参数识别是结构健康监测研究的基础和关键。为了便于数学处理,常用的环境激励模态参数识别方法均假定未知的环境输入为平稳的白噪声序列。对于土木工程结构,实际的阵风、车辆等环境激励通常不能满足这一条件,表现出明显的非平稳、非白噪声特性。随着信号处理技术的不断发展,非平稳、非白噪声环境激励下的结构模态参数识别方法成为目前研究的热点。论文首先详细推导了时域随机状态空间模型和随机子空间模态参数识别方法。输入的白噪声统计特性是建立输出的自相关函数与结构的系统矩阵之间联系的关键,是后续识别算法的基础。协方差驱动与数据驱动两种随机子空间方法基于状态空间模型的推导是一致的,不同之处在于参数识别过程中数据的处理方法。为了放宽现有的环境激励模态参数识别方法对环境输入的平稳白噪声假定,引入预处理滤波器来模拟非平稳、非白噪声环境激励,构建由预处理滤波器和原始结构随机模型组成的扩展状态空间模型,用于结构的模态参数识别。原始结构随机系统受到非平稳、非白噪声的环境输入；而扩展系统受到的仍是理想的白噪声输入。环境激励的非平稳性质使得系统的振动响应具有时变的统计特性；非白噪声性质对识别结果产生虚假模态干扰；而结构本身的固有频率、振型等保持不变。扩展状态空间模型为传统模态参数识别方法在实际工程中的应用提供了更加完善的理论依据,是研究非平稳、非白噪声环境激励下结构参数识别的基础。针对自相关函数在纵坐标轴附近一定宽度内有非零值的平稳非白噪声环境激励信号,引入延时指标,分别在传统协方差驱动和数据驱动随机子空间方法的基础上,提出基于延时的随机子空间算法,达到消除环境激励中非白成分影响的目的,并研究了工程实际应用中延时指标的选取方法。本文编制了基于延时的协方差驱动随机子空间方法的程序,数值模拟和简支梁试验结果均表明,这种基于延时的随机子空间方法能够自动剔除传统方法识别结果中由非白噪声激励引起的虚假模态,放宽了传统随机子空间方法关于输入的白噪声假定,对工程应用有着重要的意义。