基于麦克风阵列的移动机器人声源定位中,影响定向声源精度的因素除了环境噪声之外,还受到机器人位姿的影响。机器人位姿的不确定即麦克风阵列位姿的不确定,其直接导致声达时间差的不确定,进而影响定向结果。考虑到实际应用中感知信息的获取受精度限制的问题,采用静态的单一探测的方式无法从理论上获得声源目标距离信息,可以结合机器人的主动运动进行多次定向,进而建立距离估计模型。不仅定向模型和感知信息影响定位声源的精度,机器人自身运动的不确定也对定位声源的距离带来影响。本文针对上述不确定性条件,对声源目标定位模型这一问题进行分析研究,旨在实现移动机器人对声源目标精确定位,围绕研究该目标文中从以下三个方面进行了研究:首先,分析声音传播机制,以给定声源位置为输出,以结合正四面体麦克风阵列模型根据几何关系计算出的声达时间差为输入,利用RBF神经网络适用于多输入多输出系统和非线性系统的特点,对其进行直接逆建模。提出基于RBF神经网络的正四面体麦克风阵列声源定向模型,通过仿真和实验验证了该定向模型的适用性和可靠性。然后,建立机器人运动模型,引入蒙特卡洛概率模型下的粒子滤波算法研究了机器人运动过程中位姿的不确定性。提出利用已建立的RBF神经网络声源定向模型研究麦克风阵列位姿的不确定对定向声源误差的影响。最后,建立不确定性条件下机器人声源定位模型,通过机器人的主动运动,采用两次定向实现一次定位,得到目标声源的距离信息,分别分析了机器人运动的误差和定向声源的误差对定位声源的距离产生误差影响。