流媒体与实时通信 / 系统课时
AEC 为什么能消掉回声
AEC 为什么能消掉回声
AEC 并不是把麦克风里的“重复声音”简单静音,而是利用正在送往扬声器的远端音频作为参考,估计这段声音经过扬声器、房间和麦克风后会变成什么样,再从麦克风信号中抵消它。理解这条参考链路后,才能判断回声为什么有时消得掉、有时会突然失效。
学习目标
- 理解 AEC 为什么必须拿到远端播放音频作为参考信号
- 说明回声估计、自适应滤波和残差抑制分别解决什么问题
- 能在 WebRTC 采集端确认浏览器是否启用了回声消除约束
回声消除真正要分离什么
免提通话时,麦克风收到的声音通常同时包含近端用户讲话、环境噪声,以及扬声器播放的远端声音经过房间反射后形成的回采。对远端用户来说,最后这一部分就是自己的声音绕了一圈又回来,因此听起来像回声。
AEC 的关键优势是:系统知道扬声器准备播放什么。它可以把这路远端播放信号作为参考,而不必只根据麦克风波形猜测哪一部分是回声。参考信号越完整、时间关系越稳定,回声模型通常越容易收敛。

参考信号怎样变成回声估计
扬声器播放的数字信号并不会原样出现在麦克风中。扬声器频响、房间反射、设备距离和系统延迟都会改变它,因此 AEC 需要持续调整一个回声路径模型,使模型输出逐渐逼近麦克风里真正的回声。
自适应滤波器负责主要的线性回声估计。模型刚启动、设备移动或播放路径发生变化时,估计会有误差;经过一段时间更新后,如果参考信号和真实回声具有稳定相关性,估计结果通常会逐渐接近实际回采。
从麦克风信号中减掉估计回声后仍可能留下残差,例如扬声器失真产生的非线性成分、模型尚未收敛的部分或突然变化的声学路径。因此实际 AEC 链路通常还会做残差回声抑制,而不是只执行一次数学相减。
双讲为什么是最难的阶段
当远端正在播放声音,同时近端用户也开始讲话时,麦克风中的两类信号会叠加。AEC 不能把所有与参考信号相关的能量都强行删除,否则容易连近端语音一起损伤;但如果停止更新太久,回声路径变化后又可能失去跟踪能力。
这类场景称为双讲。好的回声消除需要在保护近端语音和继续估计回声路径之间取得平衡,所以测试 AEC 时不能只测试“远端单独说话”,还应加入双方同时讲话、移动设备和改变扬声器音量等情况。
在浏览器中确认约束是否启用
WebRTC 页面通常通过 getUserMedia() 请求回声消除。下面的示例申请一条音频轨道,并读取浏览器最终暴露的轨道设置。它只能确认约束是否被应用,不能证明实际声学环境下已经完全没有回声。
const stream = await navigator.mediaDevices.getUserMedia({
audio: {
echoCancellation: true,
noiseSuppression: false,
autoGainControl: false
}
});
const track = stream.getAudioTracks()[0];
const settings = track.getSettings();
console.log("echoCancellation:", settings.echoCancellation);
track.stop();预期输出
echoCancellation: true该示例需要在安全上下文中运行并获得麦克风权限。部分浏览器或设备可能不暴露这一设置字段,此时不能仅凭字段缺失判定 AEC 未工作,还应结合实际回声测试和浏览器能力检查。
回声仍然存在时先检查什么
如果打开 echoCancellation 后远端仍能明显听到自己,优先检查参考链路是否完整。扬声器声音如果绕过了 AEC 所能看到的播放路径,算法就缺少用于估计回声的可靠参考。
其次检查播放音量、设备移动和系统延迟是否频繁变化。严重扬声器失真会产生参考信号中没有的非线性成分,而突然切换输出设备、蓝牙链路或音频路由也可能让原来的回声模型失效并重新收敛。
耳机场景几乎没有扬声器到麦克风的声学回路,因此通常不需要依靠强力 AEC 才能获得干净语音。排障时应先判断回声是否真的来自声学回采,再决定继续调 AEC,避免把网络延迟造成的重复播放或应用层重复发送误认为声学回声。