在各类基于振动响应的工程结构损伤检测过程当中,由于外在自然环境或者人为因素的影响,所测得的振动响应信号不仅包含了结构的损伤信息,同时还存在着大量的噪声干扰。噪声的存在严重影响了结构有效振动响应数据的提取,特别是对于结构初期小损伤状态,此时结构损伤响应特征相对微弱,如果不采用合理的降噪办法就难以得到较好损伤识别结果。因此,本文主要研究的是强噪声背景下基于振动响应信号的特征提取及损伤定位。论文针对振动响应信号的特征提取及损伤定位主要完成了以下工作:针对旋转机械转子碰摩故障检测中存在的噪声干扰问题,提出了基于二次采样的大参数自适应随机共振算法。该算法很好地解决了传统随机共振算法仅适用于小参数检测的局限性,仿真和试验数据分析表明该方法能够显著提高测试数据信噪比指标。本文基于Duffing混沌振子的结构损伤检测,提出了一种新的基于Duffing混沌振子和响应灵敏度结合的结构损伤检测方法。通过一组特定的参数选择对响应信号进行提取,从而避免了繁琐的传统Duffing振子参数的选择方法。把该方法应用于三个维度的梁模型和桥梁模型,结果表明该方法可以很好的强噪声背景下实现结构的损伤定位,这可以为结构损伤识别提供一个更好的思路。为了实现对试验参数的精确识别,在气动噪声条件下进行了超声速飞行试验数据的相空间重构和奇异谱分析相结合的方法。首先,通过数值模拟的方法证明了该方法的可行性。然后,通过对某型超声无人机的声振动试验,对试验数据进行相空间重构,实现了对信号子空间和噪声子空间的奇异值分解。通过定义奇异值差分谱来确定真实信号子空间维数,并对现有的最大差分谱理论,提出了一种优化差分谱峰值的方法。重构结果表明,该方法适用于飞机在超音速飞行条件下的声振动试验的数据处理。针对薄板结构(铝板)损伤检测过程中存在的噪声干扰问题,提出了建立在奇异谱分析上的最大似然性原理分析的损伤检测方法。将Lamb波激励响应信号进行奇异谱分析,通过优选差分谱理论选择最优重构信号进行重构,基于最大相似性原则,通过采用遗传算法(Genetic Algorithms,GA)对重构信号参数进行优化以实现对于测量信号构成部分的分析。铝板试验结果有效证明了该方法的实用性和有效性。考虑强噪声背景环境下的非线性结构损伤检测问题,针对具体的非线性质量-弹簧系统设计了对应的物理等效模型,通过增加结构自由度的方式将原有非线性系统等效为增强的线性系统进行分析,建立了系统非线性项的动力平衡方程。通过奇异谱分析、直接参数识别方法以及矩阵最小秩扰动理论实现了对于非线性系统强噪声背景下的损伤定位及损伤程度判定。