近年来,基于输出信号的线性结构模态参数辨识方法在对大型结构的模态参数估计中发挥了重要作用,但这些方法在实际应用中也存在许多需要进一步探讨和完善的地方:例如噪声干扰引起的模态失真,估算过程中的模型定阶,虚假模态的剔除等。另外,关于短时采样信号的研究,即采样时间对模态参数识别的估算精度问题研究的比较少,本文利用随机子空间识别算法对以上存在的问题作了重点研究分析,其主要研究内容如下:总结了国内外近年来基于输出信号的模态参数辨识理论及方法,对其应用背景、研究现状、研究方法和成果以及存在的问题给予了较为全面的论述,对各类方法在应用条件、辨识手段和辨识结果等方面优缺点的做出了综合分析与比较。研究了时域随机子空间识别的基本理论和算法,介绍了基于相关函数驱动的随机子空间辨识方法的识别过程。在不同噪声强度和采样时间的情况下,通过随机子空间方法对输出响应信号的模态频率与阻尼比识别精度的数值仿真,研究了采样时间和噪声对模态参数识别精度的影响。研究了基于小波函数的时频滤波方法,并将其作为本文信号滤波的主要处理手段。通过数值仿真,研究了不同的小波函数和阈值设置方法对信号的去噪效果。另外,对传统的时域随机子空间方法识别过程中存在的问题,进行具体说明并提出了一些改进办法。研究了运用稳定图方法进行模型定阶和虚假模态的剔除问题。最后,为提高对短时信号的参数识别精度,对随机子空间识别过程进行了改进,通过数值仿真和脉冲激励下的悬臂梁实验,研究总结了传统子空间方法与本文改进过程后的辨识效果。