针对桥梁监测数据受多重噪声干扰、影响结构真实响应获取的问题，提出了一种基于时变滤波经验模态分解（time-varying filtering empirical mode decomposition，简称TVFEMD）和本征模函数（intrinsic mode function，简称IMF）能量熵增量的桥梁监测数据降噪方法。首先，利用TVFEMD分解桥梁原始监测数据，得到多个子序列；其次，采用IMF能量熵增量确定多个子序列中的有效子序列；然后，划分子序列中的结构响应分量和噪声分量，对结构响应分量重组实现监测数据降噪；最后，利用平均绝对误差（mean absolute error，简称MAE）、均方根误差（root mean squared error，简称RMSE）和信噪比（signal-noise ratio，简称SNR）对不同方法的降噪效果进行评价。仿真算例和工程实例结果表明：TVFEMD相比经验模态分解（empirical mode decomposition，简称EMD），有效解决了模态混叠问题；TVFEMD结合IMF能量熵增量方法，有效抑制了多重噪声影响，对结果精度有较大提升；与EMD-IMF能量熵增量和Kalman滤波降噪法相比，TVFEMD-IMF能量熵增量法所得到降噪信号的MAE和RMSE值分别提升了23%和21%以上，降噪效果更好，信噪比提升38%以上，抗噪性能更佳。