当目前的营建结构物趋向于更高耸和更轻质的设计时，这使得它们在强风的环境下更容易受到振动的影响，高耸建筑的可服务性和其使用者的舒适性也因此成为结构设计师所关心的课题。事实上，主要的解决方法在于控制因强风导致高层建筑过度的加速度振动，然而Huang等人针对随机递减法提出一个线性动态系统参数识别的问题，其发现当随机递减法被应用于加速度响应时，所过滤出的随机递减函数不等同于该线性动态系统相对应的自由振动，此问题起因于受力加速度响应有外力的嵌入而对应产生信号的偏差。　　唯输出模态参数识别的基本假设是作用在线性动态系统上的外力为白色噪声。当外力为高斯白色噪声激励并且已知线性动态系统的初始条件时，加速度动态响应的随机递减函数和自由衰减振动响应是不相等的，这是因为在此随机递减函数中存在一个奇异点，这个奇异点正是来自于该白色噪声激励。这样的结果大大地限制了加速度动态响应在模态参数识别的可用性，因为，使用有外力嵌入的受力加速度响应会产生参数识别的偏差问题。这个问题虽然已经在频域识别方法中得到良好的解决；然而，此问题在时域识别方法中尚未得到适当的解决。　　为了解决加速度响应所造成的模态参数识别问题，一个识别过程被提出来。同时，考虑到在大多数情况下，结构物实际的荷载情况是很难被检测到的，因此，该系统识别的立足点将是唯输出模态参数识别方法。在本文中，通过使用协方差驱动随机子空间识别（SSI-COV）方法来发展只有输出响应的模态参数估计方法。在发展SSI-COV时，为了减少噪声对识别结果的影响，利用奇异谱分析技术可以去除噪声的原理，同时藉由奇异谱分析中轨迹矩阵的概念来解决加速度响应受外力嵌入的问题，以提高数据分析的稳定性。为了在计算加速度响应相关函数矩阵时，会放大外力嵌入的影响，在本文中使用无加权（SSI-COV）算法。　　随后，对随机子空间识别算法进行数值验证。以两自由度、三自由度和二维框架结构为例，采用MATLAB对结构进行模态分析，获取结构的模态信息，编制了基于MATLAB平台的识别算法程序，并考虑噪声影响，验证随机子空间识别算法的可行性、有效性和适用性。结果证明，改进的随机子空间方法可以有效地识别出白噪声和有色噪声激励下的系统参数，并且，其模型频率和阻尼比的识别精度都要优于未改进的识别算法。随机子空间方法的关键是Hankel矩阵的维数和系统阶次的确定，本文采用的是协方差驱动随机子空间方法对动力系统进行识别，讨论了系统阶次的选择对识别结果的影响。