噪声源定位是控制车辆噪声及提升NVH性能的先决条件,近场声全息是一种通过传声器测量信号实现噪声源可视化的高效技术,广泛应用于汽车与故障诊断等领域。基于等效源法的近场声全息因为易于实现且适用于识别复杂表面形状声源成为了研究的热点,其核心难点为等效源强度求解。此外,在工程实际中的目标声源附近往往存在干扰源或反射表面,为实现对目标声源的准确识别,需要通过声场分离技术分离目标声源与干扰源的声场。据此,本文旨在对等效源强度求解方法和基于等效源法的双测量面声场分离技术进行改进。首先,通过建立等效源法近场声全息对声源识别逆问题的求解模型,引入现行的常用范数约束及其代表性算法,即基于l2范数约束的Tikhonov正则化、基于l1范数稀疏正则化的凸优化求解工具箱（l1-CVX）和宽带声全息法（WBH）并进行了重建性能对比分析,总结归纳了各算法的优缺点。其次,为解决MTwIST对低频下相干声源识别性能不佳的问题,引入稀疏正则化框架下的快速迭代收缩阈值算法（FISTA）进行声场重建,并将FISTA与高阶矩阵函数波束形成结合提升声源成像结果的动态显示范围。通过对FISTA、MTwIST、WBH及Tikhonov正则化的单声源及相干声源数值仿真及实验,验证了FISTA能在宽频段下以较高精度重建稀疏声源,在中低频段对比其他算法具备显著优势,克服了 MTwIST阈值参数不适应低频相干声源的局限。FISTA的高阶形式FISTA-v能明显提升声源定位精度。最后,针对传统双测量面声场分离技术的等效源网格布置无法反应声源的稀疏特性,导致分离精度不高的问题。提出一种改进声场分离方法,通过FISTA对测量数据进行求解定位声源实际位置,再以其位置信息作为先验知识,利用多岛遗传算法优化等效源网格布置从而提升分离精度。对目标声源分离声压进行重建实验的结果验证了所提改进方法相对传统方法具有更好的分离效果。