噪声源的识别与定位是进行噪声控制的重要前提,近年来,随着计算机技术的迅猛发展,基于声阵列测量的近场声全息技术得到了持续而广泛的研究并被逐渐应用于汽车、航空航天等领域。其中基于等效源法的近场声全息技术由于其适用于任意形状声源且鲁棒性好、效率高、易于实现,而受到了广泛的关注。等效源法的核心是源强矢量的求解,不同的正则化求解方法会产生不同的识别效果。当声源稀疏或接近稀疏时,稀疏等效源法的优势凸显。本文旨在在稀疏等效源法的基础之上,以重建性能和声源识别分辨率为主要目标,探究更高性能的声源识别方法。首先在等效源法基本原理的基础之上,引入三种经典的等效源强的求解算法,即Tikhonov正则化算法、宽带声全息（WBH）和快速迭代收缩阈值算法（FISTA）。对三种算法进行仿真分析,探究三种算法各自的不足之处,并指出稀疏正则化方法在声场重建中的优势。基于此,本文在压缩感知框架下提出一种基于不动点迭代的增广拉格朗日声源识别方法（ALM-FP）,实现在较宽的频带上得到更好的声场重建性能。以单声源和相干双声源为对象进行仿真和实验对比分析,结果表明,与WBH和FISTA两种稀疏正则化方法相比,ALM-FP在整个分析频带上能够实现更好的重建精度,且声源识别分辨率更高。然而,该算法的重建精度会随着频率的降低而降低,在低频段的重建声压与理论结果仍有一定的差距,可以得到进一步的提升。为进一步提高稀疏声源在低频段的声场重建性能和分辨率,本文进一步提出一种基于2/3范数正则化的等效源法近场声全息方法(2/3-norm)。该方法以2/3范数约束源强向量,使得在逆向求解时源强向量拥有更强的稀疏性,提高其在低频段的重建性能。通过单双声源的仿真和实验表明,与FISTA和ALM-FP相比,2/3-norm算法拥有更稀疏源强分布,并且在中低频段的重建误差更小,声源识别分辨率更高,并且该方法对于信噪比、全息距离和传声器数量等布置参数拥有很好的适应性。