声源波达方向(Direction Of Arrival,DOA)估计作为麦克风阵列信号处理中的一项关键技术,在视频会议系统、故障检测、医疗诊断、军事等许多领域都有广泛应用。基于多通道到达时间差(Time Differences Of Arrival,TDOA)的方法是声源DOA估计中的一种重要方法。然而当前研究工作主要集中在TDOA获取,而对TDOA-DOA映射方法研究较少。基于最小二乘支持向量回归机(Least Squares Support Vector Regression,LS-SVR)的TDOA-DOA映射方法有较好的声源DOA估计效果,但其研究并不全面。本文针对基于LS-SVR的TDOA-DOA映射方法,从LS-SVR中的核函数选取、多核LS-SVR构造以及稀疏化分析等方面进行了深入研究。此外,本文提出一种基于稀疏表示理论的无需调节参数的TDOA-DOA映射方法。本文的主要工作有:1)由于不同核函数具有不同的映射性能,因而本文研究了径向基核、多项式核以及线性核这三种常见核函数构造的LS-SVR在混响和噪声环境中的声源DOA估计性能,并与最小二乘映射方式进行了比较。研究结果表明,采用径向基核函数具有更高的估计性能。2)针对估计时延在混响较为严重的环境中出现离群值的问题,本文根据TDOA-DOA的映射特点,提出一种基于中值滤波的TDOA处理方法以消除离群值。研究结果表明,采用该方法后,在混响较为严重的环境中声源DOA映射性能得到了有效提升。3)为了进一步提升声源DOA估计性能,本文结合多核学习理论以及K-means聚类算法,提出了基于聚类方法的多核LS-SVR映射方法。仿真结果表明,多核LS-SVR的性能要优于单核LS-SVR以及最小二乘法;一般情况下,核的个数越多,多核LS-SVR的性能越好,并且混响时间越大,多核的性能优势体现得越明显。4)针对LS-SVR映射方法中训练集存在冗余这一问题,本文将基于最小支持权重的剪枝稀疏方法运用到声源DOA估计中,分别对单核和多核LS-SVR映射方法进行了稀疏化分析。研究结果表明,与基本LS-SVR相比,稀疏LS-SVR方法不仅能保持良好的DOA估计性能,而且有效减小了测试时的运算量。5)提出了一种基于稀疏表示理论的无需调节参数的TDOA-DOA映射方法。在此基础上,为进一步降低运算量,本文应用一种双步网格搜索方法来匹配TDOA向量和数据字典。研究结果表明,与传统的无需调节参数的映射方法相比,该算法存在一定的性能优势。