无线传感器网络领域的不断发展,促使分布式声源定位技术在智能环境监测方面得到广泛的应用。相对传统的集中式声源定位系统,分布式系统能够在时间、空间及性能上获得优势,更加综合地利用环境信息、有效地扩展单节点的感知能力。尤其是对探测区域广、环境复杂多变的情况,分布式声源定位系统能够有效提升定位精度和抗干扰能力。随着应用需求的不断提升,分布式声源定位系统的应用环境也呈现多样性和复杂性,从而导致新的问题不断涌现,如何优化复杂环境中系统的定位性能成为目前该领域的研究热点。本文针对分布式声源定位系统在应用中面临的问题,对节点布局、节点选择以及环境适应性进行了系统分析和研究,针对性地提出了相关的优化方法,并通过计算机仿真和实际测量数据验证了提出的方法。论文的主要研究内容及结论如下:（1）本文推导出各节点测量性能存在差异条件下定位误差的CRLB（Cramer Rao Lower Bound）,在误差分析的基础上,针对目标在测试区域出现位置的分布概率不同的情况,提出将最小化平均CRLB做为优化准则,利用自适应遗传算法寻找最优布局。通过计算机仿真,研究了基于节点观测性能的最优布局与声源出现的概率分布的关系,并与不考虑节点性能时的最优布局进行了对比。（2）研究了分布式声源定位系统性能评价的不同准则,提出将多个准则同时作为优化目标,利用多目标优化方法求解最优值,然后利用多属性决策方法TOPSIS确定选择的节点组合。提出了基于多目标优化的节点选择方法,综合考虑了不同的性能指标,所选择节点的定位性能比将单一性能作为优化目标所选择的节点有更低的定位误差。（3）提出基于声速修正的分布式声源定位方法。根据风向与声音传播方向的相对角度,将不同方向的等效声速表示为未知声源位置的函数,逼近风场中的声速场分布,并利用粒子群优化算法进行声源位置估计。通过仿真及实验研究,验证了本文提出的方法的有效性。（4）提出一种新的基于节点可靠概率加权的定位方法;该方法利用马氏距离识别估计的声源位置集合中的离群点,从而识别异常角度值并量化节点的可靠概率,最后通过可靠概率加权的方法实现稳健定位的目的。提出了基于M估计器的稳健定位方法。该方法在迭代过程中不断地重新评估节点的估计误差与门限值的关系,重新赋予不同角度残差以不同的权值,然后利用迭代的重新加权的最小二乘法实现声源定位;为方便该方法的使用,本文通过仿真建立了不可靠概率与最佳门限值的近似关系式。仿真结果和户外实验结果表明,当异常值存在条件下,本文提出的稳健的定位方法能有效提高定位精度。本文的研究成果对分布式声源定位系统在复杂环境中实现精确定位,同时优化系统的资源配置有重要的理论和应用价值。