独立分量分析(简称ICA)是近年来在信号处理领域发展起来的一种新方法。该方法以非高斯源信号为研究对象,在它们统计独立的假定前提下,对观测到的混合信号进行盲分离(BSS),从而把隐含在混合信号中的各独立信源信号较好地分离出来。该方法不需要对系统输入具有先验知识,仅由系统的输出响应便可以完成识别。基于这一点,在对许多如桥梁等无法进行人工激励的大型复杂结构模态识别中,独立分量分析技术已经得到了越来越广泛的关注。首先从桥梁健康监测的概念出发,简述了基于振动的损伤识别的基本原理,对桥梁健康监测中模态识别的重要性及其现有研究状况进行了介绍。对独立分量分析的基本理论进行了介绍,包括各种独立性判据和一些流行的算法。援引一个经典动力模型为研究对象,在MATLAB环境下采用四种不同ICA算法,对模型在不同阻尼、不同噪声干扰情况下的数值模拟位移响应进行识别,通过频率、振型和阻尼比等模态动力参数的对比分析,选出表现最稳定的SOBI算法来进行后续研究；分别运用有限元分析软件ANSYS和场内试验建立同样的钢简支梁模型,利用SOBI算法对模型的加速度响应数据进行识别；结果表明,无论是仿真分析还是场内试验,SOBI算法识别出来的模态动力参数与理论值都比较吻合；最后开展场外试验,利用上面表现稳定的SOBI算法对衡湘大桥在环境激励下的动力响应进行识别,并与频率分解方法(FDD)和随机子空间法(SSI)进行对比试验。