波束形成是一种基于阵列的声源定位技术,其被广泛用于噪声源识别领域。然而以延时求和为代表的传统的波束形成方法存在分辨率不高,只适用于识别高频声源的缺陷。并且传统的波束形成技术受限于于奈奎斯特采样定理,须采用较大的传声器阵列才能取得较好的识别效果。针对上述问题,本文将压缩感知技术引入到声源识别领域。压缩感知技术是一种较为“经济”的采样方法,可以低于奈奎斯特速率进行采样,如果信号在变换域是稀疏的,则只需少量的采样数据,即可实现声源识别。针对压缩感知方法中的正交匹配追踪算法在声源识别中易受原子间相关性的干扰这一问题,提出了新的改进方法,以提高声源识别精度和低频声源的识别能力。本文主要研究内容如下:(1)回顾声源定位技术和压缩感知理论的发展历程,分别从信号稀疏表示、测量矩阵设计、稀疏重建算法三个方面介绍压缩感知技术。(2)引入压缩感知理论中的L1范数最小化算法,并详细介绍其求解过程。针对L1范数最小化算法求解过程中正则化参数的选取问题,提出了基于辅助面法的正则化参数选择方法。并通过数值仿真验证了基于L1范数最小化算法的声源识别方法拥有较高的定位分辨率和中低频声源的识别能力,能够以较少的采样数据实现声源的精确定位。(3)介绍压缩感知理论中正交匹配追踪算法,并将其应用到声源定位中。正交匹配追踪算法因其收敛速度快,计算效率高的特点应用广泛。本章采用正交匹配追踪算法进行声源识别,获得较高的声源成像精度,并能够以较少的采样数据实现声源的精确定位。随后在数值仿真中也发现了正交匹配追踪算法对中低频声源信号识别能力较弱,以及在多个相邻的相干声源环境下声源成像效果较差的缺陷。(4)针对正交匹配追踪算法易受测量矩阵原子间相关性的干扰这一问题,提出了改进正交匹配追踪算法,采取新的原子筛选准则,提高了算法对低频声源信号识别以及聚焦面网格点密集划分时的定位精度和准确度,拓宽了算法的应用范围。随后,通过仿真和实验验证了本文提出的改机的正交匹配追踪算法的有效性和优越性。