分布式麦克风阵列是由多个麦克风节点构成,用于对空间中的声音信号进行采集和处理的一种无线声传感器网络。随着声学传感器、无线通信和分布式信号处理的快速发展,基于分布式麦克风阵列的音频处理技术得到高度重视,并在语音交互、智能家居、汽车电子、安全监控、环境监测等领域具有广泛应用。在麦克风阵列的应用中,通常需要估计声源的位置信息,以便完成后续的音频处理任务,但受到环境噪声和房间混响的影响,声源定位至今仍是一项具有挑战性的任务。在麦克风阵列音频处理中,通常还需要麦克风网络节点的位置信息,但分布式麦克风阵列节点大多是随机放置,其位置通常未知,需要采用信号处理算法对节点位置进行估计。近年来,基于分布式麦克风阵列的节点定位、声源定位和跟踪理论已经取得一定进展,但在噪声和混响等复杂情况下的定位精度和跟踪性能仍不能满足实际应用需要。本文以基于分布式麦克风阵列的说话人定位和跟踪为目标,对分布式麦克风阵列的节点定位、声源定位和多说话人跟踪方法进行了研究。本论文的主要创新工作如下:（1）针对分布式麦克风阵列的节点麦克风随机放置导致位置信息未知的问题,提出了一种基于约束总体最小二乘的麦克风阵列节点定位方法。该方法先用扬声器播放固定时间间隔的校准信号,并用多维尺度变换算法估计出每个声源事件的位置。然后,提出一种到达时间差估计的选择策略,并选出具有较小定位误差的声源事件及其位置。接着,基于几何关系,根据选出的声源事件位置和节点麦克风位置构建方程。最后,使用总体最小二乘技术来估计节点麦克风的位置;若估计误差较大,则以节点麦克风之间的位置关系为约束条件,应用约束总体最小二乘算法,进一步提高节点麦克风位置估计的准确度。仿真和实际实验结果表明,该方法在噪声和混响环境下,能以较小的计算量得到良好的节点麦克风定位性能。（2）针对现有声源定位方法计算复杂度高的问题,提出了一种基于核函数极限学习机的分布式麦克风阵列声源定位方法。该方法首先将感兴趣的空间区域分割成一些标记的位置,将声源定位问题转换为分类问题;然后将标记位置处的候选广义互相关作为特征,并用于训练核函数极限学习机。最后,将待测位置处得到的特征输入到训练好的分类器中,其输出即估计的声源位置。仿真和实际实验结果表明,该方法能够在噪声和混响环境下,以较快的速度得到良好的声源定位性能。（3）针对多说话人跟踪在噪声和混响环境下的观测值难以确定的问题,提出了基于时延估计的分布式麦克风阵列多说话人跟踪方法。该方法将说话人到麦克风对之间的到达时间差作为观测,并用数据关联技术找出每个说话人的候选观测。然后,根据时延估计策略估计出每个说话人对应的时延。最后,基于分布式扩散融合算法,将可靠的时延传递到整个网络,并在分布式卡尔曼滤波框架下估计说话人位置信息。仿真实验结果表明,该方法在复杂环境下能够取得良好的跟踪效果。（4）针对现有说话人跟踪中系统函数非线性导致的误差较大问题,提出了基于无迹粒子滤波和数据关联的分布式多说话人跟踪方法。该方法首先应用数据关联技术,找出每个说话人有效区域内的观测值,并计算出每个观测值相对于说话人的关联概率。然后,考虑到广义互相关函数的幅度信息在一定程度上反映了声源来源的可能性,因此将有效观测值对应广义互相关函数的系数作为关联概率的一部分,与有效观测的统计距离共同组成关联概率,并在每个节点由无迹粒子滤波方法得到局部估计值。最后,考虑到每个节点局部估计的可靠性,用分布式动态加权一致性融合算法,使所有节点达到全局一致并得到较好的跟踪性能。仿真实验结果表明,该方法能够得到较高的跟踪精度,并在噪声和混响环境下得到良好的跟踪性能。