即时定位与地图构建(Simultaneous Localization and Mapping, SLAM)在机器人探究不知道环境时扮演着重要的人物。现在，根据视觉信息的SLAM办法已很老练，并有很多产品实践使用。但是，在光线缺乏的环境中，视觉SLAM的性能将明显下降。为此，本文提出一种声学SLAM(ASLAM)新办法，使用机器人的听觉体系探究其周围声场，一起定位(盯梢)机器人自身及环境中的声源。

  首要，本文给出一种ASLAM结构，初次完成了机器人和声源一起移动时的ASLAM使命。其次，本文提出一种双通道卡尔曼滤波器，别离用于实时估量机器人的位姿和声源的方位，它比传统的卡尔曼滤波器更能节约核算量，从而满意算法的实时性。最终，引进交互多模型(Interacting multiple models, IMM)对机器人和声源的运动状况进行建模，进一步提升了定位和定向精度。

  为了验证所提办法的有用性，论文进行了很多的仿线标明，所提办法在不同测量误差条件下均能精准地估量机器人和声源的位姿信息。图4则更直观地给出了所提算法的定位成果。此外，该算法也具有和传统视觉SLAM有用结合的潜力，有望完成音视频SLAM。

  《IEEE Transactions on Intelligent Transportation Systems》是智能交通范畴世界尖端期刊，被列为JCR一区TOP期刊，影响因子为8.5。我校核算机学院(软件学院)呼德研究员为该论文的榜首作者，内蒙古大学为榜首单位，该课题遭到国家自然科学基金与内蒙古大学快马方案赞助。