为了探究声全息法声源识别算法性能,本文对车辆工程领域中常用的传统平面近场声全息、统计最优近场声全息、等效源法近场声全息以及宽带声全息四种算法进行了研究,通过仿真算例分析了其声场重建性能及影响因素,并作了算法对比及优化,最后试验验证了优化结果,得到了优异的重建性能。本文首先基于声场空间变换原理推导了传统平面近场声全息算法的数学表达式,阐述了算法中有限孔径效应引起的重建误差,并通过在空间域、波数域加滤波函数改善算法,在此基础上,模拟计算了点声源及板声源声场重建结果,表明:平面近场声全息对中低频声源有很好的重建性能,而对于高频声源随频率升高重建性能下降;此外,其还能准确重建诸如铝板等面板的辐射声场。其次,基于波叠加思想,阐明了统计最优近场声全息基本理论,设计了声源识别算法,以网格阵列、圆形阵列、均布非规则阵列为例,研究了阵列形式对统计最优近场声全息算法重建结果的影响,得出:网格阵列和均布非规则阵列都能准确识别声源位置且均布非规则阵列有较好的重建性能,圆形阵列不能用于声场重建;同时对比分析了统计最优近场声全息与传统平面近场声全息两种算法的声场重建性能,结果表明:二者均可有效识别声源;相比于传统平面近场声全息,统计最优近场声全息能更加精确、真实的反应声场原貌。进一步利用统计最优近场声全息算法对某柴油机进行了噪声源识别,结果表明:在50~1 000 Hz频率段的主要噪声源为油泵传动轴和油泵调速器。为后续的低噪声改进指明了方向。再次,基于等效源思想,推导了等效源法近场声全息算法声场重建公式,针对该算法声场逆向求解中Tikhonov最优正则化参数选取问题,本文引入Bayesian正则化准则进行求解,并对GCV法、L-curve法和Hald法三种参数选取方法,在不同重建频率,全息面距离及信噪比配置条件下进行了仿真对比分析,结果显示:高频远距离测量及噪声水平较高且信噪比输入存在误差时GCV、L-curve和Hald法难以获得最优的正则化参数,Bayesian正则化准则则不受此限制,在宽频带内有优异的重建性能。进一步的算例试验验证了将该方法应用在等效源法近场声全息中的正确性与有效性,在此基础上,阐述了加权范数迭代最小二乘法算法,并将该算法与等效源法进行了算法性能对比,结果表明:加权范数最小二乘算法比传统等效源算法能更精确地重建声场,更有效地实现声源识别,且声源分辨率高,为声源的精确定位与识别提供了一种新的参考方法。最后,结合等效源思想及最速下降法原理,推导了宽带声全息算法声场重建公式并设计了声源识别算法,通过仿真算例对比分析了其与等效源法、加权范数迭代最小二乘法的重建结果,并分析了全息距离与声场信噪比对其重建结果的影响,结果显示:宽带声全息算法在宽带内声源识别精度高,声场重建性能优异,且对全息距离和声场信噪比有良好的稳定性,等效源法和加权范数迭代最小二乘法适用于低频声源识别,且低频内加权范数迭代最小二乘法与宽带声全息法有类似的重建性能。进一步,为选取更加有效的特征值和主分量重建声场并提升计算效率,对原有算法进行了主分量截断处理,并对截断前后的声源识别结果进行了试验验证,结果表明:主分量截断后的算法能有效、高效的实现声源识别,且识别结果精确,可靠。