1、回聲是怎樣產(chǎn)生的？

當音頻和視頻通話時，產(chǎn)生回聲的主要原因是揚聲器播放的聲音再次被錄制到麥克風中，而且這種現(xiàn)象在A，兩方開外放通話下，A的聲音從B(下圖右)中發(fā)出，再從B的話筒中獲取信息，然后返回到A，以產(chǎn)生回音。

2、麥克收集聲音是對聲音(回聲)和說話聲音的簡單合成嗎？

的確沒有，事實上：一種回聲，一種在真實場景中通過多次反射而產(chǎn)生的環(huán)境噪音(如圖中電風扇的噪音)和從本機講話的話筒。

其次，由于設備(揚聲器或話筒可能有畸變)，所以在話筒錄制到的回聲和揚聲器播放數(shù)據(jù)發(fā)生了改變，現(xiàn)實中，聲音在頻域上不僅存在著某些線性變化，而且還存在著許多非線性變化。如下所示(實際手機記錄的數(shù)據(jù)的onlyfarendtalk部分選段)左聲道(上)是在播放之前的數(shù)據(jù)，即算法的遠端引用(farendreference)；右聲道(下)是由麥克風收集而來的聲音，無論在時域或頻域都能看到較大的差異。

3、回聲消除的基本概念

消除回聲的文章很多，各個國家的算法也有許多不同的優(yōu)化，這里不說公式，只講消音的基本思想。

醫(yī)師對開刀時，知道要切哪不切，是因為他們具有從大量的人體解剖實驗中獲得的先驗知識，清楚地了解好的組織是什么樣的，然后根據(jù)先驗知識和經(jīng)驗，將壞的組織去除。在進行語音數(shù)據(jù)輸入時，回聲消除算法并不包含很多先驗信息，因此不能確定聲音到底是回聲還是是本端人。回音與原始語音僅在頻譜特征上難以區(qū)分，因此，一種回聲消除算法需要提供一個先驗信息，也就是在播放之前的數(shù)據(jù)作為參考信號(farendreference)，由于這些信號是回聲的來源，被揚聲器播放之后，再把它錄進話筒以形成回聲。從前面所述，我們知道reference的輸入并不等于麥克風收集的數(shù)據(jù)內(nèi)部的echo，在采集的中間回放一系列過程稱為回聲。因此，消除回波的基本思想如下：

要估算出傳聲器數(shù)據(jù)中的回聲部分，使用濾波器組模擬回波，允許farendreference通過濾波器組，以模擬真實的聲音通過echopath傳輸，以接近麥克風的回聲部分，在獲得echo估計之后，再次使用維納濾波等方法去除傳聲器數(shù)據(jù)中的回聲部分。

因為現(xiàn)在大多數(shù)工業(yè)實際算法的濾波器組都是模擬線性變化的濾波器組，對于非線性變化，又需要對非線性的剩余回聲進行處理。