越来越多的终端设备、会议系统开始搭载传声器阵列,以提高语音前端系统的性能。传声器阵列的一个基本功能是实现说话人的波达方向估计,估计结果可以确定说话人的位置,这常常是语音增强、语音分离等声信号处理算法的重要先验信息。基于声信号处理的常规波达方向估计算法可以在理想的低混响、弱噪声场景中获得准确的估计结果,但是实际声学环境中通常存在较高的混响和较强的噪声干扰,在这种复杂场景中常规算法难以实现鲁棒的估计。本文主要关注在复杂场景下实现目标话者波达方向的鲁棒估计,重点研究如何利用语音直达声信号抽取策略提高波达方向估计算法的性能。在短时傅里叶变换域中筛选由语音直达声信号占主要作用的时频点用于波达方向估计是提高估计准确性的常见思路之一,本文介绍了近年来多种语音直达声时频点抽取策略,通过仿真测试不同算法的性能,讨论并分析不同算法的优点与缺点,验证了合适的语音直达声时频点抽取算法可以提高波达方向估计的准确性这一观点。受“优先效应”的启发,我们分析发现语音信号开始部分的时频点直达声占比较高,包含着较为准确的说话人波达方向信息。由此,本文提出了一种基于语音上升沿特性的直达声时频点抽取算法,结合改进的权重预测误差算法,获取语音直达声信号用于目标话者波达方向估计。使用仿真测试对比了提出的算法与其他直达声时频点抽取算法,验证了所提算法的性能。在复杂场景中,除了高混响通常还有强烈的非平稳干扰噪声。由于常规基于声信号处理的算法难以区分语音信号和噪声信号,在复杂场景通常很难获得准确的说话人波达方向估计结果。神经网络技术可以用于解决常规算法难以处理的问题,在图像和自然语言处理领域获得了巨大的成功。受图像分割领域U-net的启发,本文提出了基于多任务U-net的目标话者波达方向估计算法,通过神经网络抽取由语音直达声信号占主要作用的时频点,结合常规波达方向估计算法,估计目标话者的波达方向,并通过仿真和实验验证了所提出算法的性能。