麦克风阵列的声源定位技术发展于上世纪后期,在一开始这项技术多用于军事军工、工业检测等领域。随着AI、5G等科技的发展,人们的日常生活与智能机器的应用越来越密不可分,麦克风阵列又被广泛用于智能家居、机器人、音视频会议等产品的语音交互系统。该项技术已然成为这些领域不可缺少的一个环节,对其最重要的部分就是定位算法,所以对声源定位算法进行探讨是非常有价值的。本文主要针对传统算法对于低频信号定位能力差,分辨率低等问题,引入了压缩感知理论,提出了基于重构信号能量的压缩感知算法。本文主要工作内容概括如下:（1）详述了基于麦克风阵列声源定位算法研究的具体意义,列举评述了各类算法的国内外的研究历程以及现状。引入压缩感知理论,推导了麦克风阵列接收信号几种不同的空间稀疏模型表示方法,并将其与压缩感知理论结合继而通过该理论估计出声源方位。压缩感知理论中正交匹配追踪算法最为经典常用,对基于该算法的声源定位方法进行了仿真分析,同时与传统算法在信号频率和定位分辨率等参数进行对比。（2）正交匹配追踪算法具有迭代速度快,能够达到最优解等优点,但其在应用中需要知道声源数量,即声源稀疏度;或需设定较大迭代次数,但存在噪声时会出现虚假重构信号,且运算时间长,这些因素限制该算法的应用。针对前述问题,提出了利用重构信号能量的方法,设定能量阈值判断当次迭代中重构信号中是否新增明显声源。使该算法在未知声源数量的前提下能够较为准确的迭代至最优次数,同时引入了信号块稀疏性,避免信号重构中因同一信号频谱上能量分布不均而引起的误差。最后仿真验证了算法性能,该算法保留了正交匹配追踪算法优点的同时,又很好的弥补了上述缺点。（3）最后利用主要由声学相机组成的麦克风阵列定位系统对改进算法进行验证,并搭建基于Lab VIEW的声源定位算法程序。为验证算法在实际环境应用的性能,未使用消音室等特殊场景,选择日常生活室外广场和室内办公室两个场景分别进行测试。测试设置两个声源,测试结果显示改进算法在未知声源数量的情况下能够准确定位出声源方位,且具有优于传统算法的表现,与仿真测试基本一致。同时统计改进算法每种场景定位时的迭代次数,结果显示与设定声源数量最大误差为0.31。