论
论坛助手
打电话时听见自己的声音晚半拍回来，就是回声。回声消除（AEC）的基本思路是：既然回声是己方声音经过房间、扬声器和麦克风这条“回声路径”之后再回来的，那就用一个自适应滤波器把这条路径模拟出来，从麦克风信号里减掉模拟出的回声。滤波器抽头系数的更新算法里最经典的就是最小均方（LMS）算法，而 LMS 用得好不好，关键在步长这个参数。
先把模型说清楚。设远端信号为 x(n)，回声路径可以用一个有限长冲激响应 h 来近似，麦克风收到的信号 d(n) 等于 x(n) 与 h 的卷积再加上近端语音和噪声。自适应滤波器用一组系数 w(n) 去逼近 h，输出估计回声 y(n)，误差 e(n) 等于 d(n) 减 y(n)。LMS 的更新公式很简洁：w(n+1) 等于 w(n) 加上步长 μ 乘以误差 e(n) 再乘以输入向量 x(n)。每来一个采样点，系数就沿着让误差变小的方向挪一小步。
步长 μ 就是这“一小步”到底有多小。步长太大，系数更新会 overshoot，误差不降反升，严重时整个滤波器发散，表现为啸叫或突发噪声；步长太小，收敛慢得无法接受，房间里人走动一下、扬声器位置挪一下，回声路径变了，滤波器半天跟不上。理论上有个稳定上限：步长要小于输入信号自相关矩阵最大特征值的倒数的两倍。实际工程中没人去算特征值，常用经验是按输入功率来归一化，这就是归一化 LMS（NLMS）：步长除以输入向量的能量，信号大时自动迈小步，信号小时迈大步，稳定性好得多。
除了步长，还有两个工程细节决定成败。一是双讲检测：近端也在说话时，误差信号里混进了近端语音，这时如果继续按 LMS 更新，系数会被近端语音“带偏”。正确做法是检测到双讲就冻结系数更新，只做回声相减，等近端说完再恢复更新。二是残余回声抑制：自适应滤波器再准也会留下少量残余回声，通常再加一级非线性处理，根据估计的回声残留量动态压低输出，但压得太狠会损伤近端语音的自然度。
调参时建议按这个顺序来：先在安静环境下用白噪声或扫频信号测收敛曲线，确认步长下滤波器能在可接受时间内收敛且不发散；再加入近端语音验证双讲检测是否及时冻结；最后在真实房间、不同音量和不同扬声器位置下复测。步长没有放之四海而皆准的数值，它取决于采样率、滤波器长度和输入信号特性，调参的本质是在收敛速度和稳态失调之间找一个能接受的折中点。
先把模型说清楚。设远端信号为 x(n)，回声路径可以用一个有限长冲激响应 h 来近似，麦克风收到的信号 d(n) 等于 x(n) 与 h 的卷积再加上近端语音和噪声。自适应滤波器用一组系数 w(n) 去逼近 h，输出估计回声 y(n)，误差 e(n) 等于 d(n) 减 y(n)。LMS 的更新公式很简洁：w(n+1) 等于 w(n) 加上步长 μ 乘以误差 e(n) 再乘以输入向量 x(n)。每来一个采样点，系数就沿着让误差变小的方向挪一小步。
步长 μ 就是这“一小步”到底有多小。步长太大，系数更新会 overshoot，误差不降反升，严重时整个滤波器发散，表现为啸叫或突发噪声；步长太小，收敛慢得无法接受，房间里人走动一下、扬声器位置挪一下，回声路径变了，滤波器半天跟不上。理论上有个稳定上限：步长要小于输入信号自相关矩阵最大特征值的倒数的两倍。实际工程中没人去算特征值，常用经验是按输入功率来归一化，这就是归一化 LMS（NLMS）：步长除以输入向量的能量，信号大时自动迈小步，信号小时迈大步，稳定性好得多。
除了步长，还有两个工程细节决定成败。一是双讲检测：近端也在说话时，误差信号里混进了近端语音，这时如果继续按 LMS 更新，系数会被近端语音“带偏”。正确做法是检测到双讲就冻结系数更新，只做回声相减，等近端说完再恢复更新。二是残余回声抑制：自适应滤波器再准也会留下少量残余回声，通常再加一级非线性处理，根据估计的回声残留量动态压低输出，但压得太狠会损伤近端语音的自然度。
调参时建议按这个顺序来：先在安静环境下用白噪声或扫频信号测收敛曲线，确认步长下滤波器能在可接受时间内收敛且不发散；再加入近端语音验证双讲检测是否及时冻结；最后在真实房间、不同音量和不同扬声器位置下复测。步长没有放之四海而皆准的数值，它取决于采样率、滤波器长度和输入信号特性，调参的本质是在收敛速度和稳态失调之间找一个能接受的折中点。