传声器阵列波束形成声源识别方法因测量简单、计算速度快、中高频分辨率高等优势而被广泛应用于汽车、航天等领域的声源识别中。为获取更全面、精确的声源识别结果,各种清晰化波束形成算法成为研究重点,其中又以反卷积算法为主。目前,对新兴的谱矩阵分解重构清晰化方法的研究较为鲜见,本文针对两种谱分解重构波束形成算法进行全面的研究与分析,并成功应用于某汽车前围板隔声薄弱部位的识别。首先,基于球面波假设,给出了互谱延时求和及互谱成像函数两种传统波束形成算法的基本原理并简要阐述了评价识别性能的主要指标。基于算法理论编写程序并进行单声源、多声源的模拟仿真,分析结果表明:虽然两种算法均能有效的识别不同类型的声源,且频率越高分辨率越好,但输出的高旁瓣污染了成像图,宽主瓣影响了识别精度。当存在低于最大旁瓣的弱声源时,传统波束形成方法因以上缺陷而无法识别弱源,使识别结果不全面。因此,为克服传统波束形成的缺陷,结合互谱延时求和、奇异值分解理论给出了奇异值分解波束形成算法。基于编写的算法程序进行强、弱声源的模拟仿真,结果表明:对中高频率、不发生融合(间距大于不发生融合的最小距离)的不相干声源,奇异值分解波束形成方法不仅能识别强声源,更能突破旁瓣的限制准确的识别弱源。但该方法不能用于相干强弱源的识别,且不具备提高分辨率、降低旁瓣的能力。设计的不相干声源的算例试验验证了仿真的正确性及实际应用中的效性。进一步,在奇异值分解思想基础上,为使识别成像结果更清晰,给出了函数波束形成算法。进行的单声源、多声源的模拟仿真表明:在聚焦转向向量等于声源传播向量的理想情况下函数波束形成既有效的衰减了旁瓣又提高了分辨率,且指数越大清晰化效果越好。非理想情况下函数波束形成虽衰减旁瓣显著,但主瓣峰值输出却出现失真,且指数越大失真越严重。根据大量的仿真结果给出了输出误差曲线,并建议指数参数取值为16。基于不相干四声源扬声器算例试验验证了仿真模拟的正确性及其优越的识别弱源的能力。最后,针对某汽车前围板隔声薄弱部位进行了识别试验,基于函数波束形成方法准确的识别出空调进气口这一隔声薄弱部位,并通过在空调进气口内外循环转换阀与阀口间贴密封材料使其隔声性能得到改进。