参数识别属于系统识别的一种。所谓系统识别或系统辨别，通常是指根据观测到的输入输出数据建立系统的数学模型，并要求各个数学模型按照一定准则，尽可能精确地反映系统的动态特性。有些情况下，只根据系统的输出数据也能建立相应的数学模型。所以，系统识别也就是实验建模的过程。系统识别已远远超过了工程和物理中的应用范畴。在其他学科，如生物学、医学、气象学、经济学、人口学、生态学、社会学等领域中，，系统识别的方法得到了越来越广泛的应用。目前，系统识别理论已成为一门独立而成熟的学科。特别是近年来现代控制理论和计算机技术的发展，大大促进了系统识别理论的应用。如果系统的数学模型能用一定数量的参数来描述，即方程形式已经确知的情况下，运用实验数据来估计其参数，那么系统识别便成为参数识别，又称为参数辨识或参数估计。
模态参数识别，既可在频域内进行，也可在时域内进行。前者称为频域法，后者称为时域法。频域识别法主要是利用实测的频率响应数据或曲线，并根据频响函数的模态展开式，去求解系统的模态参数。这种识别法发展较早，特别是采用正弦慢扫描激振设备和机械阻抗测试及分析技术所获得的频响数据，比较稳定、可靠，因而识别精度也较高。其缺点是：试验所需时间比较长，也不适宜用于现场测试和在线实时分析。
频域识别法又称曲线拟合法，即利用频响函数的模态参数表达式，去拟合实测的频响数据或曲线。若系统各阶固有频率相离较远，且阻尼又较小，或在某一阶固有频率附近相邻模态耦合较弱（重叠较小）的场合，均可采用单自由度系统的理论与方法去进行曲线拟合；若相邻模态耦合较强（重叠较多），则根采用多自由度系统的理论与方法去进行曲线拟合。前者称为单模态曲线拟合法（“SDOF法”），即对每一个频响函数的各阶模态参数采用逐个识别的方法，这种方法认为在某一阶模态频率的附近，主要是这一阶的模态导纳对频响函数做贡献，在估计模态参数时，用一理想的单自由频响函数去拟合实测的频响函数；后者称为多模态曲线拟合法，或多自由度拟合法，简称“MDOF法”，它是对一段包含几个峰谷的实测频响函数，用一理想的多自由度频响函数去拟合。
时域识别法是一种较频域识别法后发展起来的方法，但发展很快。自20世纪70 年代 IbrahimS.R提出“ITD”法起，各种时域法不断涌现，如最小二乘指数法、随机减量法、多参考点复指数法、单位脉冲响应函数法、子空间识别法等。时域法主要是利用系统的脉冲响应（可由实测的频响函数，经傅氏逆变换而求得），或仅仅利用实测的振动响应（即输出数据、包括自由响应及随机响应），并根据权函数或自由振动方程的特征向量与模态参数之间的关系，以及时间序列模型与权函数之间的关系，去识别系统的模态参数。
与频率法相比，时域识别法的突出优点是可以只使用实测的响应信号，无需FFT，因而可以在线分析，使用设备简单。当不使用脉冲响应信号时，缺点也很明显。由于不使用平均技术，因而分析信号中包含噪声干扰，所识别的模态中除系统模态外，还包含噪声模态。如何剔除噪声模态，一直是时域法研究中的重要课题。人们已提出若干方法和对策，如采用模态置信因子或总体模态置信因子，模态形状相关系数等判断是否为噪声模态，采用增加测点数给噪声以出口，采用逐步扩阶最小二乘法确定模态有效阶数等方法，都在一定程度上解决了模态定阶问题。以下主要介绍频域的峰值法( Peak-pickingmethod)和时域法的随机子空间识别(Sto- chastic Subspace Identification,SSI)方法。
频域的峰值法
峰值法最初是基于结构自振频率在其频率响应函数上会出现峰值，峰值的出现成为特征频率的良好估计的原理。在只有输出的环境振动测试中，频响函数被输出的自功率谱取代，功率谱可以由测得的加速度时程经离散傅立叶变换得到。特征频率仅由平均正则化了的功率谱密度曲线上的峰值来确定，故称之为峰值法。功率谱密度是用离散的傅立叶变换(DFT)将实测的加速度数据转换到频域后直接求得。振型分量由传递函数在特征频率处的值确定。对于环境振动试验，输入未知，因此传递函数并非响应与输入的比值，而是所测响应相对于参考点响应的比值。因此，每一传递函数相对于参考点就会给出一个振型分量。这里假定共振时的动力响应仅仅是由一种模态决定的，如模态可以很好地分离而且阻尼较低，这种假定是合适的。峰值法操作简单、识别速度快，在建筑领域经常使用。但是它有容易受主观因素影响，得到的是工作挠曲形状而不是振型，仅限于实模态和比例阻尼结构，阻尼的估计结果可信度不高等缺点，不容易满足现场自动识别模态参数的需要。
