由于在短样本条件下Hilbert-Huang变换（Hilbert-Huang transform,简称HHT）识别模态参数的精度主要受经验模态分解（empirical modal decomposition,简称EMD）模式混合和随机减量法（random decrement technology,简称RDT）提取自由衰减响应时平均次数不足的影响,针对这两个影响因素,引入带宽限制信号抑制EMD的模式混合,提高EMD的精度;并引入分层抽样技术,提出基于拟合偏差和样本量的层权确定方法来进行多次识别,然后加权平均,提高RDT的总平均次数。仿真试验和应用实例表明,结合分层抽样的限制带宽EMD识别模态参数的方法能提高短样本条件下HHT识别模态参数的精度。

针对随机子空间模态识别过程因人为参与造成识别结果不准确的问题，提出在随机子空间识别过程中引入谱系聚类算法实现模态参数自动识别。通过两种不同状态矩阵计算方法所得到的模态之间的相似程度以及各阶模态的能量剔除由噪声、模态过估计等因素引起的虚假模态；引入谱系聚类算法对结果进行拾取，以频率、阻尼比、模态振型、模态能量作为聚类因子计算结果之间的相似性，通过其将计算结果分为若干类，提取元素多于一定值的类作为拾取结果，实现结果的自动拾取。通过数值仿真和实例分析验证该方法的有效性。

为了增加动态信号分析仪设计和使用的柔性,提出了分析功能多态的柔性化仪器设计方法,即是在仪器运行过程中,既支持分析功能的动态演化,又支持用户动态重组数据分析流程。设计了基于共享参数集合的软件体系结构,建立了多态分析功能模块模型,实现了具有功能流风格的柔性化动态信号分析仪。该设计方法为虚拟仪器设计提供了一种新的开发模式。