在以物联网为背景的目标监测领域,基于声阵列技术,对声源进行测向、定位与追踪一直是重要的研究课题。由多个麦克风组成的单个声阵列具备测向精度高、隐蔽性好的特点,被广泛应用于低空无人机/直升机预警、野生动物习性监测,水下鱼雷/潜艇定位、跟踪等国防和民用的众多领域,发挥着举足轻重的作用。近年来,随着智能家居和室内定位等领域对声源定位的需求越来越迫切,面向室内的声阵列技术成为学术界和工业界的研究热点。但受限于室内混响和噪声的严重干扰,以及波达角易产生估计模糊等问题,如何在复杂的室内场景中实现高精度的波达角估计是一个极具挑战的课题。本文主要基于声阵列技术,以面向室内声源定位为研究目标,从有效的解模糊方法探索、抑制混响和噪声的波达角估计算法研究以及基于单阵列定位系统实现等方面展开较为系统和深入的研究。主要内容如下:首先,研究了声阵列的理论基础,包括推导了窄带和宽带阵列信号模型,研究了阵列性能评价指标,仔细分析和推导了不同类型的波达角估计算法。此外,研究了压缩感知(CS)信号稀疏表示,设计观测矩阵以及信号重构等基础理论,并对基于压缩感知(CS)稀疏重构的波达角估计算法进行了理论分析。其次,提出了采用多频带实现解模糊的方法,并推导出了实现解模糊的频带和阵元间隔的约束条件,给阵元间隔的选择带来很大的自由度,能有效的提高波达角估计的分辨力。提出采用CS的波达角估计算法进行仿真验证,当阵元间隔大于半波长时,只要满足解模糊约束,即可估计出真实的波达角。同时为了实现稳定的解模糊,研究了在不同SNR下所需解模糊的频带数。此外,我们将基于CS波达角估计的解模糊算法与基于MUSIC算法和Beamforming算法的解模糊进行比较,发现基于CS的波达角估计算法在角度分辨力上存在明显的优势,可以避免再次出现空间谱混叠问题。接着,提出了基于频域的时延估计算法(FD-TDE算法)。该算法在室内环境中有效的提高了波达角估计性能。通过建立基于频域的信号误差估计模型,推导出FD-TDE算法的表达式,并且基于解模糊约束分析了该方法的解模糊特性,根据多量测信息采用最小二乘法提高波达角估计的准确性。采用Image Model模型,对不同信噪比(SNR)和混响(RT60)的室内环境,进行基于FD-TDE的波达角估计算性能验证。仿真和实验均证明,相比GCC-PHAT算法,FD-TDE算法具有更好的抑制混响和噪声的能力且复杂度更低,能够实现稳定、准确的波达角估计。最后,实现了基于单个声阵列和智能手机的室内定位系统设计与搭建。仿真验证了 chirp信号比语音信号具备更强的抑制混响和抗噪的能力,同时提出可基于分数阶傅里叶域对chirp信号进行混响滤波,进一步提高了波达角估计的性能。在定位实验中,基于TPSN实现距离量测(该距离估计方法为类似时钟同步协议TPSN的方法)以及基于FD-TDE算法实现角度估计,并在室内场景(办公室、走廊)中,进行高频和低频chirp信号的性能对比,给出了波达角估计对比结果和室内定位误差分析。