨识与参数估计最小二乘法MATLAB中的相关方法。