广义互相关背后的理论 - GCC -（通常，不仅仅是它的 PHAT 版本）使用记录信号的互相关来估计它们之间的延迟。我相信您已经意识到这一点，但是如果您考虑到互相关不能始终区分信号流的不同（时间）分量（即不同的源）这一事实，这意味着该方法最适用于单一源.

Jonas Schwarz提出的方法是一种可能的解决方案，但它可能会或可能不会一直有效。我创建了两个不同的信号，每个信号由三个（不同的）谐波组成，并将其中一个相对于另一个延迟 450 个样本。然后我将它们相加并复制总和，并在 50 个样本的副本中添加延迟。最后，我添加了一点噪音（实际上并没有太大变化，但仍然是一个不错的尝试）。我使用的采样率为 1 KHz，因此很容易从采样转换为秒。你可以看到下面的图

如您所见，主要选择非常本地化，并且就在现场。现在，下一个更高的注释。给出的值大约是 560，这绝对是关闭的。当然，这是一个过于简单的例子，但正如您所看到的，您不能总是确定第二个峰值必然对应于第二个源。

在其他技术（例如宽带 MUSIC算法）中使用的另一种方法是将频谱划分为频带（例如使用傅里叶分析或滤波器组）并在每个频带中执行 GCC 算法。这假设在每个波段中只有一个源将占主导地位（在某种意义上，这与考虑非相干源相同）。从那里，您可以使用直方图（参见Delikaris-Manias 等人使用 2D DOA 直方图对多个音频源进行 3D 定位， Delikaris-Manias 等人使用空间约束活动强度向量的直方图分析进行 DOA 估计以及其中的参考资料）或任何其他方式来估计源的方向（甚至它们的数量）。

但是，您必须记住，如上所述，这并非在所有情况下都有效。关于如何使用获得的互相关函数的各种方法可以在D. Bechler 和 K. Kroschel的考虑使用麦克风阵列的多源 TDOA 估计的 GCC 函数中的第二个峰值和通过线性的时间延迟估计中找到J. Benesty 等人的插值和互相关。

最后，一篇结构良好（当然在我看来）的论文是Pavlidi 等人的Real-Time Multiple Sound Source Localization and Counting using a Circular Microphone Array 。本文的作者提出了各种方法来解决定位问题（仅角度估计，而不是距离），以及各种效果很好的改进。请记住，这指的是圆形麦克风阵列。