随着信息技术的发展,远程电话会议、多媒体通讯、虚拟现实等应用对音频数据的采集和重建的性能要求日益提高,除了高质量采样与重建音频信号本身,还需要精确感知和重建原声源所产生的整个声场信息。声场重建的准确性取决于能否精确获取原空间声场中各个声源信号及其对应位置,因此精确的声源分离与定位技术显得尤为关键。现有的声源分离算法主要利用非负矩阵分解(NMF)来实现声音信号的分离,这种方法实现简洁,摆脱了信号统计独立且非高斯的假设,但其对于信号自身特性的利用不足,分离效果有限。而现有的多声源定位算法主要采用波束成形或者求解空间稀疏方程等方法,具有良好的定位效果,但运算复杂度较高,且没有充分利用分离与定位的内在联系。本文在分析和总结前人研究成果的基础上,针对当前多通道声源分离与定位中存在的问题,利用音频信号的稀疏特性改进了基于多通道非负矩阵分解的分离算法,并提出了声源分离与定位的联合处理算法,本文主要工作如下:1)针对多通道声源分离对于信号特性利用不足的问题,本文提出了基于信号稀疏特性的多通道非负矩阵分解算法(SC-MNMF),在传统方法中对于空间相关矩阵的分解过程中,增加非负矩阵分解基的频域稀疏性约束与分解系数的时域稀疏性约束,使得分解结果与实际情况更为接近,并通过实验验证了算法的收敛性,同时在分离性能上,分离信扰比相比其他方法有1-2dB的提升。2)针对空间多声源定位复杂度较高的问题,本文提出了声源分离与声源定位的联合处理算法,利用声源分离中得到的空间特性矩阵实现声源到达角的计算,从而利用声源位置信息使声源分离信扰比提升,实验表明基于联合处理算法使分离信扰比提高了0.5-1dB,声源到达角估计误差也降低了1°左右。本论文的研究实现了基于稀疏约束的声源分离与定位联合处理算法,为精确的声场重建提供了方法和手段。