在业界腾讯云带宽区别，回声消除技术是公认难啃的硬骨头。它本质上是一个复杂的数学问题的工程化。
要消除回声，其实真的很难。这有点像把红墨水倒进蓝墨水里，混合在一起，然后要求把红墨水从蓝墨水中分离出来。回声消除的工作就是要把没有任何区别的远端回声和近端声音分离。这项工作其实比想象中要难得多。
幸运的是，腾讯云带宽区别我们并非没有任何办法可以找到远端回声和近端声音的边界。远端的声音信号并非等同于回声。远端的声音从扬声器播放出来，到被采集端采集，经历过扬声器-房间-麦克风(Loudspeaker-Room-Microphone,LRM)这样的回声馈路。在LRM回声馈路中传播的时候，远端声音一方面经过多次反射，另外一方面经过多次叠加，最后变得和远端声音信号有差别了。腾讯云带宽区别我们把这个差别用一个函数来表示:
fe=f(fs)
fs=far-end signal(远端信号);fe=far-end echo (远端回声);
但这个函数求出来的解不大可能和远端回声完全一致，只能高度逼近。该函数求出来的解和远端回声越逼近，回声消除的效果就越好。
静音、单讲和双讲
1)静音
没有人说话的情形。在语音段才需要做回声消除。在非语音段不会有回声，不需要做回声消除，甚至不需要发送语音信息，从而可以降低码率，节约带宽成本。因此，准确探测语音活动十分重要。
2)单讲
只有远端说话的情形。由于只有远端说话，从麦克风采集进来的语音信号只包含远端的回声，而不包含近端的语音。单讲情形下的回声消除相对比较容易处理，可以采取比较激进的处理策略。如果确定单讲是高概率事件的情况下，可以直接地把所有语音信号都干掉，然后适当地填充舒适噪音。一般来说，在单讲情形下，用线性自适应滤波器跟踪回声馈路，可以很好地消除回声，大概能够抑制掉18dB的回声。
3)双讲
有多方同时说话的情形。由于有多方同时说话，从麦克风采集进来的语音信号就包含了远端的回声和近端的语音，两者混合在一起。双讲情形下的回声消除就十分困难：一方面要保护近端的语音信号不被损伤，另外一方面还要尽量地把回声消除干净。这种情形下，可以采取比较激进的策略，把远端回声和近端语音一起干掉，然后适当地填充舒适噪音。
因此，回声消除模块要有能力区分这三种情形，才能针对各种情形采取不同的算法。
AEC的实现
游戏语音SDK的回声消除主要包含两个步骤：线性自适应滤波和非线性处理。
回声消除的原理与实现
线性自适应滤波
以远端声音信号和远端回声的相关性为基础，建立远端回声的语音模型，利用它对远端回声进行估计，目的是获得对远端回声尽量逼近的估计。我们可以把回声馈路LRM看作一个“环境滤波器”。经过它的处理，远端声音信号被变成远端回声。回声消除就是要构建一个“算法滤波器”，基于对远端回声的语音模型，不断地调整该滤波器的系数，使得估计值更加逼近真实的回声。估计值越逼近真实回声，回声消除效果就越好。
自适应滤波器收敛后得到的就是需要求解的回声馈路函数fe=f(fs)。当滤波器收敛稳定之后，输入远端声音信号fs，就可以输出相对准确的对远端回声信号的估计值fe。把采集到的信号减去远端回声信号的估计值fe，就得到实际要发送的语音信号。
实现线性自适应滤波器有两个难点：
1)快速收敛
在收敛阶段，采集到声音信号要求只有远端的回声信号，不能混有近端的语音信号。近端的语音信号和远端的参考语音信号没有相关性，会对自适应滤波器的收敛过程造成扰乱。因此，即构科技的策略是让自适应滤波器收敛的时间尽量地短，短到收敛过程的时间段里采集进来的信号只有远端的回声信号，这样自适应滤波器收敛的效果就会很好。在收敛好之后，滤波器就稳定下来了，就可以用来过滤远端的回声信号了。
2)动态自适应
在收敛好稳定下来以后，自适应滤波器还要随时自动适应回声馈路的变化。自适应滤波器要能够判断回声馈路是否发生变化，并且能够重新学习和对其进行建模，不断地调整该滤波器的系数，进入一个新的收敛过程，最后快速地逼近新的回声馈路。这种情况在手游的场景中是十分常见的，用户拿着手机边走边玩游戏，游戏语音周遭的回声馈路时刻发生着变化，自适应滤波器就要时刻自动重新收敛来适应新的回声馈路。
这两个难点是一对矛盾的特征，要求自适应滤波器一方面要能够快速收敛后保持系数高度稳定，另外一方面要能够随时保持更新状态跟踪回声馈路的变化。
非线性处理
1)残留回声处理
通过自适应滤波器来消除回声，并不能百分之一百把回声消除干净，还需要进一步消除残留的回声。
一般来说，残留回声消除的策略是利用自适应滤波器处理后的残留回声与远端参考语音信号的相关性，进一步消除残留回声。相关性越大，说明残留回声越多，需要对残留回声进一步消除的程度越大;反之，相关性越小，说明残留回声较少，需要对残留回声进一步消除的程度越小。
2)非线性剪切处理
在完成了上述处理以后，其实剩下的回声一般都比较小了，但不排除仍有一些残留的可以感知的小回声。为了进一步消除这些小回声，要根据前面处理得到的衰减量来做进一步的抑制处理。
在这里要为衰减量设定一个阈值。一般来说，这个衰减量阈值要设定得比较保守(比较高)。
如果衰减量达到或者超过设定的阈值，就表明回声消除量比较大，采集进来的语音信号很可能全部都是回声信号，那么就直接将语音信号全部消除掉，并填充舒适噪声，防止声音听感起伏。能达到那么大的衰减量，一般是处于远端单讲状态，或者远端回声信号要远远大于近端语音信号的双讲状态。正常的双讲状态下，为了保护近端语音的音质，自适应滤波器是不会做大幅的回声消除的。因此，只要衰减量达到或者超过设定阈值，把采集到的语音信号全部消除掉是不会影响正常听音效果的。
如果衰减量没有超过设定的阈值，那么就不要进一步做回声消除了。这种情形可能是双讲状态，要保护本地语音的音质，避免本地语音被当成回声误杀。业界一般有两种做法：一种是允许对近端声音有些许损伤也要把远端回声消除干净，另外一种是允许保留些许远端回声也不要对近端声音造成损伤。如果过分消除回声，就会造成断续的听音感觉。回声消除就是要在这两种做法之间找平衡点。
在游戏实时语音SDK中，回声消除是客户高度关注的一个技术特征。与此同时，回声消除也是游戏语音SDK中最有难度的技术，没有之一。即使是王者荣耀这种顶级游戏，也十分重视回声消除的效果。在以用户体验为生命线的游戏行业，特别在手游做得越来越重的今天，回声消除技术做得好不好，往往决定了用户是否继续玩你的游戏。
（来源：腾讯游戏）
还没有评论，来说两句吧...