为提升运营桥梁模态参数识别的自动化与抗干扰能力，解决传统方法易受噪声影响、存在误判漏阶及依赖经验等问题，提出了基于先验振型的贝叶斯（prior vibration mode shape Bayesian，简称PVMSB）识别方法。首先，基于贝叶斯框架，以先验振型为参照构建振型匹配度指标，量化实测数据与先验信息的吻合度，从而引导识别过程；其次，通过该指标在参数空间中进行概率筛选，并采用正向优化策略直接求解后验概率，避免了传统贝叶斯方法中的大型矩阵求逆过程，显著提升了计算效率与稳定性；最后，基于一座人行斜拉桥的实际环境振动数据，验证了所提方法的有效性，并与协方差驱动随机子空间识别法（covariance-based subspace system identification，简称COV-SSI）进行对比。结果表明：所提方法在强噪声背景下仍能稳定、准确地识别出结构各阶模态，有效抑制了虚假模态；该方法具备识别精度高、计算成本低、环境适应性强、可量化结果不确定性的优势，为桥梁安全监测与性能评估提供了可靠性好、自动化程度高的分析工具。