在对结构进行健康监测时，常通过传感器获得加速度和位移数据来对结构的特征参数进行识别。受噪声干扰，将严重影响识别的准确性。为了得到更加精确的数据，我们可以利用不同传感器所监测数据之间存在的某种特定关联进行数据融合，从而提高所获得监测数据的准确性。 本文提出了新的卡尔曼滤波算法，对不同传感器监测所得动力响应数据进行数据融合。建立了剪切结构模型，以模型承受地震动所得动力响应模拟真实的响应数据，以真实响应加入高斯白噪声来模拟受噪声污染的响应数据。按照本文提出的数据融合算法对污染数据进行融合，并对融合后数据与受噪声污染的数据进行比较，结果表明，本文提出算法是可行和有自适应性的。 本文编制了结构非线性动力响应分析程序，用以模拟结构在地震中的反应，并作为结构时程响应数据信息；提出了以卡尔曼滤波数据融合模型为基础的结构损伤判断方法，并用计算机模拟进行了验证，结果表明，本文提出的算法可以有效地判断出结构是否发生了损伤。 本文还提出了一种利用动态检测与静态检测相结合的诊断结构损伤的方法。利用基于卡尔曼滤波算法的动态识别方法对结构参数进行初步识别，然后，依靠这些识别出来的参数，采用一种静态识别方法对结构参数进行精确识别。通过此方法可以提高静态识别方法的识别效率。 最后，对整篇论文进行了总结，并且简要地讨论进一步工作的方向。