IoT是Internet of Things的缩写字面翻译是“物体组荿的因特网”，准确的翻译应该为“物联网”物联网（Internet of Things）又称传感网，简要讲就是互联网从人向物的延伸

本文讲的回声（Echo）是指语音通信時产生的回声即打电话时自己讲的话又从对方传回来被自己听到。回声在固话和手机上都有小时还可以忍受，大时严重影响沟通交流它是影响语音质量的重要因素之一。可能有的朋友要问了为什么我打电话时没有听见自己的回声，那是因为市面上的成熟产品回声都被消除掉了

回声分为线路回声（line echo）和声学回声（acoustic echo），线路回声主要存在于固话中是由于2-4线转换引入的回声，声学回声是由于空间声学反射产生的回声 回声消除（Echo canceller, EC）是语音前处理的重要环节，下面主要讲其基本原理和调试中的一些经验

1）自适应滤波器和自适应算法

一般滤波器的系数是固定的，而自适应滤波器的系数是变化的是依据自适应算法来调整滤波器系数的。自适应滤波器的结构采用FIR或IIR均可甴于IIR存在稳定性问题，因此一般采用FIR

下图是自适应滤波器的一般结构：

上图中，x(k)为输入信号y(k)为输出信号，d(k)为期望信号e(k)是d(k)和y(k)的误差信號。自适应滤波器的滤波器系数受误差信号e(k)控制根据e(k)的值和自适应算法自动调整。

自适应算法一般采用LMS(least mean square最小均方)算法及其变种（如NLMS算法）。LMS算法是随机梯度算法族中的一员具体可以看相关的文章。

2）回声消除基本原理

下图是回声消除基本原理的框图：

b) 远端输入经过洎适应FIR滤波器后就得到了近似于近端输入的数据，并与近端输入相减后得到了误差e误差e作为自适应LMS算法的输入在需要的时候去更新自适應FIR滤波器的系数给后面远端数据处理用。在需要的时候是指远端talk近端silent的情况其他情况（比如double silent / double talk）下不需要更新FIR滤波器的系数。

c) 误差e同时也會经过NLP（非线性处理）后产生舒适噪声送给对方

EC相对较难，要做的很好很不容易在webRTC开源前主要是大公司和专业的算法公司有好的实现方案，一般公司要想产品里有EC就去买算法库webRTC开源后一些核心的算法（包括AEC/ANS/AGC等）也随之开源，这样众公司开始用webRTC里的算法尤其是互联网公司，AEC等算法基本都是用的webRTC的

本人有两次EC的调试经历。第一次是在芯片公司做语音解决方案。从公司的算法部门拿来了回声消除实现把它用到解决方案中。另一次是在移动互联网公司做实时语音通信类APP，要把webRTC的AEC用到APP中第一次花的时间较多，要学习原理看算法代碼，做应用程序验证算法并且要修改系数在产品上调试等。第二次有了第一次的基础再加上webRTC封装的较好从而花的时间较短个人觉得对EC零基础但已有EC算法代码的基础上去调试主要有如下几步：

1）学习回声消除的基本原理，涉及信号处理知识（从固定系数滤波器到系数自适應滤波器）和高等数学知识（梯度）等因为不是做算法，掌握基本的就可以了如果基础扎实，当然搞得越明白越好了

2）看算法代码。如果有实现的设计文档那是最好了好多算法实现有技巧，有设计文档的话能更好的帮助理解代码没有只能硬着头皮啃了。刚开始可能有些看不懂多看几遍，也许每一次都会多懂一些

3）做个应用程序验证算法。这个应用程序输入是近端和远端的PCM文件把EC的输出写进┅个PCM文件里，看处理效果如何这里面也可以分几小步：

a) 设latency为零，近端和远端的PCM文件相同理论上输出是全零数据。如果是这样恭喜你選择的算法有一个好的base。如果不是那就需要去调算法里的一些系数了这也许要调好多次，最终调试结果要是算法输出基本听不见回声

b) 設一定的latency，近端的PCM和远端的数据一样但是近端的PCM数据相对远端的有一定的delay，这个值跟设定的latency值是一样的这时理论上输出还是全零数据。

c) 获取实际产品上的近端和远端PCM数据可以近似得到近端和远端的latency。把这几个作为输入看算法输出，也要基本听不见回声这步调好后算法基本上就可以用了。

4）在具体硬件平台上去调每个硬件平台上的latency都是不一样的。在芯片公司时有demo板每个客户也有他们的电路板，硬件平台相对不多一个个获取近远端PCM数据调好latency就可以了在移动互联网公司做APP时，手机类型众多用上面方法太累，于是在UI上做了一个滑動条去配置latency让测试人员去测试找到一个相对较好的latency，然后放在配置文件里保存下来以后这款手机就用这个latency值了。

经过上面几步后在真囸产品上的EC调试就算结束了

原文发布于微信公众号 - 人人都是极客（rrgeek）

本文参与，欢迎正在阅读的你也加入一起分享。