声源定位技术是语音信号处理中的研究热点,也是许多技术后续处理中非常重要的一步。现有源定位技术大多数致力于远场源定位的研究,然而,当源信号处于近场时,远场源中假设的平面波不再成立,此时,需要联合估计DOA(Direction of Arrival,波达方向)和距离参数来实现近场源定位。基于近场中的源信号,本文利用子空间类POR(R of Power,R乘方)算法和稀疏重构算法分别实现了窄带与宽带源定位。在此基础上,还讨论了1-Bit条件下近场源的估计性能。具体的工作内容包括以下几个方面:1.大多数近场源定位问题被视为二维的非线性问题,这会导致算法的复杂度较高。本文的出发点是利用对称的均匀线性阵列和特殊的空间相关序列构造了两个关于角度和距离的信号模型,将二维参数估计问题转换为两个一维子问题,实现分步估计参数。在近场窄带源中,开发了类似于子空间类的POR算法,同传统的子空间算法相比,该算法不需要进行特征分解,并且不用知道源信号个数的先验信息,大大地提高算法的实用性。另外,根据信号的稀疏特性,提出了稀疏重构算法。由于该算法需要构造网格字典,导致可能会出现基不匹配问题,使得算法估计性能下降。为了有效地解决该问题,本文利用了无网格方法,即AN(Atomic Norm,原子范数)最小化思想,并且,通过实验仿真与分析,验证了本文提出算法的估计性能,并利用近场窄带的实测数据进行检验。2.基于近场宽带源定位,本文以POR算法和稀疏重构算法为核心的估计算法:将宽带源信号划分为多个窄带信号,并且,在每一个窄带段下利用本文提出的POR算法和稀疏重构算法对每一个窄带段进行参数估计,最终将每一个窄带段的估计结果求和平均,从而实现近场宽带源定位。此外,为了说明算法在近场宽带中的估计效果,分别与非相干信号子空间方法进行对比,并对算法的估计性能做了仿真分析。