一、声源定位
1、电扫阵列
当系统扫描到输入信号功率最大时所对应的波束方向就是以为是声源的DOA方向，从而可以声源定位。电扫阵列的模式存在必定的局限，仅仅实用于繁多声源。若多声源在阵列方向图的同一主波束内，则不可辨别
2、超分辨谱估量
如MUSIC，ESPRIT算法等，对其协方差矩阵（关系矩阵）启动特色分解，结构空间谱，对于方向的频谱，谱峰对应的方向即为声源方向。适宜多个声源的状况，且声源的分辨率与阵列尺寸有关，打破了物理限度，因此成为超分辨谱打算。
TDOA是先后估量声源抵达不同麦克风的时延差，经过期延来计算距离差，再应用距离差和麦克风阵列的空间几何位置来确定声源的位置。分为TDOA估量和TDOA定位两步。
二、波束成形
1、CBF-传统的波束构成
CBF是最便捷的非自顺应波束构成，对各个麦克风的输入启动加权求和获取波束，在CBF中，各个通道的权值是固定的，作用是克服阵列方向图的旁瓣电平，以滤除旁瓣区域的搅扰和噪声。
2、CBF + Adaptive Filter 增强型波束构成
CBF+Adaptive Filter联合Weiner滤波来改善语音增强的成果，带噪语音经过Weiner滤波获取基于LMS准绳的污浊语音信号。而滤波器系数可以不时更新迭代，与传统的CBF相比，可以更有效的去除非稳态噪声。
3、ABF-自顺应波束构成
ABF在CBF的基础之上，对搅扰和噪声启动空域自顺应滤波。ABF中，驳回不同的滤波器获取不同的算法，即不同通道的幅度加权值是依据某种最优准绳启动调整和优化。
三、语音增强
语音增强是指当语音信号被各种各样的噪声(包含语音)搅扰甚至淹没后，从含噪声的语音信号中提取出污浊语音的环节。
四、混响克服
应用麦克风阵列去混响的重要方法有以下几种：
(1)基于盲语音增强的方法（Blind signal enhancement approach），行将混响信号作为普通的加性噪声信号，在这个下面运行语音增强算法。
(2)基于波束构成的方法（Beamforming based approach），经过将多麦克风对搜集的信号启动加权相加，在指标信号的方向构成一个拾音波束，同时衰减来自其余方向的反射声。
(3)基于逆滤波的方法（An inverse filtering approach），经过麦克风阵列估量房间的房间冲击照应（Room Impulse Response, RIR），设计重构滤波器来补救来消弭混响。
五、噪声克服
语音识别不须要齐全去除噪声，相对来说通话系统中则必定齐全去除噪声。这里说的噪声普通指环境噪声，比如空调噪声，这类噪声通常不具备空间指向性，能量也不是特意大，不会覆盖反常的语音，只是影响了语音的明晰度和可懂度。这种方法不适宜强噪声环境下的解决，然而足以接待日常场景的语音交互。
六、回声消弭
回声消弭就是在Mic采集到声响之后，将本地音箱播放进去的声响从Mic采集的声响数据中消弭掉，使得Mic录制的声响只要本地用户谈话的声响。