EFDD法模态分析: （适合于环境激励模态）
  解释: EFDD方法即为（Enhanced frequency domain decomposition），增强型频域分解方法。由峰值拾取法（Peak picking technique）发展而来。是一种白噪声激励时在频域识别参数的一种方法。能识别密集模态，得到系统的阻尼比。
  原理: EFDD方法的原理为将每条谱线的响应互功率谱密度矩阵进行奇异值分解，可得到解偶以后各单自由度（SDOF）模态的自功率谱密度，和各阶模态的振型。由功率谱密度在峰值附近的区间（区间大小由MAC，即模态置信因子的阈值确定）可确定模态的频率和阻尼。
  特点: EFDD方法操作极其简单，和峰值拾取法类似，只要拾取峰值即可。和峰值拾取法不同的是，通过奇异值分解，EFDD方法能直接得到振型，识别密集模态（当相邻模态正交时）。EFDD方法尤其适用于大桥、楼房的环境激励模态分析（Ambient excitation modal analysis）。由于和SSI、ERA等时域模态分析方法比较，EFDD法不会产生虚假模态，因此，自EFDD法在2000年在18届国际模态会议上由Brincker R等人提出以来， 得到了广泛的应用。
  DASP软件EFDD法的特点和领先之处: EFDD法求模态的频率和阻尼有时域和频域两种方法，频域法为东方所独创提出。仿真计算表明，频域法得到的频率精度普遍优于时域法，得到的阻尼和时域法非常接近，精度相当。

PPM和PZM法模态分析 （适合于环境激励模态）
  PPM功率谱多项式分解方法，为东方所独创提出，利用单个自功率谱曲线即可识别出密集模态的频率和阻尼，采用遗传算法，其精度高于EFDD法。
 PZM方法，利用LSCF方法和功率谱快速得到稳定图，方便地识别出摸态频率和阻尼；此方法计算速度快，操作简单，识别精度高，优于EFDD(增强型频域分解方法)。对PPM方法也进行了改进，对通过多次拟合或遗传算法识别得到的模态参数，可利用LSCF方法在GLOBAL意义上进行优化。