为解决Wiener系统量化辨识问题，提出了一种重复学习梯度辨识算法。首先，基于分解技术构建量化Wiener系统参数分离的辨识模型，减少算法计算量。然后，利用数据窗理论对观测数据向量进行延拓，以获取更多的量化系统模态。为了解决窗长度抑制辨识性能的问题，将重复学习思想引入参数自适应律更新机制中，将窗数据批次更新转化为多次标量更新，提高估计性能。最后，估计器收敛性分析和实例对比结果证明了本文方案的有效性和优势。