通常的陣列信號處理多為窄帶，即不同陣元在接受時(shí)延與相位差主要體現(xiàn)在載波頻率，而語音信號未經(jīng)過調(diào)制也沒有載波，且高低頻之比較大，不同陣元的相位延時(shí)與聲源本身的特性關(guān)系很大—頻率密切相關(guān)，使得傳統(tǒng)的陣列信號處理方法不再完全適用。
傳統(tǒng)陣列處理中，多為平穩(wěn)信號，而麥克風(fēng)陣列的處理信號多是非平穩(wěn)信號，或者短時(shí)平穩(wěn)信號，因此麥克風(fēng)陣列一般對信號做短時(shí)頻域處理，每個(gè)頻域均對應(yīng)一個(gè)相位差，將寬帶信號在頻域上分成多個(gè)子帶，每個(gè)子帶做窄帶處理，再合并成寬帶譜。

聲音傳播受空間影響較大，由于空間反射，衍射，麥克風(fēng)收到的信號除了直達(dá)信號以外，還有多徑信號疊加，使得信號被干擾，即為混響。在室內(nèi)環(huán)境中，受房間邊界或者障礙物衍射，反射導(dǎo)致聲音延續(xù)，極大程度的影響語音的可懂度。
聲源定位技術(shù)在人工智能領(lǐng)域應(yīng)用廣泛，利用麥克風(fēng)陣列來形成空間笛卡爾坐標(biāo)系，根據(jù)不同的線性陣列，平面陣列和空間陣列，來確定聲源在空間中的位置。智能設(shè)備首先可以對聲源的位置做進(jìn)一步的語音增強(qiáng)，當(dāng)智能設(shè)備獲取你的位置信息可以結(jié)合其他的傳感器進(jìn)行進(jìn)一步的智能體驗(yàn)，比如機(jī)器人會聽到你的呼喚走到你的身邊，視頻設(shè)備會聚焦鎖定說話人等等。了解聲源定位技術(shù)之前，我們需要了解近場模型和遠(yuǎn)場模型。