协方差驱动随机子空间辨识(Covariance-drivenstochasticsubspaceidentification,SSI-cov)是较为成熟、可靠的一种模态参数辨识算法。针对其在实时监测中计算时间复杂度高的问题,提出一种改进的递推随机子空间辨识(recursivestochasticsubspaceidentification,RSSI)算法。文中推导了Hankel矩阵、Toeplitz矩阵的递推形式以及窗口滑动算法,改进算法同时考虑了舍弃数据与新增数据的更新,且不需要迭代运算。最后,通过刚度突变和刚度渐变的时变系统仿真算例验证表明,RSSI对实时响应信号的频率和振型具有较好的跟踪辨识能力,且有效减少了辨识程序的运行时间。