该文对室内有混响条件下的语音定向问题进行了系统的研究,从听觉仿真、室内声学、信号处理、语音特征等各个角度较为全面深入地分析研究了影响语音定向及其定位精度的各种问题.该论文主要作了以下有特色的研究工作:1)通过试验证实了混响情况下采用高频分量比采用低频分量的定向识别率要高,进而根据人类听觉对高频分量主要依靠强度信息来定位这一特征,优选了数字波束合成法来完成联合算法中的时延估计.2)初步设计和完成了一个用于语音定向系统研究的硬件系统.该系统配有程控可3维自由转向的摄像头以及和PC进行通讯的USB接口.从而为听觉、视觉联合研究提供了一个理想的硬件平台.3)首次将语音特征的分析运用到室内语音定向中来,并取得了良好的效果;提出了一种新的语音定向方法即联合算法,该算法利用由室内脉冲响应模型得到的回波强度因子,检出受混响影响较小的信号片段,再利用语音处理技术中基于短时能量分析的端点检测、清浊音判别等技术将检出片段中无声片段进行剔除,以获得有效语音片段,最后根据人耳定向基于强度和时间差的特点,选择了数字波束合成时延估计法对有效语音片段进行方位角估计,并利用先截尾后加权算术平均的方法对输出结果进行处理,从而使得在有混响室内条件下的水平方向定位精度接近人耳定位的精度.4)首次探讨了将说话人识别技术用于语音定向的可能性,指出了利用我们提出的联合算法的计算结果作为训练和测试数据,用于完成目前对主要说话人的识别算法所需要的训练和测试过程,在理论和技术上是完全可行的.