AEC原理

一、AEC概述

AEC全称为Acoustic echo cancellation，中文为回声消除。回声的形成如下所示：

       在实时音视频通话中，扬声器播放的声音又再次录进麦克风里去，这种现象在音频处理领域被称为"声学回声"(Acoustic Echo)。它通常发生在以下几种场景中：
设备物理环境因素：

• 当麦克风和扬声器距离过近（如手机免提模式或笔记本电脑内置麦克风）
• 在封闭空间内使用外置扬声器（如会议室视频会议系统）
• 设备放置在硬质表面导致声波反射（如玻璃桌面）
  信号处理机制：
• 系统未启用或未正确配置回声消除(AEC)算法
• 音频采样率不匹配导致数字信号处理失效
• 网络延迟造成回声消除算法失效（延迟超过100ms时效果明显下降）
  典型症状表现：
• 通话对方会听到自己话语的延迟重复（延迟时间通常在50-300ms）
• 声音质量明显下降，可能出现金属声或啸叫
• 在多人会议场景中会产生回声叠加效应
  目前主流的解决方案包括：
  硬件层面：
• 采用指向性麦克风阵列
• 增加物理隔音装置
• 优化设备声学结构设计
  软件层面：
• 实时自适应回声消除算法（如WebRTC中的AEC模块）
• 非线性处理(NLP)技术消除残余回声
• 双讲检测(DTD)技术防止语音切断

二、AEC处理流程

1、延时估计

（1）固定延时
       ①录出MIC和SPK音频，通过Audition查看，两个通道的时延；
       ②通过程序对比两个音频，估算出延时；
       ③将估算出的延时，写死在应用程序中，可以适当节省算力。
（2）动态估算
      将估计算法放置在应用程序中，设置间隔多长时间进行时延估算，参考以下博文
      AEC延时估计

2、线性处理

      一般会采用$lms$，$nlms$等自适应滤波器进行处理
      AEC线性处理

3、非线性处理

Nonlinear Processing, NLP
（1）原理
      利用信号之间的频域相干性c（0<=c<=1）来衡量误差信号中残留回声的大小。
      这里误差信号e(n)为线性处理之后的输出结果，即消除完线性干扰之后的近端语音信号
       ①计算麦克风输入的近端信号$d(n)$与误差信号$e(n)$的频域相干性$cde$
           $cde$可以简单的理解为残留回声在误差信号$e(n)$中的占有比例。
           假设线性阶段正常运行，$cde$越接近于1，说明近端信号和误差信号相似性越高，越不需要对误差信号做控制；
           相反，$cde$越小，越需要对误差信号做抑制。
       ②计算近端信号$d(n)$和远端信号$x(n)$之间的频域相干性$cxd$
           令$cx{d}^{\prime }=1-cxd$
           $cx{d}^{\prime }$越大，说明回声残留越小，越不需要抑制；
           $cx{d}^{\prime }$越小，说明回声残留越大，越需要抑制。