桥梁结构的健康监测不仅能够对结构的安全状态进行评估,而且对结构的安全隐患进行提前预警，从而避免突发性灾难事故的发生。挠度是桥梁结构健康监测的关键参数之一，是评价桥梁结构安全和判断桥梁结构承载潜力的重要指标，能够真实反映各种因素作用下的工作性能。桥梁健康监测得到的桥梁挠度数据是车辆荷载、人群等荷载和日温差、年温差等环境因素以及预应力损失和混凝土收缩徐变等引起的长期变形作用下的挠度叠加。准确获取各因素作用下的挠度分量数据，判断各挠度分量数据是否在挠度允许范围之内，从而评价桥梁结构安全状况和判断其承载潜力。本文利用多尺度处理手段，分析了各种因素影响下的时间尺度，结合信号处理技术，提出了建立系统的桥梁挠度信号分离体系。针对挠度信号中的高频信号成分(通常是车辆荷载挠度信号)，利用FIR滤波器对其分离；对于桥梁挠度低频信号中的周期信号成分，分别利用奇异值分解算法和特征值分析算法对其进行分离。奇异值分解和特征值分析理论是矩阵理论和线性代数中最重要的理论之一，本文针对挠度低频信号的周期信号成分，分别构建两种算法的挠度分离模型，通过对各模型的求解，实现挠度低频信号的分离。由于在对挠度低频信号分离之前，应准确识别其含有周期成分的周期间隔，本文提出采用延时奇异值比谱的方法对挠度低频信号进行探测，探测结果显示，该方法能较好的识别其周期间隔。本文利用Midas软件对各因素作用下的挠度进行仿真计算，并将其叠加在一起供分离所用。分离结果的相关系数均在0.9以上，分离效果较好。EMD+ICA方法的分离结果相关系数在0.8以上，本文提出的算法优于EMD+ICA方法。最后将本文提出的算法对实测信号进行分离，分离后温度挠度相关系数0.9以上，长期挠度相关系数在0.89以上，表明分离效果较好。