声学波束形成技术（Acoustic Beamforming）是以声辐射的逆向重建过程为基本理论,通过对麦克风阵列获得的信号进行延时求和,从而在与阵列相距固定深度处重建声场的分布。声场中最大响应所在位置即为声源。波束形成技术可以对瞬、稳态声场进行重建,对中、远场声源有较好的识别能力。传统的波束形成重建平面声场需要对距离麦克风阵列一定深度的平面上进行扫描重构。如果要在空间内重建三维声场,则还需在深度上进行扫描,计算量非常大。这也导致了无法快速、准确的获取运动声源的深度,从而无法使用声强缩放方法对声源的声功率进行准确的计算和动态监测。本文通过双目立体视觉及图像处理技术,去除波束形成中的无效声场重建区域,极大的提高了重建速度。波束形成与双目立体视觉技术融合方法的具体实现方式是使用双目相机拍摄包含声源的目标对象,获取相机视野的深度图像。深度图像经处理可获得目标对象的三维表面,并作为波束形成聚焦扫描区域来重建三维声场。最后定位三维声场中最大的响应位置,获取声源的三维坐标,并结合基于波束形成的声强缩放方法实现声功率的获取。在上述的理论基础上,详细的研究了从相机深度图像中提取待识别对象的三维表面的方法,分析了麦克风阵列与立体相机的空间角度和对应关系,解决了声阵列、立体视觉两个系统空间坐标系统一的方法,完成了相机获取的三维表面与波束形成声场重建面之间的空间转化。声学波束形成与立体视觉融合的三维声场重建方法具备快速重建和动态的获得声源三维位置与声功率的能力。被测目标三维面上的重构聚焦点数量小于传统的规则重构面内的聚焦点数,论文使用数值分析原理将融合方法与传统波束形成进行了计算复杂度对比。在半消声室内开展了验证实验。结果表明本文所用算法能有效降低计算量,可以完成对运行机构内移动声源的三维定位与声功率监测。此外,论文使用LabVIEW开发平台对三维声场重建及声源状态监测系统进行了设计搭建与测试。该系统可以快速重建和可视化待识别对象表面的三维声场、完成移动声源的三维定位和声源的声功率监测。