近年来随着信号处理技术不断更迭,各种智能设备不断涌现,极具交互性的语音应用其中,丰富和便利了人们的生活。声源定位是其重要组成部分,因此,基于麦克风阵列的声源定位算法成为了一大研究热门。常用的定位算法在混响和噪声存在的环境下性能表现并不理想,定位的准确率和实时性的进一步提高仍需不断研究。本文先对语音信号处理的理论基础进行了总结,采用IMAGE模型模拟室内混响环境,并进行仿真实验;然后主要研究了具有较高定位精度但复杂度较高的基于SRPPHAT的声源定位算法,以及部分基于其的改进算法,包括引入对搜索空间进行收缩思想的算法和空间聚类的算法;接着重点分析了常用的基于时延估计的定位算法,并搭建了由七麦组成的三维阵列,利用估计时延和几何位置关系,推导定位表达式,并在实际环境中采集数据进行了测试,完成对声源位置的估计,实验结果基本满足定位需求。为了进一步克服基于SRP-PHAT的定位算法的高复杂度而提高算法的实时性,且不降低算法的准确率,基于SRP-PHAT算法,本文提出了将其与到达时间差(Time Difference of Arrival,TDOA)及空间收缩相结合的混合定位算法,改进搜索策略,使得改进后的混合定位算法能够显著减小运算量的同时可以改善定位精度;为了弱化室内噪声和混响对时延估计的影响,将混响视为一种特殊的噪声,提出了基于广义互相关(Generalized Cross Correlation,GCC)的改进算法,该算法同时具备采用相位变换的广义互相关法GCC-PHAT和最大似然广义互相关法GCC-ML的优点,仿真结果表明改进后的算法具有较强的同时抵抗噪声和混响的能力。