近些年来，大型结构健康监测、大型机械与车辆交通故障诊断等领域越来越引起人们的关注，而模态参数识别是结构健康监测的重点。由于测量信号很容易被外界因素所干扰，特别是用一些常规手段也无法消除，而模态参数提取与系统的输入输出数据密切相关，所以将会大大降低模态参数的提取精度。另外，在模态参数的运算过程中，当模型阶次过高的情况下，会产生过多的虚假模态，严重的影响了模态参数的精度。　　归纳起来，本文主要研究的工作如下：　　一、改进了模态参数中的基于协方差驱动的随机子空间算法，通过引入压缩感知技术中的正交匹配追踪算法来代替随机子空间算法中的最小二乘法，提高了振动信号的鲁棒性，最大程度的消除了噪声的干扰，并在模态定阶方面采用K-me a ns算法来提取精确的模态参数（阻尼比、频率和振型），避免了人为因素的干扰，在高阶系统的参数提取中，能有效的避免虚假模态的产生。　　二、提出了基于改进的随机子空间算法的ITD法，引入了上面改进的随机子空间算法来代替ITD法的预处理过程—随机减量技术，很好的消除了随机减量技术所带来的人为误差，并继承了改进随机子空间算法的优点，同时在模态定阶方面同样采用K-means算法来提取模态参数（阻尼比和频率），省去了人为定阶的过程，能很好的避免虚假模态的产生。　　三、在斜拉索桥的实际测试中，应用改进的随机子空间算法和传统的随机子空间算法，在白天车辆较多、环境激励较强的情况下进行采样，然后记录两种算法所提取的模态参数频率、阻尼比和模态振型，并且和斜拉索桥的固有模态参数进行比较，计算相对误差，很好的验证了改进随机子空间算法的实用价值。　　四、引入改进的ITD法和传统的ITD法，在白天车辆较多、环境激励较强的情况下对斜拉索桥进行采样，然后记录两种算法所提取的模态参数频率和阻尼比，同时和斜拉索桥的固有模态参数进行比较，计算相对误差，通过误差分析，来验证改进ITD法能够较为精确的提取模态参数。