环境温度监测在农业、气象、智能家居等领域有着重要作用,如温室大棚自动控温、天气预报、中央空调智能调节等。温度测量设备虽然使用简单且成本低廉,但大多不具备网络功能,难以进行大规模的分布式温度监测。近年来,智能手机数量增长迅速,如果能够使用智能手机进行环境温度测量,就能以较低的成本获得大规模的温度数据。但是智能手机内的温度传感器用于监控设备运行时温度,无法测量环境温度;随着移动计算的发展,出现了基于智能手机传感器的创新性应用,如利用摄像头进行可见光通信、使用惯性测量单元（IMU）进行惯性导航等等,这些创新性应用给基于智能手机的环境温度测量带来了契机。在此背景下,本文首次利用智能手机声音传感器实现了环境温度测量,并且创新性地提出了解决背景噪声和多径效应的算法。本文的主要贡献如下:1.本文首次在智能手机上实现了较高精度的环境温度测量系统,系统的中位误差仅为0.3℃,且抗噪声和抗多径干扰能力强,结合GPS和多源信息融合室内定位技术,可实现大规模的室内/室外环境温度监测,彻底变革了当前大规模分布式温度监测方法。2.本文创新性地提出了基于声音信号时频特征的掩模去噪算法,根据Chirp信号的线性时频特征,对原始信号进行RANSAC直线拟合生成去噪掩模,并引入改进的谱减法来抑制残留噪声,提高了系统的抗噪声性能。实验结果表明,基于该算法的系统在70d B背景噪声干扰下的中位误差仅为0.69℃。3.本文创造性地提出了基于结构声信号和空气声信号的多径处理算法,根据结构声信号和空气声信号的传播速度及能量差异,对混合信号频谱中能量峰值是由视距（LOS）信号产生的概率进行建模,从而有效避免了相干多径对混合信号频谱主峰提取的干扰,适用于各种多径环境,提升了系统的抗多径干扰能力。此外,系统还采用了降低信号强度和平均相邻频谱的多径解决方法。实验结果表明,系统在不同多径环境下都表现出较高的测量精度。