近年来,模式识别在声源定位中应用广泛。这类方法比传统声源定位算法更具鲁棒性,但在带有噪声、混响的室内环境中,该类方法会出现计算量大、定位精度不高等问题。针对这些问题,本文提出了一种基于特征长度的声源定位方法。通过提取不同长度的相位加权变换广义互相关函数作为特征,来提升基于朴素贝叶斯、线性判别分析、支持向量机的分类识别定位性能。为此,本文主要做了以下工作:1.选取合适长度的相位加权变换广义互相关函数对分类识别定位方法进行优化。实验表明,轻度混响环境下,可在保持相当的定位精度的前提下,通过减小特征长度来减少计算量;强混响环境下,可通过增加特征长度提高定位精度,且线性判别分析分类器定位性能优于朴素贝叶斯分类器和支持向量机分类器。2.针对10°、50°和90°三个方位的声源,选取合适长度的相位加权变换广义互相关函数对分类识别定位方法进行优化。实验表明,混响环境下,对于90°方位的声源,选用较短的相位加权变换广义互相关函数特征就能达到较好的定位性能,对于10°方位的声源,需用较长的相位加权变换广义互相关函数特征才能够达到更高的定位精度。3.提取不同信噪比环境下的相位加权变换广义互相关函数,训练而成相应的线性判别分析分类器,将定位精度最高的线性判别分类器用于环境信噪比未知的室内声源定位。实验表明,轻度混响环境下,选用与环境信噪比稍低的训练集训练而成的线性判别分类器可以达到更好的分类定位效果;强混响环境下,选用与环境等信噪比或者稍低的训练集训练而成的线性判别分类器可以达到更好的分类定位效果。