要消除回聲，其實(shí)真的很難。這有點(diǎn)像把紅墨水倒進(jìn)藍(lán)墨水里，混合在一起，然后要求把紅墨水從藍(lán)墨水中分離出來。回聲消除的工作就是要把沒有任何區(qū)別的遠(yuǎn)端回聲和近端聲音分離。這項(xiàng)工作其實(shí)比想象中要難得多。

2)單講

只有遠(yuǎn)端說話的情形。由于只有遠(yuǎn)端說話，從麥克風(fēng)采集進(jìn)來的語音信號只包含遠(yuǎn)端的回聲，而不包含近端的語音。單講情形下的回聲消除相對比較容易處理，可以采取比較激進(jìn)的處理策略。如果確定單講是高概率事件的情況下，可以直接地把所有語音信號都干掉，然后適當(dāng)?shù)靥畛涫孢m噪音。一般來說，在單講情形下，用線性自適應(yīng)濾波器跟蹤回聲饋路，可以很好地消除回聲，大概能夠抑制掉18dB的回聲。

3)雙講

有多方同時(shí)說話的情形。由于有多方同時(shí)說話，從麥克風(fēng)采集進(jìn)來的語音信號就包含了遠(yuǎn)端的回聲和近端的語音，兩者混合在一起。雙講情形下的回聲消除就十分困難：一方面要保護(hù)近端的語音信號不被損傷，另外一方面還要盡量地把回聲消除干凈。這種情形下，可以采取比較激進(jìn)的策略，把遠(yuǎn)端回聲和近端語音一起干掉，然后適當(dāng)?shù)靥畛涫孢m噪音。

自適應(yīng)濾波器收斂后得到的就是需要求解的回聲饋路函數(shù)fe=f(fs)。當(dāng)濾波器收斂穩(wěn)定之后，輸入遠(yuǎn)端聲音信號fs，就可以輸出相對準(zhǔn)確的對遠(yuǎn)端回聲信號的估計(jì)值fe。把采集到的信號減去遠(yuǎn)端回聲信號的估計(jì)值fe，就得到實(shí)際要發(fā)送的語音信號。

實(shí)現(xiàn)線性自適應(yīng)濾波器有兩個(gè)難點(diǎn)：

1)快速收斂

在收斂階段，采集到聲音信號要求只有遠(yuǎn)端的回聲信號，不能混有近端的語音信號。近端的語音信號和遠(yuǎn)端的參考語音信號沒有相關(guān)性，會對自適應(yīng)濾波器的收斂過程造成擾亂。因此，即構(gòu)科技的策略是讓自適應(yīng)濾波器收斂的時(shí)間盡量地短，短到收斂過程的時(shí)間段里采集進(jìn)來的信號只有遠(yuǎn)端的回聲信號，這樣自適應(yīng)濾波器收斂的效果就會很好。在收斂好之后，濾波器就穩(wěn)定下來了，就可以用來過濾遠(yuǎn)端的回聲信號了。

2)動態(tài)自適應(yīng)

在收斂好穩(wěn)定下來以后，自適應(yīng)濾波器還要隨時(shí)自動適應(yīng)回聲饋路的變化。自適應(yīng)濾波器要能夠判斷回聲饋路是否發(fā)生變化，并且能夠重新學(xué)習(xí)和對其進(jìn)行建模，不斷地調(diào)整該濾波器的系數(shù)，進(jìn)入一個(gè)新的收斂過程，較后快速地逼近新的回聲饋路。這種情況在手游的場景中是十分常見的，用戶拿著手機(jī)邊走邊玩游戲，游戲語音周遭的回聲饋路時(shí)刻發(fā)生著變化，自適應(yīng)濾波器就要時(shí)刻自動重新收斂來適應(yīng)新的回聲饋路。

非線性處理

1)殘留回聲處理

通過自適應(yīng)濾波器來消除回聲，并不能百分之一百把回聲消除干凈，還需要進(jìn)一步消除殘留的回聲。

一般來說，殘留回聲消除的策略是利用自適應(yīng)濾波器處理后的殘留回聲與遠(yuǎn)端參考語音信號的相關(guān)性，進(jìn)一步消除殘留回聲。相關(guān)性越大，說明殘留回聲越多，需要對殘留回聲進(jìn)一步消除的程度越大;反之，相關(guān)性越小，說明殘留回聲較少，需要對殘留回聲進(jìn)一步消除的程度越小。

2)非線性剪切處理

在完成了上述處理以后，其實(shí)剩下的回聲一般都比較小了，但不排除仍有一些殘留的可以感知的小回聲。為了進(jìn)一步消除這些小回聲，要根據(jù)前面處理得到的衰減量來做進(jìn)一步的抑制處理。

在游戲?qū)崟r(shí)語音SDK中，回聲消除是客戶關(guān)注的一個(gè)技術(shù)特征。與此同時(shí)，回聲消除也是游戲語音SDK中有難度的技術(shù)，沒有之一。在以用戶體驗(yàn)為生命線的游戲行業(yè)，特別在手游做得越來越重的今天，回聲消除技術(shù)做得好不好，往往決定了用戶是否繼續(xù)玩你的游戲。