音频降噪回声消除技术研究和应用

刘 豪

（广州海格通信集团股份有限公司，广东 广州 510663）

0 引 言

终端通信系统的音频质量直接影响用户的体验，好的产品设计可以优化处理音频噪声和回声，本文主要研究硬件回声消除和软件音频降噪两方面的技术[1]。良好的硬件设计可使得音频软件算法处理效果事半功倍，达到高质量语音通话效果。反之，若是硬件设计存在缺陷，那么软件后期处理会非常棘手。本文的目标是在硬件和软件算法处理的基础上提供舒适的半双工和全双工语音通话，实现良好的音频性能。

1 硬件回声消除技术

为了保证良好的语音通话质量，整机产品需要满足以下性能要求。

1.1 采集的最大回声信号至少低于近端信号

上、下行链路的耦合性对终端整体的回声性能影响非常大。对比回声和近端语音信号，为了能够达到最佳回声处理的效果，最大回声信号至少比近端语音信号低6 dB[2,3]。回声信号和近端语音对比如图1所示，其中近端语音在-15 dB左右，回声信号在-21 dB左右，相差大概6 dB，该耦合性能是合格的，且差值越大效果更佳。音频耦合性能评价如表1所示。

图1 回声信号和近端语音对比图

表1 近端语音和回声信号差值评价表

1.2 保证设备音频链路的线性性能

音频信号的回声，其谐波能量最大值要比基频小25 dB[4]。大部分回声消除技术均假设回声链路是线性系统，保证回声链路的线性可使得回声消除处理干净。音频线性性能差主要有以下几个因素。一是器件本身线性性能差，器件太轻或者发音系统太紧凑导致音腔无法发出足够大的声音；二是电池电压太低，无法线性驱动音频放大器；三是前端存在自动增益放大器；四是喇叭破音，喇叭和麦克风之间存在机械振动。

1.3 主信号和参考信号延时无跳变

保证每次通话之间主信号和参考信号延时是相对稳定的，浮动值不超过100个样点。主信号和参考信号时延如图2所示，下行语音从喇叭通过反射被麦克风采集作为参考信号，上行语音作为主信号，两者之间的间隔称为主信号和参考信号时延，简称RPD。

图2 主信号和参考信号时延

RPD在以下两种情况造成的影响较大。一是在一次通话过程中RPD不稳定，频繁的改变；二是每次通话RPD差异过大，相差100个采样点以上。

为了消除音频回声，在硬件上选用Fortemedia公司的FM1288芯片。FM1288是新一代移动终端语音性能优化ASIC芯片，支持的主要功能包括上行与下行音频的噪音削减功能和全双工回音消除功能。支持线性与非线性系统的回音消除和快速收敛，支持GUI调试工具快速调试音频性能[5]。

FM1288内部原理框图如图3所示，采用SAMTuner工具GUI界面进行相应的音频性能的配置。音频回声消除相关的配置参数在Liner AEC和Non-Liner AEC模块中，线性回声参数配置主要包括回声时延和回声门限检测，需要根据产品使用的具体场景进行相应的配置。

图3 FM1288内部原理框图

FM1288芯片对回声消除有重要的作用，同时音频质量也跟音频器件的选型及硬件结构布局关系密切。音频设计要点如下，一是喇叭尽量选择频响、一致性较好且失真较小的正规厂家器件，安装时确保接触良好、牢固，避免机械振动。音腔独立设计，密封性要好，喇叭带独立的音腔和接触面的密封垫，可保证喇叭发音效果并防止其漏音。二是麦克风尽量选择正规厂家频响和一致性较好的器件（灵敏度浮动在±2 dB），采音孔畅通，无弯曲。此外，麦克风要与音腔孔朝向一致，远离喇叭，保证两者不在同一平面上。

2 软件降噪技术

音频降噪技术在移动终端应用广泛，目前多采用软件算法技术进行音频降噪。本文主要研究Speex开源音频降噪算法的实现原理、代码实现以及降噪效果。

2.1 Speex音频降噪实现原理

第1步预处理，信号输入、加窗、交叠，时频傅立叶变换，第2步计算频域能量和基于临界频带内的带噪信号能量，第3步固定迭代因子平滑算法，更新噪声能量，第4步计算后验信噪比并进行先验信噪比更新，第5步计算临界频带内的EM算法增益和线性频域上的EM算法增益，第6步进行反傅立叶变换、加合成窗函数以及交叠相加，最终得到去噪以后的时域信号[6]。

2.2 Speex音频降噪实现

Speex进行音频去噪需要准确设置音频采样率和帧长度[7]。噪声消除模块需设置一个噪声抑制阈值参数，默认为-25 dB，此值可控制噪声削弱强度，噪声抑制阈值越小噪声去除效果越好，但同时正常语音失真度也越大，因此需要根据实际音频应用场景进行配置[8,9]。语音噪声消除关键函数为：

2.3 Speex音频降噪效果

图4为Speex音频降噪前后波形对比图，图中上半部为人声叠加了噪音的波形，下半部是通过Speex降噪后处理后的人声波形，可以看出其对人声叠加噪声抑制效果较好[10]。

图4 Speex音频降噪前后波形对比

3 结 论

音频降噪和回声消除技术在音频领域应用广泛，需要结合硬件和软件进行优化和处理才能达到高品质的语音。基于FM1288芯片的回声消除技术的优点是实时性较高，易于实现近端语音信号和远端参考信号的同步。采用软件算法处理噪声的优点是针对不同场景的噪声可以灵活进行算法参数的选型和匹配，找到最佳解决方案，两者相结合对音频进行处理将大大提升音频质量。