在土木结构的健康监测中，对在服役结构进行损伤评估是一项非常重要的工作。目前，基于结构振动信号测量的系统辨识和损伤识别技术已成为当前国内外研究的热点问题。近年来一种基于扩展卡尔曼滤波（EKF）方法在结构的系统识别和损伤诊断的研究中受到了广泛的关注。扩展卡尔曼滤波（EKF）是一种以最小均方误差为估计的最佳准则，可用于对非线性系统结构参数识别的实时递推算法。其基本思想是：采用信号与噪声的状态空间模型，利用前一时刻的估计值和现在时刻的观测值来更新对状态变量的估计，求出现在时刻的最优估计值。该方法可以有效地识别结构参数的变化位置和程度，从而能够在线识别出结构的损伤。本文以扩展卡尔曼滤波理论为基础，对其在结构的损伤识别中的应用进行了研究。本文推导出单自由度系统和多自由度系统在自由振动下无阻尼和小阻尼情况下利用扩展卡尔曼滤波（EKF）进行损伤识别的理论公式，并将其应用于弹簧质点系统损伤识别当中。通过弹簧质点模型的数值仿真结果证明了扩展卡尔曼滤波方法（EKF）在结构损伤识别中的适用性和有效性。针对扩展卡尔曼滤波算法（EKF）在对复杂结构损伤识别中，由于待识别参数的增多导致其识别精度下降等问题，本文做了进一步的研究和改进：1，通过模态坐标转换应用于扩展卡尔曼滤波（EKF），以模态坐标初始值代替传统主自由度响应初始值构建扩展卡尔曼滤波（EKF）状态向量，利用模态截断来缩减自由度数，从而达到降阶的效果，可以简化递推公式，避免状态方程线性化带来的误差，以保证算法的稳定性；2，由于结构损伤识别问题本质上属于反问题中的系统辨识问题，因此考虑将Tikhonov正则化方法和扩展卡尔曼滤波（EKF）方法相结合，来改善反问题求解的不适定性，使与之结合后的扩展卡尔曼滤波（EKF）具有良好的鲁棒性和损伤识别能力。梁式结构的损伤识别数值算例表明，本文的改进算法能够有效抑制输入信号中的噪声干扰，对结构单一损伤和多处损伤情况均能准确识别，具有良好的鲁棒性。