近些年来，声源定位技术在人机交互系统、视频会议系统和智能语音系统等领域的应用越来越广泛。时延估计定位算法作为声源定位的重要方法之一，其时延估计值的准确性直接影响到声源定位系统的性能。时延估计算法计算量低、结构复杂度小，被广泛应用在声源定位中。在室外环境下，低信噪比是影响声源定位精度的主要因素；在室内环境中，噪声和混响都会对声源定位的准确性产生影响。因此，在低信噪比或噪声与混响同时存在的环境中，对时延估计算法进行深入研究，以提高时间延迟估计精度和稳定性，具有重要的意义。
　　首先，在低信噪比自由空间声场中，广义互相关、二次互相关和广义二次互相关算的时延估计精确度不高，估算结果的稳定性受噪声影响较大。本文针对广义二次互相关时延估计算法的正确率和稳定性受噪声干扰较大的问题，提出了一种改进的广义二次互相关算法。通过对相关函数进行特定的指数运算，削弱噪声的干扰，再对算法中傅里叶逆变换的结果进行高次方运算，锐化二次相关计算结果的峰值,并通过仿真分析得到特定指数运算的参数选取范围。仿真表明，在低信噪比情况下，改进的广义二次互相关算法可以提高时间延迟估计值的精确度和稳定性。
　　其次，在室内声场环境，时间延迟估计精确度会同时受到混响和噪声的影响。针对室内混响声场，提出一种双加权函数的广义二次互相关算法，该算法先对接收到的信号进行噪声抑制，再通过加权函数削弱混响的影响。即首先通过对二次互相关函数进行特定的指数运算，提升信号的信噪比。将指数运算得到的结果与SCOT权值函数相乘，削弱噪声的干扰。再把已抑制噪声的信号与PHAT权值函数相乘，削弱混响的影响。最后对算法中的傅里叶逆变换结果进行高次方运算，锐化二次互相关计算结果的峰值。通过以上运算过程达到抑制噪声和削弱混响干扰的目的。仿真对比结果表明，改进的算法对噪声和混响有一定的抑制作用，提高了时间延迟估计的精确度和稳定性。