在房间声场环境下基于传声器阵列的说话人定位中，时延估计算法是其中的关键步骤。与其它常用时延估计方法相比，自适应特征值分解（Adaptive Eigenvalue Decomposition，AED）时延估计算法因其优越的抗混响性能受到越来越多的关注。但在受噪声和混响干扰的语音条件下，传统的自适应特征值分解算法收敛速度较慢，对初值敏感。通过引进动量因式，提出了一种变步长的特征值分解算法，通过理论分析和仿真实验，证实了新算法的收敛性能要优于传统的特征值分解算法，节省收敛时间，使算法的整体性能有所提高。