由于城市居民的汽车保有数量迅速增加,导致城市交通系统的压力增大,同时也带来了汽车鸣笛等交通噪声污染的问题。这些问题严重影响到了居民正常的生产生活。而现阶段最常见的汽车鸣笛噪声的识别定位的方法,是通过人工判断的方式,该方法效率低且浪费人力资源。因此通过麦克风阵列实现汽车鸣笛声源定位的方法,被提出研究并在日常生活中使用。通过麦克风阵列可以获取空间中声源传播的声音数据和空间位置等信息。麦克风阵列声源定位系统可以利用这些信息,通过声源定位算法计算出目标声源的实际位置。因此,本文的主要任务是通过自行设计的麦克风阵列,接收道路中的音频信号,识别其中是否包含鸣笛声音,在对包含鸣笛声音的音频信号进行分析,计算出鸣笛车辆的具体方向和实际位置。首先,本文介绍了基于卷积神经网络的汽车鸣笛识别系统的结构、原理和方法。利用能零积判断麦克风接收到的信号中是否包含鸣笛信号或类似的高能信号;再提取出该信号中的声学特征参数MFCC+GFCC,与其动态特性相互结合;将其作为卷积神经网络的输入层代入搭建好的卷积神经网络模型中进行训练。通过仿真实验,与传统的BP神经网络模型的识别结果进行对比,证明混合特征参数的卷积神经网络在汽车鸣笛信号的识别方面具有优越性。其次,本文之后介绍了基于遗传算法的平面麦克风阵列优化设计的方法。首先利用远场延时求和的波束形成算法,对麦克风阵列的最大波束宽度,最大旁瓣增益等参数进行分析研究,并将其作为优化函数,设计相应的遗传算法。通过该方案优化设计的均匀混合随机二维麦克风阵列,拥有更窄的最大波束宽度,同时有更低的最大旁瓣增益。相较于市场上现有的麦克风阵列,具有更加优异的性能。然后,本文使用MEMS麦克风搭建了一套麦克风阵列信号采集系统。按照基于遗传算法优化设计的平面麦克风阵列结构,制作出44元二维MEMS麦克风阵列;使用ZYNQ 7Z035作为主控模块,对44路麦克风实现同步的信号采样;通过USB2.0接口将包含鸣笛信号的数据高速传输到上位机中;同时制作了信号接收的上位机软件,可以将接收到的音频信号进行数据存储与解码分析。最后,本文针对设计的麦克风阵列进行校准,并在实际场景中模拟汽车鸣笛,利用声源定位对麦克风阵列采集到的信号进行处理。本文设计的麦克风阵列声源定位系统,使用MUSIC等声源定位算法,可以精准定位目标声源的位置。