对于声源分离的方法，大多数的方法是利用线性麦克风阵列，或者使用两个麦克风采集混合声音信号进行处理。因此，Araki S, Sawada H, Mukai R, 和Makino S提出了一种基于源稀疏和无回声混合模型的稀疏信号盲源分离方法.该方法利用水平的比率和麦克风观测之间的相位差作为它们的特征,通过分类他们来分离信号。甚至在欠定的情况下二文和三文的分布式语音分离上用非均匀线性麦克风阵列取得了不错的成果[3]。在对于相位差和幅度差的聚类算法上 ，相比于传统的定位技术他们通过相位测量的统计建模方法去解决这个问题。Zuliani M, Kenney C, 和Manjunath B提出了一种RANSAC算法，其基于检测给定的一组数据点的多个模型对应的内点程序[10]25847
相对而言，我国对这方面的研究基础较薄弱，也没有生产出相关产品。国外企业也深知阵列的核心处理的重要性，论文网对其自主产权严格保密。国内学者也针对如何将麦克风阵列应用在语音处理技术方面有了一定的见解。例如有人用测量声音到达各麦克风的时间差来达到声源分离的目的,如文献[11]自主设计制作了在一个固体媒质平面上时差测量物理装置进行声源分离及追踪。 声源分离国内外研究现状和发展趋势:http://www.youerw.com/yanjiu/lunwen_19816.html