一种新的基于麦克风阵列的近场声源定位和语音分离算法，它结合双波束二维定位和近场最小方差波束形成技术在阵列近场范围内实现声源定位和语音分离。-based on a microphone array of near-field acoustic source localization and speech separation algorithm, It combines two-beam two-dimensional positioning and near-field minimum vari

争对移动声源采用波束形成进行语音增强，提出一种约束子带波束形成算法。其波束形成器基于一个软约束，其目的是要使波束指向特定的区域即声源方向。而其核心在于首先要进行声源定位，获得尽量准确的方位信息，然后构造软约束条件，用于波束形成。且在此过程中不断跟踪声源的移动情况。在构造的约束条件中，需要知道声源的二维信息，即与麦克风阵列的距离和方向角，“软”体现在对距离和方向角的确定都是在一定范围内的，有待进一步更正。-Between the mobile sound source using beamform

基于互相关函数，采用求和广义互相关函数(summed-GCC)法用于机器人系统平台。由于采用不同的映射函数(mapping functions)，GCC法在该平台下，只需三个麦克风即可进行三维定位，突破了基于TDOA法进行三维声源定位最少需4个麦克风的限制-Based on cross-correlation function, using generalized cross-correlation function sum (summed-GCC) method for the robot s

结合马尔可夫过程，提出一种概率论的声源定位算法，并给出了基于DSP的机器人实现。其中声源定位部分采用三个麦克风呈三角形放置，为减小由于噪声等引起的TDOA估计误差，采用马尔可夫过程计算时延，这样计算的时延会更可靠。该方案中的声源定位也属于一维定位，即只需知道声源的方向角-Combination of Markov process, a probability theory of sound source location algorithm, and give the robot based o