再谈回声消除测评丨Dev for Dev 专栏

本文为「Dev for Dev 专栏」系列内容，作者为声网音视频实验室工程师黄译庆。

音频质量的优化是一个复杂的系统工程，回声消除是其中一个老生常谈的话题，一般来说，回声消除的效果受设备本身的声学设计、声学环境、以及软件系统等诸多因素的影响。传统的方法做回声抵消包括线性回声抵消与滤波非线性处理，但目前回声消除的前沿领域仍面临着非线性回声抵消、近端能量小于回声能量、立体声的回声问题、麦克风与参考信号时钟不一致、参考信号不精准、缺乏可靠的时延预估方法等难题。声网音频技术团队基于自己的实践，推出了特殊场景下的音频测评系列文章，本文是回声消除篇──在此抛砖引玉、恳请业界同仁多加批评指正。

随着 4G/5G 的应用，实时音视频领域也迅猛发展，实时语音质量的也越来越受到人们的关注。回声、延时、卡顿等因素成为人们关注实时语音质量的主要方面。这篇文章主要来介绍下实时语音通话中的回声消除问题。

回声是指扬声器播放的声音又被麦克风采集并发回远端的现象。所有的通信系统必须进行回声消除，否则会严重影响通信质量。回声消除产生的问题主要分为两大类，漏回声和双讲掉字，其直观表现就是说话人听到了自己的声音和对方声音卡顿甚至听不见。

■图1：声学回声产生的原因

01 回声消除的几个难题

■图2：回声消除方案

影响回声消除的因素很多，比如音量问题──当播放的信号过大的时候，很容易产生回声，根因主要有以下几种：

1、麦克风采集到的回声信号溢出（clipping）而引入非线性回声；

2、音量过大加剧硬件设备自身的振动，引入非线性成分；

3、麦克风采集到的回声信号未溢出但远大于近端语音信号，双讲时造成严重的掉字甚至听不见。

此外，延时抖动、时钟偏移、采集或播放频率不稳、非线性失真、回声路径变化、混响、硬件 3A（手机自带 3A）的处理效果等等，都是常见的影响回声消除的因素。宏观上来讲，采集或者播放设备的外观（扬声器/麦克风器件型号及排列方式），手机自带的 3A 处理算法（手机的厂商，系统和型号），传输算法，环境因素以及复杂多变的通讯场景，都会对回声消除带来不同的影响。

02 回声消除的评测方法

回声产生的场景如此复杂，那我们怎么去进行回声消除的测评呢？在实验室场景中，我们对回声消除的测评，主要分为两部分来进行。第一部分，人工主观测试，重点关注各类复杂场景下，是否有回声问题；第二部分，客观自动化测试，重点关注大量的不同机型/系统版本，是否有回声问题。

人工主观测试，比较好理解。就是人工互通，去模拟各类用户可能使用的场景，去测试是否有回声的产生，常见的场景比如主播观众切换，切后台/锁屏，开启/关闭（与音视频相关的）第三方应用、打断等，以及配合各种终端设备（耳机/外放/蓝牙耳机）/环境（安静/嘈杂）的切换等。

那客观自动化测试如何去检测回声呢？

我们搭建了一套用于测评 AEC 的系统。该系统适用于声网及业内 SDK 的所有场景，使用的语料为在消音室录制的人声语料，在用户 top 机型和常见问题机型上进行评测。设备的音量均调至官方推荐音量，以测试机 speaker 的播放完整度、测试机 speaker 的播放响度、长短时回声占比、残留回声量等指标来衡量 AEC 质量。