基于传声器阵列的波束形成声源识别方法具有计算效率高、适用于中远距离测量等优点,已成为航空飞机、高速列车、风力发电、汽车等领域噪声源识别的重要手段。其声源识别的基本思路为:离散化感兴趣的目标声源所在区域形成一系列聚焦网格点,利用阵列传声器空间采样目标声源辐射的声信号,基于特定算法后处理这些声信号来反向聚焦各网格点,使真实声源所在聚焦点区域被显著加强形成“主瓣”输出,其它聚焦点区域形成“旁瓣”输出,进而实现声源识别。然而,由于阵列传声器采样的有限性和离散性,使得传统波束形成的输出无法等于理想的函数,主瓣的宽度影响声源识别的空间分辨率,旁瓣污染了声源成像图。并且在实际非理想测量环境中,阵列各传声器除接收感兴趣目标声源辐射的声信号外,还不可避免地会受到一些外界干扰,各聚焦网格点的输出量既包含了感兴趣的目标声源的信息也包含了外界干扰信息,后者增加了对目标声源识别的不确定性,降低了声源识别的精度和适用性。因此扩展传统波束形成声源识别方法的应用场景,缩小主瓣宽度,提高空间分辨率,增强抑制鬼影和抗干扰能力成为目前声源识别研究的热难点。鉴此,本文以提高波束形成声源识别方法声源识别性能为目标,以反卷积波束形成声源识别方法和迭代收缩阈值理论为基础,提出了三种快速迭代收缩阈值波束形成声源识别方法。地面反射是产生干扰源的一个重要方面,为了消除波束形成声源识别时地面反射对声源识别结果的影响,给出了镜像地波束形成方法。DAMAS和NNLS反卷积波束形成算法可有效解决传统波束形成主瓣宽、分辨率低,旁瓣覆盖范围较广等缺陷,基于点传播函数空间转移不变性假设的快速反卷积算法将时域卷积变为波数域乘积,减少大维数矩阵运算,可以提高反卷积算法的计算效率,结合非规则聚焦点网格,对快速反卷积波束形成识别性能进行理论及仿真分析。仿真和试验结果表明FFT-NNLS的综合声源识别性能略优于DAMAS2。此外,为提高地面存在反射时波束形成的声源识别性能,推导了镜像地波束形成的阵列点传播函数,提出了镜像地波束形成反卷积清晰化方法。为进一步提高反卷积波束形成方法的计算效率和空间分辨率,基于快速迭代收缩阈值理论基础,推导基于零边界和周期边界条件理论公式,提出了基于周期边界的FFT-FISTA反卷积波束形成算法,从声源识别效果来看,当声源距离声学成像中心较远时,所提出的基于周期边界的FFT-FISTA声源识别性能最优。通过与DAMAS2和FFT-NNLS的计算时间比较,所提出基于周期边界的FFT-FISTA计算效率最高。在传统波束形成理论和IFISTA理论的基础上,基于周期边界条件,推导其傅里叶变换理论公式,提出了一种计算效率更高收敛特性更好的FFT-IFISTA。相比于DAMAS2、FFT-NNLS、FFT-FISTA等其它反卷积清晰化方法,FFT-IFISTA的计算效率更高,收敛性更好,收敛速度更快,声源识别综合性能更佳。对于FFTIFISTA,增加权重系数,趋于稳定所需的迭代次数越少,获得的主瓣宽度越窄,收敛性越好,但鬼影亦增多。增加权重系数可以提高FFT-IFISTA的收敛性,但权重系数过大,收敛性反而变差。最后,结合主要噪声源通常具有空间稀疏分布这一特性,将SFISTA运用到波束形成声源识别中,提出了一种收敛性更好幅值精度更高的SFISTA反卷积声源识别算法。分析了光滑参数和正则化参数对声源识别性能的影响,并给出了推荐值。分析了信噪比对其声源识别性能的影响,并与SC-DAMAS、FISTA、IFISTA进行了幅值量化精度比较。结果表明,所提出的SFISTA声源识别综合性能最好。此外,与FISTA和IFISTA进行了收敛性和计算效率的比较的结果表明:SFISTA的标准差下降速度最快,耗时和趋于稳定的标准差和IFISTA类似,均高于FISTA方法。