WebRTC的回聲抵消(aec、aecm)算法主要包括以下幾個(gè)重要模塊：回聲時(shí)延估計(jì)；NLMS(歸一化最小均方自適應(yīng)算法)；NLP（非線性濾波）；CNG(舒適噪聲產(chǎn)生）。一般經(jīng)典aec算法還應(yīng)包括雙端檢測(DT)。
考慮到WebRTC使用的NLMS、NLP和CNG都屬于經(jīng)典算法范疇，故只做簡略介紹，本文重點(diǎn)介紹webrtc的回聲時(shí)延估計(jì)算法，這也是webrtc回聲抵消算法區(qū)別一般算法(如視頻會(huì)議中的算法)比較有特色的地方。
1) 回聲時(shí)延估計(jì)
回聲延時(shí)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(shí)際應(yīng)用，因此時(shí)延估計(jì)算法就顯得比較重要了。常用且容易想到的估計(jì)算法是基于相關(guān)的時(shí)延估計(jì)算法（學(xué)過通信原理的應(yīng)該不會(huì)陌生），另外相關(guān)算法在語音編碼中也得到廣泛的應(yīng)用，如amr系列，G。729系列，G。718等編碼器。在語音信號(hào)自相關(guān)求基音周期時(shí)，由于編碼器一般按幀處理，幀長度一般是10或20ms，在該時(shí)延范圍內(nèi)搜索基音周期運(yùn)算量較小，然而對于回聲抵消的應(yīng)用場合，延時(shí)搜索范圍比較大，帶來很高的運(yùn)算復(fù)雜度。在手持終端設(shè)備上，我們需要考慮移動(dòng)環(huán)境的變化對算法性能的影響，比如時(shí)延是否隨機(jī)變化，反射路徑線性還是非線性，以及運(yùn)算量(電池)是否符合要求，則更為復(fù)雜。
回到WebRTC的回聲時(shí)延估計(jì)，它采用的是gips首席科學(xué)家Bastiaan的算法。下面介紹一下該算法的主要思想：
設(shè)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(yuǎn)端）信號(hào)x(t)和接收端（近端）信號(hào)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(yuǎn)端和近端都是比較弱的聲音；
(1，1)表示遠(yuǎn)端和近端都是比較強(qiáng)的聲音；
WebRTC的代碼默認(rèn)其它兩種情況是不可能發(fā)生的。
設(shè)在時(shí)間間隔p上，即p=1，2，…，P，頻帶q，q=1，2，…，Q上，輸入信號(hào)x加窗(如漢寧窗)后的功率譜用Xw(p，q)來表示，對每個(gè)頻帶中的功率譜設(shè)定一個(gè)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(hào)y(t)，加窗信號(hào)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(shí)際處理的方便，在WebRTC的C代碼中，將經(jīng)過fft變換后的頻域功率譜分為32個(gè)子帶，這樣每個(gè)特定子帶Xw(p，q)的值可以用1個(gè)比特來表示，總共需要32個(gè)比特，只用一個(gè)32位數(shù)據(jù)類型就可以表示了。
WebRTC對參考信號(hào)定義了75個(gè)32位binary_far_history的數(shù)組存放歷史遠(yuǎn)端參考信號(hào)，定義了16個(gè)32位binary_near_history的數(shù)組存放歷史近端參考信號(hào)，最近的值都放在下標(biāo)為0的數(shù)組中，使用binary_near_history[15]的32位bit與binary_far_history數(shù)組中75個(gè)32位bit分別按位異或，得到75個(gè)32位比特?cái)?shù)據(jù)，32位bit的物理意義是近似地使用功率譜來統(tǒng)計(jì)兩幀信號(hào)的相關(guān)性。統(tǒng)計(jì)32位結(jié)果中的1的個(gè)數(shù)存于bit_counts中，接下來用對bit_counts進(jìn)行平滑防止延時(shí)突變，得到mean_bit_count，可以看出mean_bit_count越小，則表明近端數(shù)據(jù)與該幀的遠(yuǎn)端數(shù)據(jù)越吻合，兩者的時(shí)延越接近所需要的延時(shí)數(shù)值，用value_best_candidate表示。剩下的工作是對邊界數(shù)值進(jìn)行保護(hù)，如果value_best_candidate接近最差延時(shí)(預(yù)設(shè))，則表明數(shù)值不可靠，這時(shí)不更新延時(shí)數(shù)據(jù)；如果數(shù)據(jù)可靠，則進(jìn)一步使用一階markvo模型，比照上一次時(shí)延數(shù)據(jù)確定本次最終的更新時(shí)延last_delay。
Bastiaan的專利本身要比現(xiàn)有的c代碼實(shí)現(xiàn)更為復(fù)雜，比如在異或的時(shí)候(0，0)，(0，1)，(1，0)，(1，1)四種組合可以附加代價(jià)函數(shù)，而c代碼相當(dāng)于默認(rèn)給(0，0)，(1，1)附加權(quán)值為1，給(0，1)，(1，0)附加權(quán)值為0；另外c代碼算法是按幀順序依次對遠(yuǎn)端和近端數(shù)組異或，實(shí)際應(yīng)用時(shí)也可以每隔1幀或2幀做異或，這樣可以擴(kuò)大搜索范圍。
總的來說WebRTC異或的時(shí)延估計(jì)算法復(fù)雜度比求相關(guān)大大簡化，尤其適用于移動(dòng)終端等對運(yùn)算量比較敏感的場合進(jìn)行回聲消除。針對實(shí)際應(yīng)用場合，算法還有提升的空間。
2) NLMS（歸一化最小均方自適應(yīng)算法）
LMS/NLMS/AP/RLS等都是經(jīng)典的自適應(yīng)濾波算法，此處只對webrtc中使用的NLMS算法做簡略介紹。設(shè)遠(yuǎn)端信號(hào)為x(n)，近段信號(hào)為d(n)，W(n)，則誤差信號(hào)e(n)=d(n)-w'(n)x(n)(此處‘表示轉(zhuǎn)秩），NLMS對濾波器的系數(shù)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(wěn)定因子，則濾波器系數(shù)更新方程為W(n+1)=W(n)+u*e(n)*x(n)；NLMS比傳統(tǒng)LMS算法復(fù)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(yīng)濾波(PBFDAF)算法，這也是自適應(yīng)濾波器的常用算法。自適應(yīng)濾波的更多資料可以參考simonhaykin的《自適應(yīng)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(shù)的表達(dá)式，設(shè)估計(jì)的語音信號(hào)的功率譜為Ps(w)，噪聲信號(hào)的功率譜為Pn(w)，則濾波器的傳遞函數(shù)為H(w)=Ps(w)/(Ps(w)+Pn(w))。
4) CNG（舒適噪聲產(chǎn)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(jī)噪聲矩陣，再用噪聲的功率譜開方后去調(diào)制噪聲的幅度。
總的說來，WebRTC的aec算法簡單、實(shí)用、易于商業(yè)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(jù)源碼里面的fullaec。m文件，總體來說，我認(rèn)為該AEC算法是屬于分段快頻域自適應(yīng)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(diǎn)：
1）延時(shí)要小，因?yàn)樗惴J(rèn)濾波器長度是分為12塊，每塊64點(diǎn)，按照8000采樣率，也就是12*8ms=96ms的數(shù)據(jù)，而且超過這個(gè)長度是處理不了的。
2）延時(shí)抖動(dòng)要小，因?yàn)樗惴ㄊ悄J(rèn)10塊也計(jì)算一次參考數(shù)據(jù)的位置（即濾波器能量最大的那一塊），所以如果抖動(dòng)很大的話找參考數(shù)據(jù)時(shí)不準(zhǔn)確的，這樣回聲就消除不掉了。
