本文講的回聲（Echo）是指語音通信時產生的回聲，即打電話時自己講的話又從對方傳回來被自己聽到。回聲在固話和手機上都有，小時還可以忍受，大時嚴重影響溝通交流，它是影響語音質量的重要因素之一。可能有的朋友要問了，爲什麼我打電話時沒有聽見自己的回聲，那是因爲市面上的成熟產品回聲都被消除掉了。回聲分爲線路回聲（line echo）和聲學回聲（acoustic echo），線路回聲主要存在於固話中，是由於2-4線轉換引入的回聲，聲學回聲是由於空間聲學反射產生的回聲 。回聲消除（Echo canceller, EC）是語音前處理的重要環節，下面主要講其基本原理和調試中的一些經驗。
1，基本原理
1）自適應濾波器和自適應算法
一般濾波器的係數是固定的，而自適應濾波器的係數是變化的，是依據自適應算法來調整濾波器係數的。自適應濾波器的結構採用FIR或IIR均可，由於IIR存在穩定性問題，因此一般採用FIR。下圖是自適應濾波器的一般結構：
上圖中，x(k)爲輸入信號，y(k)爲輸出信號，d(k)爲期望信號，e(k)是d(k)和y(k)的誤差信號。自適應濾波器的濾波器係數受誤差信號e(k)控制，根據e(k)的值和自適應算法自動調整。
自適應算法一般採用LMS(least mean square，最小均方)算法及其變種（如NLMS算法）。LMS算法是隨機梯度算法族中的一員。具體可以看相關的文章。
2）回聲消除基本原理。
下圖是回聲消除基本原理的框圖：
處理過程如下：
a) 算近端遠端語音數據的energy，確定雙方是silent還是talk。
b) 遠端輸入經過自適應FIR濾波器後就得到了近似於近端輸入的數據，並與近端輸入相減後得到了誤差e。誤差e作爲自適應LMS算法的輸入在需要的時候去更新自適應FIR濾波器的係數給後面遠端數據處理用。在需要的時候是指遠端talk近端silent的情況，其他情況（比如double silent / double talk）下不需要更新FIR濾波器的係數。
c) 誤差e同時也會經過NLP（非線性處理）後產生舒適噪聲送給對方。
2，調試
EC相對較難，要做的很好很不容易。在webRTC開源前主要是大公司和專業的算法公司有好的實現方案，一般公司要想產品裏有EC就去買算法庫。webRTC開源後一些核心的算法（包括AEC/ANS/AGC等）也隨之開源，這樣衆公司開始用webRTC裏的算法，尤其是互聯網公司，AEC等算法基本都是用的webRTC的。
本人有兩次EC的調試經歷。第一次是在芯片公司，做語音解決方案。從公司的算法部門拿來了回聲消除實現，把它用到解決方案中。另一次是在移動互聯網公司，做實時語音通信類APP，要把webRTC的AEC用到APP中。第一次花的時間較多，要學習原理，看算法代碼，做應用程序驗證算法並且要修改係數，在產品上調試等。第二次有了第一次的基礎再加上webRTC封裝的較好從而花的時間較短。個人覺得對EC零基礎但已有EC算法代碼的基礎上去調試主要有如下幾步：
1）學習回聲消除的基本原理，涉及信號處理知識（從固定係數濾波器到係數自適應濾波器）和高等數學知識（梯度）等。因爲不是做算法，掌握基本的就可以了。如果基礎紮實，當然搞得越明白越好了。
2）看算法代碼。如果有實現的設計文檔那是最好了，好多算法實現有技巧，有設計文檔的話能更好的幫助理解代碼。沒有隻能硬着頭皮啃了。剛開始可能有些看不懂，多看幾遍，也許每一次都會多懂一些。
3）做個應用程序驗證算法。這個應用程序輸入是近端和遠端的PCM文件，把EC的輸出寫進一個PCM文件裏，看處理效果如何。這裏面也可以分幾小步：
a) 設latency爲零，近端和遠端的PCM文件相同，理論上輸出是全零數據。如果是這樣，恭喜你選擇的算法有一個好的base。如果不是那就需要去調算法裏的一些係數了，這也許要調好多次，最終調試結果要是算法輸出基本聽不見回聲。
b) 設一定的latency，近端的PCM和遠端的數據一樣，但是近端的PCM數據相對遠端的有一定的delay，這個值跟設定的latency值是一樣的，這時理論上輸出還是全零數據。
c) 獲取實際產品上的近端和遠端PCM數據，可以近似得到近端和遠端的latency。把這幾個作爲輸入，看算法輸出，也要基本聽不見回聲。這步調好後算法基本上就可以用了。
4) 在具體硬件平臺上去調。每個硬件平臺上的latency都是不一樣的。在芯片公司時有demo板，每個客戶也有他們的電路板，硬件平臺相對不多一個個獲取近遠端PCM數據調好latency就可以了。在移動互聯網公司做APP時，手機類型衆多，用上面方法太累，於是在UI上做了一個滑動條去配置latency，讓測試人員去測試找到一個相對較好的latency，然後放在配置文件裏保存下來，以後這款手機就用這個latency值了。
經過上面幾步後在真正產品上的EC調試就算結束了。