振动信号的特征提取工作是振动检测技术的基础,数量庞大的建筑工程的检测需求要求振动信号的提取更快更准更加智能,以便于网络监控,这使得研究新的模态参数提取方法和改进现有的提取技术变得很有必要。压缩感知技术是比较新颖的热点技术,本文着重研究时域方法中基于输出信号的模态参数识别方法,将压缩感知技术引入其中,根据振动信号的自由响应信号有理分式模型推导的Auto Regression(AR)形式,自适应地构造振动信号的稀疏基矩阵,并依据压缩感知理论,采用高斯随机观测的方法获得多个同解方程组,然后对多个稀疏结果进行优化处理,获得更为精确的稀疏解,通过计算高阶模型振型系数的稀疏解,用稀疏解判别真假模态。该方法抗噪声能力强,而且不需要使用其他方法进行提前定阶,因此更为简单有效,本文用斜拉索桥梁模型进行实验,用稀疏改进方法对其进行参数识别,获得较好的识别效果。稳定图法描述的是模态参数与模型阶次之间的关系,当模型阶次过高时稳定图中会有过多的虚假模态影响定阶,本文用稀疏振型系数作为模态估计的一个约束条件,可以达到大幅度降低虚假模态数量的目的,从而提高稳定图的准确性。稳定图法在定阶的过程中需要计算模态参数,这对于单纯的阶次估计来说是浪费的,本文从能量的角度出发,单独依据稀疏的振型系数进行阶次识别,通过提高稀疏求解的精度并对稀疏解优化,力求获得更为精确的稀疏振型系数,然后依据振型系数的非零元素数量确定系统阶次。仿真实验表明,采用某一高阶次的模型,在其基础之上进行多次的稀疏振型计算最终可以估计出真实的阶次,该方法减少了稳定图法阶次估计的计算量,节约了时间。本文的改进方法是建立在压缩感知理论的基础之上的,由于采用多次计算并优化的方案,因此具有很高的噪声抵抗能力,而且本算法中稀疏基矩阵的自适应构造不同于DCT基和小波基等固定基,能够充分利用信号自身特征,使识别结果更加智能可靠。