自动化频域分解算法是一种基于输出响应的结构模态参数盲识别方法。该方法首先对多通道加速度响应的功率谱密度矩阵逐频点进行奇异值分解，得到第一奇异值曲线和左奇异向量；然后采用尺度空间峰值拾取技术自动检测奇异值曲线中的显著峰值以确定特征频率，并取对应频率处的第一左奇异向量作为模态振型；最后，针对每个模态，通过频带内功率谱合成单自由度时域响应，利用自然激励技术提取脉冲响应函数，并对包络线进行指数衰减拟合，从而估计模态阻尼比。整个流程无需人工干预，实现了从环境振动数据中完全自动化地提取模态参数。

算法步骤

功率谱密度矩阵构建：对每个传感器通道的加速度时程采用 Welch 方法估计自功率谱和互功率谱，组装成每个频率点上的功率谱密度矩阵。

奇异值分解：在每个频率点上对功率谱密度矩阵进行奇异值分解，得到按降序排列的奇异值序列及对应的左奇异向量。第一奇异值随频率的变化曲线反映了结构的主要模态信息。

特征频率自动识别：对第一奇异值曲线进行样条插值加密，应用尺度空间峰值拾取算法自动检测显著峰值的频率位置，通过多尺度平滑和极值轨迹跟踪鲁棒地识别指定数量的模态频率。

模态振型提取：在每个识别出的特征频率处，取出第一左奇异向量的实部作为该模态的振型估计，并可选地进行最大幅值归一化。

频带内单自由度响应重构：对每个模态，以特征频率为中心，在自定义或默认的频带范围内（如 0.9 倍至 1.1 倍特征频率），利用功率谱密度幅值和随机相位合成单自由度系统的时域加速度响应。

脉冲响应函数获取：采用自然激励技术，通过计算合成响应的互相关函数（基于逆傅里叶变换或时域无偏协方差）得到近似的脉冲响应函数。

阻尼比估计：对脉冲响应函数进行希尔伯特变换求取包络线，利用非线性最小二乘法拟合指数衰减曲线，从中提取模态阻尼比。

结果输出与验证：输出识别得到的特征频率向量、模态振型矩阵和阻尼比向量，并可选择性绘制奇异值谱、峰值拾取结果、脉冲响应及指数拟合曲线等中间图形。