AEC传统算法学习

回声消除

回声信号y(n)：是扬声器播放的信号x(n)又被麦克风采集到的信号，x(n)经过了房间混响，扬声器的播放，麦克风采集之后会包含线性部分y’(n) 和非线性部分y‘’(n)， y(n) = y’(n) + y’’(n)

**近端麦克风采集的信号d(n) **：y(n)=s(n) + y(n)+v(n), s(n) 为近端说话人语音信号，也是真正要获得的信号，y(n) 为回声信号，v(n) 为噪声信号；

回声消除的几种场景： 单讲（只有远端信号，没有近端信号），双讲（近端和远端同时有信号）

回声消除的目的：得到近端说话人信号;

回声消除的步骤

传统算法：延迟估计，线性回声消除，非线性回声消除

在webrtc中的步骤：window FFT -> delay estimation -> vad & double talk detection-> nlms -> wiener -> CNG (Comfort Noise Generator) -> ifft window

ps：WebRTC 有两个回声消除模块AEC （Acoustic Echo Canceller) 和 AECM (Acoustic Echo Canceller Mobile)。AEC是在电脑端使用的回声消除器，而AECM是在移动端使用。由于电脑与移动设备的差别比较明显，在处理速度上，编解码器的性能上和内存方面都有着较大的差异。

延迟估计

延迟有三类：farend Playout delay + echo path delay + capture delay， 其中playout和capture可以被提供，算法主要估计echo path delay。

常用的方法是基于相关的时延估计算法，在aecm中为了减少运算量，使用的是Bastiaan算法：

分别求远端信号和近端采集信号的二值谱[(0,0), (0,1), (1,0), (1,1)]，并根据二值谱的相似程度（XOR后1的个数）进行匹配。

双讲检测

双讲模式时，应该减慢甚至停止系数的更新。现有的双讲检测（Double-Talk Detection，DTD）算法有能量比较法、相关比较法和基于概率统计的方法等。能量比较法基于双讲时d(n)能量显著高于单讲x(n)的假设，相关比较法基于双讲时d(n)与x(n)相关性低于单讲的假设，但是在噪声和回响的环境下上述两假设会失效，导致双讲检测性能下降。

自适应滤波

一般使用FIR滤波器，常用NLMS算法，远端信号为x(n)，近段信号为d(n)，W(n) 为滤波器参数，则误差信号：

e(n)=d(n)-w’(n)x(n) (此处‘表示转秩)

LMS 算法的步长是固定的，NLMS对滤波器的系数更新使用变步长方法，即步长u=u0/(gamma+x’(n)x(n))；其中u0为更新步长因子，gamma是稳定因子，则滤波器系数更新方程为 W(n+1)=W(n)+ue(n)x(n)；NLMS比传统LMS算法复杂度略高，但收敛速度明显加快。自适应FIR滤波器，估计参数w：

自适应滤波器算法的目标误差e：

webrtc 中使用分段块频域自适应滤波算法（PBFDAF）simonhaykin 的《自适应滤波器原理》

ps：（数字滤波器按结构可划分为输入不仅与过去和当前的输入有关、还与过去的输出有关的无限冲激响应滤波器（IIR），以及输出与有限个过去和当前的输入有关的有限冲激响应滤波器（FIR）

双滤波器结构（two-path method):

speex 中采用这种结构，不需要显式的双讲检测

包含： 迭代更新的自适应background filter 和 非自适应的foreground filter

当自适应的background filter 发散时，使用非自适应的foreground filter重置background filter，当自适应的background filter变好时，foreground filter 使用background 参数。

主要是如何判断foreground 是否要使用background 更新参数，只有非双讲情况下更新foreground filter（可能出现的情况：当远端信号很小，假定不会产生回声，不需要更新；当麦克风采集的信号很小，假定近端和远端语音都没有，不需要更新；background filter 的误差比foreground filter 的误差小；background filter ERLE 大于阈值；双讲可能性，非双讲情况下更新foreground filter）

非线性滤波

非线性滤波主要需要平衡残余回声的消除和近端语音的失真。

一般利用自适应滤波器处理后的残留回声与远端参考信号的相关性，判断远近端状态，再根据帧的类型进一步消除残留回声，相关性越大，残留回声越多，需要对残留回升消除的程度越大，再调节抑制系数，计算非线性滤波参数。
webrtc 中使用wiener滤波，wiener滤波同样是使用过均方误差最小作为优化目标，但不是迭代求解，传递函数的表达式，设估计的语音信号的功率谱为Ps(w)，噪声信号的功率谱为Pn(w)，则滤波器的传递函数为H(w)=Ps(w)/(Ps(w)+Pn(w))

CNG(Comfort Noise Generator) 舒适噪声产生

原因： Winer filter抑制回声时，也抑制了噪声，需要补回来。幅度谱根据nearend能量估计，相位谱为均匀分布； 然后算出实部虚部值。

自适应滤波器步长优化：https://www.cnblogs.com/icoolmedia/p/speex_aec_analyze.html
https://blog.csdn.net/u012931018/article/details/17045077
https://xjsxjtu.github.io/2017-07-05/LearningWebRTC-apm_aecm/
https://mp.weixin.qq.com/s?__biz=MzA4MjU1MDk3Ng==&mid=2451528785&idx=1&sn=abce8fbd0f39697a7bebe5563a0114ef&chksm=886ff5febf187ce8a48d2234ca53104b19ff5381a6bf9edbde6c1faefc5af139e4ab16748c1f&scene=27#wechat_redirect
https://www.cnblogs.com/LXP-Never/p/11703440.html