球麦克风阵列能有效处理三维声场信息,因此近些年来受到了广泛的关注。使用球麦克风阵列进行声源定位,分为阵元域和球谐域两种处理方法。相比阵元域方法,球谐域方法可以有效地将频率与角度信息解耦,且与阵元位置无关,易于实现三维空间的声源定位。因此现有的球麦克风阵列声源定位方法大多在球谐域中处理。相较于传统的声源定位方法,运用压缩感知理论的稀疏贝叶斯学习方法的定位精度更高。因此,本文主要基于球谐域稀疏贝叶斯学习进行研究。相对于单声源,多声源定位更具挑战性。目前已有的球谐域声源定位方法在室内混响噪声环境下无法达到精度要求。基于此,本文对基于球谐域稀疏贝叶斯学习的室内多声源定位方法进行了研究。本文的主要工作和贡献如下:1、分析了现有的球谐域多声源定位方法性能,包括球谐域多信号分类方法和球谐域稀疏重构方法。通过仿真实验揭示了这两种方法存在的问题:球谐域多信号分类方法的分辨率不高,而球谐域稀疏重构方法对混响的鲁棒性较差。2、提出了球谐域稀疏贝叶斯学习多声源定位方法。该方法首先通过频率平滑将语音宽带信号聚焦为窄带信号以提高算法的运行速度,降低了信号对混响噪声的敏感性,然后利用球谐域时序多快拍稀疏贝叶斯学习方法得到声源的初始位置信息,最后在声源位置附近细划分网格估计出最终的声源位置,以提高算法的定位精度。仿真和实测实验结果均表明,相较于现有的球谐域多声源定位方法,所提方法在混响噪声环境下具有更高的定位精度。3、针对现有稀疏字典对高混响噪声敏感的问题,提出了一种球谐域稀疏贝叶斯学习定位中的字典设计方法。该方法利用压缩感知波束形成的思想对原有稀疏字典进行加权,基于此字典,通过球谐域时序多快拍稀疏贝叶斯学习方法进行定位得到初步的声源位置,最后利用直方图平滑和网格细化进行二次优化得到各声源的定位结果。仿真和实测实验结果验证了运用所提字典的球谐域稀疏贝叶斯学习多声源定位方法在混响噪声环境下具有更强的鲁棒性。