针对Helmholtz方程最小二乘法（HELS）对多源相干声场进行重建无法得到满意的结果这一问题，提出一种改进的HELS方法。其基本思想是，辐射声场由多个相干声源产生的一系列声场叠加而成，每个声源产生的声压可以用球面波函数构成的正交函数的线性组合表达。组合系数可通过测点的声压来确定。采用预估基函数展开项数和循环迭代法相结合的优化方法确定基函数的最佳项数，提高了计算效率。在求解系数向量的过程中采用奇异值分解和正则化方法，减轻了逆问题求解过程中产生的不适定问题。数值仿真表明，改进的HELS方法能有效地重建多源相干声场，并可估计每个声源对声场的贡献，具有声场分离的作用。

在近场声全息中利用扫描法进行全息面测量时，全息面上的测点信号与参考信号会不可避免地受到一些噪声的影响，降低重建精度，影响重建的实现。在噪声与声源信号以及噪声相互之间非相关的假设下，首先引入两种传递函数估计方法求解全息面复声压，然后再进行近场声全息重建。仿真和实验结果表明，该方法可以有效抑制非相关噪声对全息面复声压计算的影响。近场声全息重建结果表明，该方法减少了测量噪声带来的误差，提高了扫描法近场声全息的重建精度。

现有的近场声全息技术都是通过在声源近场测量声压来重建和预测声场,并实现声场的可视化.采用同样反映声场特征的质点振速来进行声全息计算,并推出了基于振速测量的近场声全息重建公式,通过仿真验证了该方法的正确性、可行性和有效性.通过与用声压重建的结果相比较,表明本方法的边缘重建精度高的特点;用质点振速重建可以采用更小的全息面来获得同样的重建精度.

对Helmholtz方程最小二乘（HELS）方法的理论进行了研究，提出了一种改进的HELS方法，其基本思想是将辐射声场描述成一系列由球面渡函数构成的正交函数的线性组合形式，组合系数通过配置场点的声压来确定．针对HELS方法重建声场过程中矩阵病态和奇异的问题，提出了采用奇异值分解的方法求解组合系数．此外，提出了采用循环迭代的优化方法确定线性组合的项数．这两点改进使得HELS方法更具有普适性、更为稳健．以一脉动球声源为实例，应用改进的HELS方法对其声场进行仿真研究．结果表明，改进的HELS方法是一种非常有效的声场重建算法．

研究了用于声源识别的近场声全息方法中的声场重建算法，针对一般声场重建算法速度慢、误差大的缺点，提出了基于RBF神经网络的声场重建算法。通过仿真证明：相比较于常用的利用菲涅尔变换推导的声全息重建算法，该重建算法具有重建误差小、速度快的优点，具有较好的可行性。

目前基于等效源法的声场分离方法有两种输入方式,一种以双测量面上的声压为输入,另一种以单测量面上的声压和质点振速为输入.本文以双测量面上的质点振速为输入,提出一种新的基于等效源法的声场分离方法.首先给出了该方法的理论推导,然后通过数值仿真和实验验证了该方法的有效性.通过与基于双面声压测量的声场分离方法的比较,证明了该方法在分离质点振速方面的优越性.此外,在仿真中还研究了干扰声源强度和测量面间距对分离精度的影响.