低频振荡模式在线辨识具有重要的工程应用价值。采用ARMA模型的常规递推算法（RLS）以及正则化鲁棒递推算法（R3LS）可有效辨识稳态类噪声信号，但对动态信号的辨识效果不太理想。分析了常规RLS算法在出现动态信号时可能发散的原因，通过在算法中引入基于输入信号自相关矩阵和互相关向量的L1范数的自适应权重参数，保证算法在各种条件下的收敛性，实现了一种全新的鲁棒递推ARMA算法（NRRLS）。采用IEEE-39节点系统时域仿真和某电网的PMU实测数据进行了大量的分析测试，并通过与RLS算法和R3LS算法的辨识效果进行比较，验证了NRRLS算法具有更好的鲁棒性和辨识精度，扩展了ARMA模型的应用范围，具有较高的理论和工程实用意义。