随着这些年全国机动车保有量的不断增加,城市道路的交通噪声问题日益严重。研究发现,噪声污染会对人们的正常生活和工作造成比较大的影响,还会带来许多健康影响。由于在交通噪声中,喇叭声占据了绝大部分,如果能有效遏制车辆的违法鸣笛现象,将会大大减少噪声污染。车辆鸣笛识别定位系统是高科技时代下,针对噪声、鸣笛等声源识别需求应运而生的智能抓拍系统。本文主要对车辆鸣笛识别定位系统的鸣笛识别以及定位算法进行了研究,并搭建实验平台对该系统进行验证,本文主要工作如下:（1）鸣笛识别部分,提出了一种基于支持向量机的车辆鸣笛识别方法。对汽车喇叭声和城市交通噪声进行了分析,并从汽车喇叭声的谐波特征分布特点出发,提取其梅尔倒谱系数（MFCC）特征作为特征向量,采用支持向量机（SVM）作为汽车鸣喇叭声和交通噪声的二分类器。同时,分析了传统MFCC特征中梅尔滤波器个数及特征维数对识别效果的影响,发现增加特征维数可以改善鸣笛识别效果。（2）鸣笛定位部分,改进了基于TDOA的声源定位算法。介绍了麦克风阵列及声源信号模型,分析了广义互相关的基本原理并与改进的互功率谱相位方法（MCSP）进行了对比,发现MCSP在低信噪比条件下具有更好的稳定性及时延估计准确率。然后,研究了常见的分数时延估计方法,包括相关峰插值法及抛物线拟合法。采用球形插值法结合设计的四元麦克风阵列结构作为鸣笛场景下的定位估计方法,并对球形插值法在远场处距离估计误差较大的问题,提出了一种分布式麦克风阵列解决方法。同时,分析了麦克风位置误差以及分布式阵列之间的位置误差对定位估计的影响。（3）系统的实现部分,提出了一种鸣笛车辆的图像标记方法。通过相机标定的方式,将鸣笛声源的三维坐标转换到相机坐标系中,进而可以采用图像插值实现鸣笛车辆的图像标记工作。然后搭建了车辆鸣笛识别定位系统的实验平台,并进行了鸣笛声源识别定位以及图像标记的相关实验,实验结果表明本文设计的系统能完成识别、定位以及图像标记功能。最后,对实验环节中出现的误差情况进行了分析。