基于传声器阵列中远距离测量的波束形成声源识别技术在汽车、高速列车、飞机、风力发电等领域应用广泛。基于压缩感知理论建立的平面传声器阵列二维压缩波束形成方法因声源识别空间范围广、对相干和不相干声源均适用且成像清晰等优点备受关注,是当前的研究热点。已有的在网压缩波束形成方法假设声源落于离散成像区域形成的网格点上,并建立阵列传声器测量声压与网格点源强分布之间的欠定方程组,依据关心的主声源通常在空间稀疏来约束源强分布,进而利用稀疏促进算法加以求解以获得声源的位置及强度估计。然而,上述声源落于离散网格点上的假设难以成立,现实中声源通常总是偏离离散化网格点,此时在网压缩波束形成方法声源识别性能将显著弱化,即发生基不匹配问题。基不匹配问题阻碍了压缩波束形成的应用与推广。鉴此,论文围绕平面传声器阵列压缩波束形成方法基不匹配问题的克服展开研究,建立了三种离网压缩波束形成声源识别方法。首先,利用网格点传递向量的二元一阶泰勒展开近似真实离网声源传递向量,提出了正交匹配追踪离网压缩波束形成方法（Orthogonal Matching Pursuit Off-grid Compressive Beamforming,简称离网OMP-CB）。综合运用数值仿真和试验验证分析其声源识别性能,结果表明:离网OMP-CB方法能够有效缓解基不匹配问题,获得相比在网压缩波束形成方法更高的声源识别精度,且计算效率高;稀疏度估计对该方法声源识别性能影响较小,声源识别性能稳健;但空间分辨能力较弱。为进一步提升声源识别精度及空间分辨能力,构造以声源坐标为变量的感知矩阵函数和以源强重加权l2范数为惩罚项的目标函数,提出了迭代重加权离网压缩波束形成方法（Iterative Reweighted Off-grid Compressive Beamforming,简称离网IR-CB）。数值仿真和验证试验结果综合表明:离网IR-CB方法能够有效克服基不匹配问题,获得远高于在网压缩波束形成及明显高于离网OMP-CB方法的声源识别精度,且具有较强的空间分辨能力;但其计算效率低。为兼顾声源识别精度、空间分辨能力和计算效率,进一步构造以声源坐标和强度为变量的极大似然估计模型并结合正交匹配追踪算法、牛顿优化和反馈机制开发相应的二维牛顿正交匹配追踪求解算法,建立了离网的牛顿正交匹配追踪压缩波束形成方法（Newtonized Orthogonal Matching Pursuit Compressive Beamforming,NOMP-CB）。三种离网压缩波束形成方法声源识别综合性能对比表明:NOMP-CB兼具基不匹配克服能力、高声源识别精度、强空间分辨能力及高计算效率,且可从相同数据中以最高概率识别出更多声源,综合性能表现最优。此外,进一步开发了基于近场测量的NOMP-CB和离网IR-CB。增加数据快拍可实现声源识别性能提升,但多数据快拍仅适用于稳态声源,当存在非稳态声源时则无法实施,此时只能采用单数据快拍。为提升非稳态单数据快拍下NOMP-CB的声源识别性能,基于多频同步测量模型并结合块稀疏思想和牛顿正交匹配追踪算法提出了多频同步牛顿正交匹配追踪压缩波束形成方法。不同类型声源的识别仿真分析及试验表明:该方法在有效克服基不匹配问题实现高声源识别精度的同时提高了单数据快拍下的声源识别性能,获得了强的空间分辨能力和抗噪声干扰能力,对稳态声源和非稳态声源的识别均具有良好适用性,且对处理频率的选择鲁棒。综上,论文建立的平面传声器阵列二维离网压缩波束形成方法能有效克服声源目标区域离散化引起的基不匹配问题,获得相比在网压缩波束形成更优的声源识别性能。论文的研究成果有力推动了压缩波束形成声源识别技术的理论发展、性能提升和功能完善,为汽车、高速列车、飞机、风力发电等领域的噪声源识别提供了先进测试分析手段,具有重要的学术价值和工程应用价值。