El retraso funcional y la suma (FDAS) de formación de haces para matrices de micrófonos esféricas pueden lograr la identificación de fuentes acústicas panorámicas de 360 grados, teniendo amplias perspectivas de aplicación para identificar fuentes de ruido interiores. Sin embargo, su imagen acústica sufre de contaminación de lóbulos laterales severa bajo una relación señal-ruido baja (SNR), lo que deteriora el rendimiento de identificación de la fuente de sonido. Para superar este problema, la matriz de cruce-espectral (CSM) de la señal de presión acústica medida se reconstruye con la reconstrucción diagonal (DRec), el análisis de componentes principales robusto (RPCA) y el análisis de factores probabilísticos (PFA). Correspondientemente, se establecen tres métodos FDAS mejorados, a saber, EFDAS-DRec, EFDAS-RPCA y EFDAS-PFA. Las simulaciones muestran que los tres métodos pueden mejorar significativamente el rendimiento de identificación de la fuente de sonido de FDAS bajo bajos SNR. En comparación con FDAS en SNR = 0 dB y el número de instantáneas = 1000, los niveles máximos promedio de lóbulos laterales de EFDAS-DRec, EFDAS-RPCA y EFDAS-PFA se reducen en 6.4 dB, 21.6 dB y 53.1 dB, respectivamente, y los lóbulos principales de las fuentes de sonido se reducen en un 43.5%, 69.0% y 80.0%, respectivamente. Además, cuando el número de instantáneas es suficiente, los tres métodos EFDAS pueden mejorar tanto la precisión de cuantificación como la capacidad de localización de fuentes débiles. Entre los tres métodos EFDAS, EFDAS-DRec tiene la mayor precisión de cuantificación, y EFDAS-PFA tiene la mejor capacidad de localización para fuentes débiles. La efectividad de los métodos establecidos y la corrección de las conclusiones de la simulación se verifican mediante el experimento de identificación de fuentes acústicas en una habitación ordinaria, y los hallazgos proporcionan una herramienta de prueba y análisis más avanzada para la identificación de fuentes de ruido en entornos de cabina de bajo SNR.