当前,随着我国基础设施建设以及交通路网布设,桥梁数量日益增多。桥梁作为交通基础设施的枢纽,其结构的安全性对保护国民经济和人民财产安全起着重要作用。然而,受使用寿命、环境、过载、交通拥堵和地质活动等因素的综合影响,桥梁的运营安全形势日益严峻,安全风险显著增加。因此,亟需对现有桥梁进行有效的损伤检测与安全评估。地基合成孔径雷达（Ground-Based Synthetic Aperture Radar,GBSAR）作为一种新型微波干涉测量技术,具有非接触、高精度、全天时、全天候监测等特点,现已被广泛应用于桥梁动挠度监测。但是GBSAR桥梁动挠度数据采集过程中,会不可避免地产生噪声信息,直接影响桥梁健康评估的准确性。因此,针对上述问题,本文的主要研究内容如下;（1）阐述了经验模态分解（Empirical Mode Decomposition,EMD）、集合经验模态分解（Ensemble Empirical Mode Decomposition,EEMD）和极点对称模态分解（Extreme-point Symmetric Mode Decomposition,ESMD）等模态分解方法的基本原理,详细论述了盲源分离（Blind Source Separation,BSS）和稳健的BSS算法二阶盲辨识（Second-Order Blind Identification,SOBI）的基本理论及降噪原理,并通过实验验证了SOBI算法在信号降噪方面的可行性。结果表明,SOBI算法可从混合信号中分离出不同源信号,且分离后噪声分量与模拟噪声分量的相关性达0.9996。（2）针对单个GBSAR设备仅能获取桥梁特定监测点单组数据的局限和单通道盲源分离（Single-Channel Blind Source Separation,SCBSS）算法的特点,提出了集成ESMD和SCBSS的信号降噪方法。首先,针对ESMD分解的第一个固有模态函数（Intrinsic Mode Function,IMF）分量,通过循环移位产生新的噪声分量,继而建立虚拟多通道数据,构建基于IMF1循环移位的SCBSS信号降噪模型;其次,针对ESMD分解产生的余项R不含噪声信息的特点,构建了基于余项R无噪声的SCBSS信号降噪模型;最后,针对采取外部包络插值的EEMD和采取内部极点插值的ESMD两种模态分解方法,构建了基于不同插值方式的SCBSS信号降噪模型。仿真实验结果表明构建的三种模型在信号降噪方面具有可行性,且与原始数据相比信噪比分别提高33.17%、32.39%和35.21%,均方根误差分别减少53.41%、52.47%和55.53%。（3）针对单个GBSAR设备可在同一时域下采集多个相邻监测点数据的特点,提出了基于ESMD方法的BSS多通道信号降噪模型,利用相邻监测点数据的辅助,实现对中间监测点的信号降噪。首先,针对同一时域下三个相邻监测点数据,构建基于BSS的多通道信号降噪方法;其次,针对ESMD算法特点,构建ESMD-BSS多通道降噪模型,借助ESMD对观测数据中高频噪声分量进行去除,利用BSS技术去除剩余分量中的低频噪声,以进一步减少噪声信息对有用信息的影响;最后,通过京津城际铁路桥与北沙滩城市公路桥数据进行实验,结果表明本文构建的多通道降噪模型在实际桥梁监测信号降噪中具有可行性,且在信号统计、能量以及图形三个方面具有优势。特别地,对于京津城际铁路桥数据,ESMD-BSS多通道降噪方法与ESMD方法相比,噪声抑制比提高42.7%,噪声模提高58.6%,平滑度降低46.9%;对于北沙滩桥数据,与BSS方法相比,ESMDBSS多通道降噪方法的噪声抑制比提高50.6%,噪声模提高2.6倍,平滑度降低29.6%。进一步表明本研究所提多通道降噪模型可以实现对噪声信息的有效去除,提高桥梁动挠度数据精度,为后续桥梁健康评估提供更加精准的数据支撑。