1.一种基于i-vector说话人识别的声源定位方法，其特征在于，所述方法包括如下步骤：步骤1：声源位于每个训练位置ri，i＝1,2,...K，麦克风阵记录下声源在该位置处发出的信号；K为声源训练的个数；

步骤2：利用记录下的混响信号，计算出互相关函数；

步骤3：由互相关函数生成特征向量y；

步骤4：对于每个训练位置ri，利用特征向量，计算出互相关函数PLDA模型的均值向量μ和固定维度的说话人子空间 以及残差εij；

步骤5：麦克风阵记录下信号，该信号包括声源发出的信号及噪声；

步骤6：利用记录下的信号，计算出互相关函数；

步骤7：由互相关函数生成特征向量y；如果有N帧数据，则生成一个特征向量集合；

步骤8：利用PLDA模型对特征向量进行测试，估计声源的位置；

此外，在互相关函数特征的选取中，通过利用一种房间冲激响应脉冲算法roomsim来模拟真实的声音环境，麦克风信号x1(k)和x2(k)之间的广义互相关函数(GCC)在频域计算：式中，上标“*”表示复共轭，X1(ω)是x1(k)的傅里叶变换，X2(ω)是x2(k)的傅里叶变换,Ψ1,2(ω)是加权函数；

为了增强互相关函数的抗混响能力，使用相位变化(PHAT)加权函数：将式(1.2)代入式(1.1)，得到：

在实际情况中，麦克风信号x1(k)和x2(k)经过加窗后，再由傅里叶变换求得X1(ω)和X2(ω)，如果房间脉冲响应的长度(L)比窗函数的长度短很多，则麦克风信号在频域表示为：Xn(ω)＝Hn(rs,ω)S(ω),n＝1,2,    (1.4)式中，S(ω)和Hn(rs,ω)分别是s(k)和hn(rs,k)的傅里叶变换，s(k)为在r(s)处的声源信号；

将式(1.4)代入式(1.3)，得到：

由式(1.5)知，麦克风阵接收麦克风信号x1(k)和x2(k)之间的GCC等于房间脉冲响应h1(rs,k)和h2(rs,k)之间的GCC， 等于房间脉冲响应h1(rs,k)和h2(rs,k)之间的GCC；

然而，在实际情况中房间脉冲响应的长度L比窗函数的长度大很多，则麦克风信号在频域只能近似表示为：Xn(ω)≈Hn(rs,ω)*S(ω),n＝1,2,    (1.6)而且，麦克风阵接收麦克风信号x1(k)和x2(k)之间的GCC只能近似等于房间脉冲响应h1(rs,k)和h2(rs,k)之间的GCC，即：由此得到互相关函数的特征。