可靠高效的数据压缩和结构损伤识别是土木工程结构健康监测领域的重要问题。　　压缩传感作为一种新颖的数据压缩技术,将信号压缩与采样在同一过程中实现完成。这种数据压缩技术突破了传统的香农数据采样过程(即首先采集完整的信号然后再进行数据压缩),简化了数据采集系统;而且采样点数目远远小于满足香农采样定理所需要的采样数目,通过L1范数最小化凸优化方法实现原始信号的精确重构。压缩传感技术为解决结构健康监测海量数据的采集与存储问题、以及结构健康监测中的无线传感与网络的数据采集及传输问题开辟了崭新的途径。但其中的不准确建模和不可避免的观测误差等不确定性是压缩传感数据重构即解压缩所面临的关键理论问题。本文研究贝叶斯压缩传感方法及其鲁棒性问题。　　在获得高质量监测数据的基础上,进行结构健康与安全状态的诊断是健康监测的另一个重要问题。但土木工程结构的体积大和局部损伤这一突出的矛盾导致结构损伤识别是一极具挑战性的课题。基于分形维数具有对时空信号不规则性的描述能力,本文研究基于分形维数的结构损伤识别方法。　　首先,分析贝叶斯压缩传感重构的鲁棒性问题,揭示采用稀疏贝叶斯学习理论进行压缩信号的重构存在大量的局部最优解,从而影响获得超参数的全局最优解和准确的信号模型,降低了压缩数据重构的鲁棒性。　　其次,提出多种鲁棒性贝叶斯压缩传感重构算法。以重构数据的微分熵为目标函数,发展自适应测量矩阵的优化方法;提出基于渐变型马尔科夫链蒙特卡罗算法(TMCMC)和ARD(Automatic Relevance Determination)先验概率模型的随机优化方法,改善超参数和信号模型全局优化能力,提高重构数据的鲁棒性;提出鲁棒性贝叶斯压缩传感重构的“诊断”和“修复”算法,实现压缩数据重构过程的实时连续自“诊断”与自“修复”。通过桥梁监测信号验证了提出的鲁棒性重构方法的有效性。　　再次,对Katz分形维数和Higuchi分形维数的敏感性和噪声鲁棒性进行分析,揭示出Katz分形维数能有效定位空间局部不规则性、而Higuchi分形维数则可以较好地定量描述一段信号的整体不规则性。　　最后,基于损伤结构振型的几何空间局部不规则性,研究梁式结构损伤定位和损伤程度识别的Katz分形维数方法;分析声发射信号的Higuchi分形维数与信号特征参数的关系,提出损伤指标,揭示出基于Higuchi分形维数的纤维复合材料拉索高周疲劳损伤演化规律和钢筋混凝土柱地震低周疲劳损伤演化规律;研究Higuchi分形维数和Kata分形维数的贝叶斯信息融合损伤定位方法,并通过实际桥梁原型监测结果验证方法的定位精度。