动力位移是地震工程、军事武器设计和结构健康监测等领域重要的物理量，但在实际测试过程中，通常能直接量测的只有振动加速度信号。由于受环境等不确定性测试条件影响，加速度信号不可避免地含有低频和高频噪声，导致在加速度积分过程中，速度和位移时程会产生较为明显的漂移现象。基于贝叶斯理论框架，构建了动力位移贝叶斯学习识别方法，针对不同噪声工况（白噪声、人工噪声）反演获取了位移响应，识别出的动力位移与解析位移基本一致；利用大型振动台试验数据，对比了不同性能加速度传感信号反演的位移，并分析了其不确定性。结果表明：该动力位移贝叶斯学习识别方法在加速度-位移关系表征方面具备一定的优势，可不依赖对加速度信号的处理实现位移求解，从而避免了噪声累积误差导致的位移积分失真。