近年来，随着结构健康监测领域越来越受到人们的重视，结构系统的识别问题成为了研究的热点，本文将在信号处理、目标跟踪等领域中引起了众多学者的关注的粒子滤波方法引入到结构系统的识别问题中作为研究对象。识别领域的一般的时变系统都可以被看作是一动态状态空间模型，对于线性高斯模型，传统的卡尔曼滤波可以给出后验密度函数的解析解：而对于非线性非高斯模型，我们则无法得到它的解析解，在这种情况下则可以使用粒子滤波方法来对其进行近似。这种方法的基本思想是产生服从后验分布的样本，并对其进行加权，以得到后验密度函数的近似解。 论文主要讨论了序列蒙特卡罗方法(又称粒子滤波)在建筑结构系统中的应用。介绍了它的基本思想、基本方法、及当前研究现状，并推导了其具体在结构系统中应用的实现方法及具体步骤，为了考察该方法在土木结构系统的参数识别问题中的性能，对其在各种结构模型中的应用进行了全面的数值仿真。 首先对线性结构系统中的单自由度线性时变参数模型、非时变参数模型，多自由度线性模型进行参数识别，验证了粒子滤波方法在线性结构系统识别的有效性并对粒子滤波识别过程中在不同噪声水平下的抗噪性以及粒子数的数量的影响程度进行了对比研究得出了该方法在线性系统下的一些性能指标； 然后以土木结构中常用的Bouc-Wen滞回模型作为非线性系统识别的研究对象，并考虑高斯噪声与非高斯噪声两种情况应用粒子滤波方法进行了非线性参数的识别，将识别结果与传统的EKF方法进行对比分析，仿真结果表明粒子滤波方法在非线性结构系统尤其是非线性、非高斯结构系统中与传统方法相比具有明显的性能优势。 最后，关于进一步工作的方向以及粒子滤波在建筑结构领域应用的前景进行了简要的讨论和展望。