webrtc 的回聲抵消(aec、aecm)算法主要包括以下幾個重要模塊：回聲時延估計；NLMS(歸一化最小均方自適應算法)；NLP（非線性濾波）；CNG(舒適噪聲產生）。一般經典aec算法還應包括雙端檢測(DT)。

考慮到webrtc使用的NLMS、NLP和CNG都屬于經典算法范疇，故只做簡略介紹，本文重點介紹webrtc的回聲時延估計算法,這也是webrtc回聲抵消算法區別一般算法(如視頻會議中的算法)比較有特色的地方。

1) 回聲時延估計
回聲延時長短對回聲抵消器的性能有比較大的影響(此處不考慮pc上的線程同步的問題)，過長的濾波器抽頭也無法實際應用，因此時延估計算法就顯得比較重 要了。常用且容易想到的估計算法是基于相關的時延估計算法（學過通信原理的應該不會陌生），另外相關算法在語音編碼中也得到廣泛的應用，如 amr系列，G.729系列 ，G.718等編碼器。在語音信號自相關求基音周期時，由于編碼器一般按幀處理，幀長度一般是10或20ms，在該時延范圍內搜索基音周期運算量較小，然 而對于回聲抵消的應用場合，延時搜索范圍比較大，帶來很高的運算復雜度。在手持終端設備上，我們需要考慮移動環境的變化對算法性能的影響，比如時延是否隨 機變化，反射路徑線性還是非線性，以及運算量(電池)是否符合要求，則更為復雜。

回到webrtc的回聲時延估計，它采用的是gips首席科學家Bastiaan的算法。下面介紹一下該算法的主要思想：

設1表示有說話音，0表示無說話音(靜音或者很弱的聲音)，參考端(遠端)信號x(t)和接收端(近端)信號y(t)可能的組合方式有以下幾種：(0,0),(0,1),(1,0),(1,1),(0,0)表示遠 端和近端都是比較弱的聲音，(1,1)表示遠端和近端都是比較強的聲音，webrt的c代碼默認其它兩種情況是不可能發生的。設在時間間隔p上，即 p=1,2,…,P, 頻帶q，q=1,2,…,Q上，輸入信號x加窗(如漢寧窗)后的功率譜用Xw(p,q)來表示，對每個頻帶中的功率譜設定一個門限 Xw(p,q)_threshold, 如果 Xw(p,q) >= Xw(p,q)_threshold , 則Xw(p,q) =1；如果 Xw(p,q) < Xw(p,q)_threshold , 則Xw(p,q) =0；同理，對于信號y(t),加窗信號功率譜Yw(p,q)和門限Yw(p,q)_threshold，如果 Yw(p,q) >= Yw(p,q)_threshold , 則Yw(p,q) =1；如果 Yw(p,q) < Yw(p,q)_threshold , 則Yw(p,q) =0；考慮到實際處理的方便，在webrtc的c代碼中，將經過fft變換后的頻域功率譜分為32個子帶，這樣每個特定子帶 Xw(p,q)的值可以用1個比特來表示，總共需要32個比特，只用一個32位數據類型就可以表示了。

webrtc對參考信號定義了75個32位binary_far_history的數組存放歷史遠端參考信號，定義了16個32位binary_near_history的數組存放歷史近端參考信號，最近的值都放在下標為0的數組中，使用binary_near_history[15] 的32位bit與binary_far_history數組中75個32位bit分別按位異或，得到75個32位比特數據，32位bit的物理意義是近似 地使用功率譜來統計兩幀信號的相關性。統計32位結果中的1的個數存于bit_counts中，接下來用對bit_counts進行平滑防止延時突變，得 到mean_bit_count,可以看出 mean_bit_count 越小，則表明近端數據與該幀的遠端數據越吻合，兩者的時延越接近所需要的延時數值，用 value_best_candidate表示。剩下的工作是對邊界數值進行保護，如果value_best_candidate接近最差延時(預設)， 則表明數值不可靠，這時不更新延時數據；如果數據可靠，則進一步使用一階markvo模型，比照上一次時延數據確定本次最終的更新時延 last_delay。

Bastiaan的專利本身要比現有的c代碼實現更為復雜，比如在異或的時候(0,0),(0,1),(1,0),(1,1)四種組合可以附加代價函數，而c代碼相當于默認給(0,0),(1,1)附加權值為1，給(0,1),(1,0)附加權值為0；另外c代碼算法是按幀順序依次對遠端和近端數組異或，實際應用時也可以每隔1幀或2幀做異或，這樣可以擴大搜索范圍。

總的來說webrtc的時延估計算法復雜度比求相關大大簡化，尤其適用于移動終端等對運算量比較敏感的場合進行回聲消除。針對實際應用場合，算法還有提升的空間。

2) NLMS(歸一化最小均方自適應算法

LMS/NLMS/AP/RLS等都是經典的自適應濾波算法，此處只對webrtc中使用的NLMS算法做簡略介紹。設遠端信號為x(n),近段信號為d(n),W(n),則誤差信號e(n)=d(n)-w’(n)x(n) (此處‘表示轉秩），NLMS對濾波器的系數更新使用變步長方法，即步長u=u0/(gamma+x’(n)*x(n));其中u0為更新步長因 子，gamma是穩定因子，則濾波器系數更新方程為 W(n+1)=W(n)+u*e(n)*x(n); NLMS比傳統LMS算法復雜度略高，但收斂速度明顯加快。LMS/NLMS性能差于AP和RLS算法。

另外值得一提的是webrtc使用了分段塊頻域自適應濾波(PBFDAF)算法，這也是自適應濾波器的常用算法。自適應濾波的更多資料可以參考simon haykin 的《自適應濾波器原理》。

3) NLP（非線性濾波）

webrtc采用了維納濾波器。此處只給出傳遞函數的表達式，設估計的語音信號的功率譜為Ps(w)，噪聲信號的功率譜為Pn(w)，則濾波器的傳遞函數為H(w)=Ps(w)/(Ps(w)+Pn(w))。

4)CNG(舒適噪聲產生）

webrtc采用的舒適噪聲生成器比較簡單，首先生成在[0 ,1 ]上均勻分布的隨機噪聲矩陣，再用噪聲的功率譜開方后去調制噪聲的幅度。

總的說來，webrtc的aec算法簡單、實用、易于商業化，另一方面猜測c代碼還有所保留。

由于工作需要，最近一直在研究WebRTC里的AEC算法。根據源碼里面的fullaec.m文件，總體來說，我認為該AEC算法是屬于分段快頻域自適應濾波算法，Partioned block frequeney domain adaPtive filter(PBFDAF)。具體可以參考Paez Borrallo J M and Otero M G

使用該AEC算法要注意兩點：

1）延時要小，因為算法默認濾波器長度是分為12塊，每塊64點，按照8000采樣率，也就是12*8ms=96ms的數據，而且超過這個長度是處理不了的。

2）延時抖動要小，因為算法是默認10塊也計算一次參考數據的位置（即濾波器能量最大的那一塊），所以如果抖動很大的話找參考數據時不準確的，這樣回聲就消除不掉了。

總結

以上是生活随笔為你收集整理的webrtc 的回声抵消算法的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。