最近几年,我国铁路行业的高速发展使该领域产生的噪声污染问题越来越突出。为了抑制环境噪声,必须从噪声源头入手进行控制和治理,其必要的手段就是噪声源识别技术。目前常规的声源识别技术都是针对中高频声源,而对于高速铁路噪声重要组成的低频噪声少有研究。技术瓶颈在于算法的缺陷和实际测试中阵列尺寸的限制。基于此,本文从传统的波束形成技术(beamforming)出发,对beamforming算法进行改进,依据传声器接收低频声源和高频声源信号相位差不同的原理,试图通过对低频声源到传声器的相位进行补偿,从而让低频声源具有高频声源的识别能力,具体研究内容如下:首先是声源识别的基本理论,推导了阵列接收窄带、宽带信号模型,给出了传统beamforming、基于互谱的延时求和波束形成算法和反卷积逆运算的理论推导,并通过仿真研究了两种波束形成算法与声源频率的关系。其次是筛选出目前性能较好的两种反卷积算法,推导了两算法的原理,并进行两算法的对比仿真。结果表明,快速收缩迭代阈值算法(Fast iterative shrinkage-thresholding algorithm,FISTA)算法的识别结果好于基于FFT的非负最小二乘(FFT-non-negative least square,FFT-NNLS)算法,且识别结果鲁棒性好。两算法都可以识别相干声源和不相干声源,识别相干声源时声源幅值存在偏差。两算法在识别宽带声源时还原出的幅值误差比窄带大。接着提出反卷积算法的不足,引出相频变换的必要性,提出两种相频变换的预备方案,其中第二种方法可以对单声源和不相干声源进行识别。为了解决低频相干声源的相频变换问题,提出了利用凸优化(CVX)工具箱进行传声器的信号解缠,或使用矢量旋转法方式进行相频变换,但这些方法都有其应用缺陷。最终利用虚拟阵列变换和阵元虚拟拓展技术与波束形成技术的结合完成了相频变换算法的操作,从试验和算法两层面提出了校正附加相位偏差的方式,使低频声源相频变换的结果更加准确,具有重要的工程意义。最后,开展户外静止声源识别试验,对以上几种算法进行了实际检验,验证结果良好,表明本文的算法和程序正确无误。利用多普勒时域校正方法,将静止声源识别拓展到运动声源识别领域。此外,还基于VB和MATLAB混合编程进行了实验室阵列后处理软件的设计,实现了部分数据分析功能。