近年来,随着无线传感器网络技术的兴起,声源定位技术继上个世纪30年代以后再次引起学术界的关注。根据对声信号测量物理量的不同,无线传感器网络声源定位方式分为三类:基于信号到达时间差的定位方法(TDOA)、基于信号到达方向角的定位方法(DOA)、基于声音能量强度的定位方法(RSS)。RSS与TDOA相比不需要对传感器节点作精准的时间同步,与DOA相比其适用的范围更广,而且算法的复杂度和成本都比较低。因此本文针对基于声音能量强度的定位方法进行了研究。　　 为了在保证定位精度的前提下提高定位效率,本文采用最大似然估计法作为声源定位的基本方法。通过分析现有的一些全局搜索算法的优缺点,选择寻优性能较好的量子群算法作为基本的算法,并针对该算法存在的缺陷进行改进,提出改进量子粒子群算法(IQPSO)。为了进一步改善算法的全局搜索能力、提高收敛速度,于是利用文化算法的双重演化机制,将改进的量子粒子群算法纳入文化算法框架作为下层空间的进化算法,同时利用选择、交叉、变异操作对上层空间的群体进行进化,最终形成本文提出的文化-改进量子粒子群算法(C-IQPSO)。　　 在定位过程中,根据监测区域内传感器节点测得的能量值对节点进行筛选,选出能量值较大的节点参与声源定位。然后利用C-IQPSO算法对似然函数的极值问题进行求解,从而对声源定位。　　 仿真实验中,首先用标准测试函数对C-IQPSO算法进行检测,结果显示在搜索性能和收敛性能上较粒子群算法(PSO)、量子粒子群算法(QPSO)、粒子群-序贯论算法（PSO-SNTO）有很大提高。将C-IQPSO算法运用在声源定位中,对定位的速度以及精度都有较大的提高。