La identificación del sistema (SI) es la disciplina de inferir modelos matemáticos de sistemas dinámicos desconocidos utilizando las observaciones de entrada/salida de dichos sistemas con o sin conocimiento previo de algunos de los parámetros del sistema. Muchos algoritmos válidos están disponibles en la literatura, incluida la expansión de series de Volterra, modelos Hammerstein-Wiener, modelo no lineal autorregresivo de media móvil con entradas exógenas (NARMAX) y sus derivados (NARX, NARMA). Se pueden utilizar diferentes estimadores no lineales para esos algoritmos, como polinomios, redes neuronales o redes de ondas. Este documento utiliza un enfoque diferente, llamado polinomios de Bernstein de partículas, como un estimador para SI. Además, a diferencia de los algoritmos mencionados, este enfoque no opera en el dominio del tiempo, sino en los componentes espectrales de las señales a través del uso de la transformada discreta de Karhunen-Loève (DKLT). Se realizan algunos experimentos para validar este enfoque utilizando un conjunto de datos disponible públicamente basado en pruebas de vibración terrestre registradas de un avión F-16 real. Los experimentos muestran mejores resultados en comparación con algunos de los algoritmos tradicionales, especialmente para conjuntos de datos grandes y heterogéneos como el utilizado. En particular, el error absoluto obtenido con el método propuesto es un 63% menor con respecto a NARX y de un 42% a un 62% menor con respecto a varios enfoques basados en redes neuronales artificiales.