speex aec 與webrtc 回聲消除的比較優化

目前開源回聲消除算法主要有speex 以及webrtc 的aec算法。

兩個開源aec 算法的基本原理都是基于自适應濾波nlms。

兩者的主要差別:

speex 使用的是mdf 雙濾波結構。通過前濾波與本次濾波的結果來調整濾波器系數的更新，

濾波器長度設計的很長，同時對信号做了預加重以及去直流處理。

webrtc aec :子產品相對比較複雜，包含了延時估計，nlms以及nlp(非線性壓縮)，舒适噪聲四個子產品，

其中延時估計子產品采用自相關技術，nlms 子產品開源算法隻用了12block,nlp 部分使用的是互相幹技術。

可能的優化方向：

speex aec  現在大部分是用在嵌入式，硬體對延時子產品沒有需求，而mdf 結構的效果比webrtc nlms 的效果

好很多，收斂更快（webrtc 自适應濾波部分沒有dtd檢測，系數一直更新，隻有一個簡單的發散條件），

speex 優化可以增加nlp 子產品，來消除抑制殘留回聲。

webrtc aec 現在大部分是在軟體層使用：

可能的優化方向：

1、由于線程的波動，必須考慮延時估計，不同的裝置，不同的信号延時估計的準确性。

2、自适應濾波器系數一直更新，能不能有更好的方法來控制，有沒有更好的方法，濾波器長度調整效果怎麼樣？

3、nlp 部分能不能采用多頻帶系數代替單一系數，針對自适應濾波部分的問題，能不能做到一定的補救？

4、自适應部分采用子帶處理效果會不會比nlp 分子帶更好！

關于音頻算法，歡迎大家加音頻算法讨論群qq：153268894 （作者 zeark）