利用听觉信息判断声音源所在位置的过程称为声源定位。近年来,基于麦克风阵列的声源定位技术在人机语音交互、音视频会议和军用雷达检测等方面都有着重要应用,已成为定位领域的研究热门。目前,常用的声源定位方法分为几何定位法和指纹定位法两大类。其中,基于位置指纹的声源定位方法有效改善了几何定位法的缺陷,具有模型依赖度低和定位精度高的优势。但为了保证精度,指纹定位法需要建立高指纹密度数据库,这不仅增加了离线采样阶段的工作量,还严重影响了系统在线定位的实时性。针对此问题,本文对基于位置指纹的声源定位方法进行了优化改进。首先,采用四元分布式麦克风阵列构建覆盖定位区域的声场环境,驱动移动机器人在少量位置标定参考点处采集声音信息,通过双门限端点检测技术获取各参考节点的声达时间差(Time difference of arrival,TDOA)特征,减少经典语音端点检测方法存在的多峰和函数峰值弱化现象。其次,从实际应用场景出发,通过平均运算处理具有位置标识功能的特征向量来抑制测量误差对指纹质量的影响。以行向量的形式存储声音位置指纹,并采用聚类算法处理数据库,减少在线搜索高维数据库的时间和复杂度,提高定位效率。再次,针对现有的位置指纹定位方法多采用K邻近算法计算目标位置,指纹资源浪费严重的问题,提出了基于TDOA向量的快速搜索策略。该策略将待定位声源处实时采集的TDOA特征排列成向量,并将聚类中心的TDOA向量与在线TDOA向量间的特征匹配度作为它们之间的相关系数,根据相关系数的大小选择待定位声源所在聚类,在选定聚类内进行声源位置计算,进一步加快了在线匹配和定位的速度。另外,为提高定位精度,在选定聚类内通过插值算法实现数据库的更新,可大幅降低样本采集工作量,使指纹定位方法更适合实际应用场景。最后,针对类与类边界待定位声源所在归属类的问题,提出了一种基于迭代的定位误差修正方法,通过生成虚拟邻近参考点,矫正定位精度偏低的声源位置,从而提高系统的定位精度。本文的研究工作通过对声音位置指纹定位方法的探索,为在低指纹密度下,实现更加高效、精准的室内声源定位方法打下了理论基础。