基于目标位置的应用在人们生活的方方面面不断渗透,从而高精度的目标定位方法设计成为国内外学者研究的热点课题。声源目标定位因其隐蔽性好、抗干扰能力强、实时性高、功耗低等优势在射击定位、声呐、地震预防等军用和民用领域扮演至关重要的角色。然而,在真实环境中,受探测场景中各种干扰因素的影响,高精度的声源定位方法实现成为一项极具挑战性的高难度任务。本文针对环境干扰噪声、声信号的非视距传输等因素导致被动定位精度降低的问题展开了深入研究,内容如下:(1)归纳了被动声源定位算法已有的研究成果,从不同角度指出这些算法的优劣。阐述了求解时差声源定位模型现有的经典方法,仔细剖析了影响该模型定位精度的关键因子,并给出了一些评价时差定位系统性能的指标。(2)传统广义互相关时延估计技术是直接基于节点接收的信号数据,其精度受各种环境噪声及异常值波动影响显著下降。针对这一问题,提出了一种不依赖时延初值的奇异值分解(Singular Value Decomposition,SVD)的HB(Hassab-Boucher,HB)加权广义互相关(Generalized Cross Correlation,GCC)时延估计算法。首先,通过自适应SVD方法对监测传感器节点拾取的信号进行预处理,达到削弱探测环境中各种噪声影响并提高接收信号信噪比的目的;其次,对降噪后的信号数据在频域利用HB权重函数进行互功率谱密度函数处理以此来锐化互相关函数主峰值;最后,在时延初值未知的情况下,提出了一种基于中位数与平均数结合的时延后处理方法,修正了少量异常估计值对整个时延估计结果的影响。模拟与实测结果显示,在噪声干扰强度较高的环境中,与传统的GCC和SVD-GCC参考方法相比,本文所提算法能够较精准的估计出时间延迟点数,凸显出较强的抗噪性能。(3)针对定位系统由于非视距(Non-Line of Sight,NLOS)传播、多路径效应等因素干扰所导致定位性能衰减的问题,提出了一种基于到达时差(Time Difference of Arrival,TDOA)的误差修正声源目标混合定位算法。该算法在传统加权最小二乘法中引入了动态权值修正技术获得泰勒级数迭代法初值,避免了随机选取初值导致迭代时间较长甚至发散的问题;考虑非视距传输导致的附加时延对定位精度的影响,设计了一种后项时延选择策略,以定义的标准残差函数为准则,摒弃了非视距影响较大的TDOA,选择最佳的TDOA组合进行目标位置坐标解算;最后,通过标准残差加权的方式修正目标位置估计误差,得到声源位置。仿真结果显示,本文提出的误差修正声源目标混合定位算法与加权最小二乘和泰勒级数算法相比,定位性能优越,且在非视距环境中位置估计精确度显著高于其他定位算法,表现出很强的非视距抑制性能。