本发明提供了一种基于联合优化网络的目标声源定位方法及系统。该方案包括通过在监测位置放置的麦克风阵列采集所有的目标声源信号，获取声音数据集；将声音数据集划分为训练集和验证集；对训练集进行预处理后，送入预设的目标声检测和定位联合网络，获取目标声源定位模型；将验证集进行预处理后，送入目标声源定位模型，计算目标声检测模块对于训练集和验证集的余弦相似度，并确定目标声源检测阈值；实施获取声音数据，利用余弦相似度和目标声源检测阈值确定目标声源的方位预测。该方案通过基于联合优化网络的目标声源定位，只需采集包含目标声源的高信噪比声音信号进行训练建模，可同时进行目标声源检测和端到端系统定位。