在交通运输领域,控制交通工具舱室内的噪声水平是提高乘客乘坐舒适度的一项重要内容。控制噪声的关键是准确地识别噪声源来源,目前通过声场重建技术对噪声源进行识别的方法发展较为成熟,其中近场声全息技术利用靠近声源表面附近测得的全息数据进行声场重建,因其包含较多的声场细节信息“倏逝波”成分,使得能够突破瑞利波长对重建分辨率的限制。因而近场声全息技术是一种强大的声场可视化工具,在噪声源识别应用中也日趋成熟。然而通过近场声全息技术获得较为准确的高空间分辨率重建结果,需要满足奈奎斯特采样定理在全息面上布置大量的采样点,这极大地增加了实验成本与难度,同时也降低了算法的计算效率,严重阻碍了近场声全息技术在实际工程中的推广与应用。因此,要克服该技术的这一缺陷,需要从理论上对这一问题进行深入研究并提出新型算法,这不仅可以推动近场声全息理论的发展,也可极大地促进近场声全息技术在噪声源识别领域的应用和推广。针对以上问题,本文的主要研究内容如下:首先,在声场重建过程中存在源强解的不适定性问题,针对求解过程中使用的正则化方法提出一种新的解决方案——贝叶斯正则化。并且通过仿真与传统的正则化方法进行对比分析,说明贝叶斯声场重建方法的可行性与其存在的优势。其次,针对近场声全息技术的空间分辨率和最高分析频率都受到采样定理限制的问题,提出一种基于贝叶斯压缩感知理论的声场重建方法。通过奇异值分解技术获取基函数,利用信号稀疏表示理论分析声压信号在该基函数下的稀疏性,并对声场重建问题进行建模。通过仿真对该方法的有效性、抗噪性进行了分析并结合实验对方法进行了验证。最后,根据声源表面的刚性约束条件对非自由声场中的干扰声以及声源表面的散射声实现快速去除。结合贝叶斯压缩感知理论建立新型自由声场还原模型,为在实际工程应用中实施近场声全息技术提供必要的前处理技术。