什么是声源定位？作为环境感知的一种基础技术，声源定位（Sound Source Localization，简称SSL）用于确定一个或多个声源（语音、机器噪音、报警声、其它声学事件等）相对于传感器的位置或方向。

声源定位能够为机器人、无人机等在听觉方面增加空间感知能力，其应用场景包括自主导航、搜救、安防、海洋勘探中的水下目标检测、机器运行状态监测、机器人将面部对准当前说话人等。

机器狗借助声源定位（SSL）检查传送带运行状态[1]

示意图：昆虫大小的仿生机器人，载有轻型麦克风阵列，具有声源定位功能，用于搜救场景[2]

宠物机器人，可通过声源定位人，实现社交互动（转载自[3]，未修改）

其它可部署在机器人平台上的定位技术，包括视觉定位、卫星定位、激光雷达定位、射频识别（RFID）定位等各自都有局限性——视觉定位容易受到遮挡、强光、黑暗、甚至隐私保护的限制；卫星定位容易受到建筑物墙体的影响；激光雷达定位的成本较高；射频识别（RFID）定位的信号容易受干扰。

相比之下，声波既能绕过障碍物进行传播，也能在强光、黑暗、电磁干扰中进行传播，是其它模态的一个良好补充，有助于提高多传感器感知的鲁棒性。

依靠声波的声源定位也具有局限性，例如容易受到麦克风阵列的排列、环境回声、环境噪声、多声源等的影响。

麦克风阵列的不同配置：机器人双耳、线性阵列、环形阵列、球形阵列、机器人的多个部位[2]

早期的声源定位系统基于经典的信号处理算法，针对麦克风的间距、声音传播速度等进行建模，在单声源、回声小的环境中效果不错，但在回声或噪声较强、声源运动等非理想化、机器人常要面对的环境中表现欠佳。

基于深度学习的声源定位能够从原始的声波或频谱数据中自动学习空间特征，无需依赖手工设计的特征提取，在声源定位中展现出新的潜力，逐渐成为声源定位领域的研究热点。同时，随着边缘侧推理计算能力的提高，基于深度学习的机器人声源定位开始从实验室走向了实际应用。

综述性论文

近期发表的一篇综述性论文[2]，重点总结了近年来出现的基于深度学习的机器人声源定位、相关技术所遇到的挑战、以及未来的科研方向；这篇论文同时还介绍了声源定位的基础知识、麦克风阵列的配置、声源定位的经典算法、数据集、机器人声源定位的应用场景等内容。

论文目录[2]：

参考文献

[1] Belt Conveyors Rollers Diagnostics Based on Acoustic Signal Collected Using Autonomous Legged Inspection Robot

A. Skoczylas，P. Stefaniak，S. Anufriiev，B. Jachnik

Applied Sciences 11（2021），11(5)，2299 

[2] A Review on Sound Source Localization in Robotics: Focusing on Deep Learning Methods

R. Jalayer，M. Jalayer，A. Baniasadi

https://arxiv.org/abs/2507.01143

使用许可协议：CC BY

https://creativecommons.org/licenses/by/4.0/

[3] Development of a Robotic Pet Using Sound Source Localization with the HARK Robot Audition System

R. Suzuki，T. Takahashi，H. G. Okuno

Journal of Robotics and Mechatronics 29 (2017) 146–153

使用许可协议：CC BY-ND

https://creativecommons.org/licenses/by-nd/4.0/