Echo Suppression（回声抑制）

        非线性模型训练完成后，我们现在可以平衡回声抑制和语音失真。本节涉及五个相关的调整参数：

参数名称	描述
PP_DTSENSITIVE	该参数用于平衡双讲性能和回声抑制
PP_ECHOONOFF	此参数设置是否启用或禁用回声抑制
PP_NLATTENONOFF	此参数设置是否启用或禁用非线性回声抑制
PP_GAMMA_E	该参数用于调整直接和早期回波抑制的过减因子
PP_GAMMA_ENL	该参数用于调整非线性回波抑制的过减因子
PP_GAMMA_ETAIL	该参数用于调整回波尾抑制的过减因子

        对于这些 PP_GAMMA_*参数，值为 1.0 表示设备已正确估计并抑制了输出中的相应回声类别。增加这些值会增强抑制效果，并表明设备低估了输出中的回声量。设备不太可能高估回声量，因此不建议将这些参数设置为低于 1.0 的值。这些参数的典型范围在 1.0 到 1.4 之间。

        提高这些参数必然会影响语音信号的质量。因此，首先应尽可能地优化声学设计，例如使用线性扬声器、优质麦克风和最大程度非线性的箱体。这将减少或消除调整这些参数的需要，并带来性能更佳的设备。

       到这里是不是有点晕了，动不动一堆参数，这里我们再来看看整个AEC的处理流程：

单讲场景（只有回声）：

        AEC阶段 → 消除线性回声 → PP阶段 → 抑制残留回声（线性+非线性）

双讲场景（回声+语音）：

        AEC阶段 → 消除线性回声 → PP阶段 → 抑制残留回声（线性+非线性） + 频率分界保护语音

PP_DTSENSITIVE（双讲敏感度，仅检测到双讲的时候使用）

PP_DTSENSITIVE 允许对双讲性能和回声抑制之间的平衡进行一定程度的控制，包括使用可选的近端语音检测器。如图所示；随着回声抑制的增强，双讲性能往往会下降，因为更多的近端信号被抑制。

        这张图清晰地展示了：随着 PP_DTSENSITIVE 值增加，回声抑制强度增强（更激进），但双讲性能会逐步下降（近端语音更容易被误抑）。建议先将此参数设置为 0（默认值也是0），然后尝试调整其余回声抑制参数，即不要优先调整这个值！！！。如果之前回声抑制效果不佳，则将这个参数设置高一点（例如高于 1.4 左右），并尝试重新调整；如果这导致双讲性能不佳，则降低该参数值并尝试重新调整。通过平衡该参数 PP_DTSENSITIVE 的设置，找到可接受的回声性能和双讲性能之间的平衡点。

PP_GAMMA_E / PP_GAMMA_ETAIL / PP_GAMMA_ENL

参数名称	作用	针对的回声类型	典型取值范围	特点说明
PP_GAMMA_E	过减因子，控制抑制强度	直接 / 早期线性回声	通常 0.1–2.0	针对早期、能量较集中的线性回声成分
PP_GAMMA_ETAIL	过减因子，控制抑制强度	晚期线性回声	通常 0.1–2.0	针对尾部扩散、衰减较慢的线性回声成分
PP_GAMMA_ENL	过减因子，控制抑制强度	非线性回声	通常 0.0–5.0	范围明显更大，针对非线性失真/残响成分

PP_GAMMA_E（直接/早期回声过减因子）

        控制直接路径和早期反射回声的过减因子
        用于频谱减法算法，决定抑制的强度

原理：
        频谱减法：输出 = 输入 - Gamma × 估计的回声
        Gamma > 1.0：过减（更激进的抑制）
        Gamma < 1.0：欠减（更保守的抑制）
        Gamma = 1.0：标准减法

处理对象：
        直接回声：扬声器到麦克风的直接路径
        早期反射：房间的早期反射（通常在50-100ms内）

PP_GAMMA_ETAIL（回声尾部分量过减因子）

作用：
        控制回声尾部分量（晚期反射）的过减因子
        与PP_GAMMA_E类似，但针对不同的回声成分

处理对象：
        晚期反射：房间的晚期反射（通常在100ms之后）
        混响尾音：混响的衰减部分

为什么需要单独控制？
        晚期反射的回声特性与早期反射不同
        可能需要不同的抑制强度
        提供更精细的控制

PP_GAMMA_ENL（非线性回声过减因子）

作用：
        控制非线性回声的过减因子
        专门用于抑制AEC无法消除的非线性失真

处理对象：
        非线性失真：扬声器失真、房间非线性等
        AEC残差中的非线性成分

参数范围：
        默认值：1.0
        有效范围：[0.0 .. 5.0]（比线性回声的范围更大）
        原因：非线性回声可能需要更强的抑制

与其他Gamma参数的区别：
        PP_GAMMA_E和PP_GAMMA_ETAIL：处理线性回声（AEC未完全消除的）
        PP_GAMMA_ENL：处理非线性回声（AEC无法消除的）

单讲场景（只有远端回声，无近端语音）

双讲场景（同时有远端回声和近端语音）

线性 vs 非线性

类别	子类别	参数名称	作用描述	是否有独立开关	典型取值范围
线性回声	直接/早期	PP_GAMMA_E	抑制直接 / 早期线性回声	无（跟随总开关）	通常 0.1–2.0
线性回声	晚期	PP_GAMMA_ETAIL	抑制晚期线性回声（尾部扩散）	无（跟随总开关）	通常 0.1–2.0
非线性回声	-	PP_NLATTENONOFF	非线性回声抑制的独立开关	有	0 / 1
非线性回声	-	PP_GAMMA_ENL	非线性回声过减因子	依赖 PP_NLATTENONOFF	通常 0.0–5.0

双讲特殊处理层次

层级	参数名称	作用描述	主要功能	典型表现 / 设计目的
1	PP_FMIN_SPEINDEX	频率分界抑制点（频率保护分界）	低频更多抑制，高频更保守	保护近端语音的高频辅音（s/sh/f/t/th等）
2	PP_DTSENSITIVE	双讲敏感度 / 近端语音保护强度控制	动态减弱整体回声抑制力度	避免近端语音被过度压制（闷声、丢字）

PP_GAMMA_E 和 PP_GAMMA_ENL 调优流程深度分析

        调整这两个参数的目的是消除回声，以满足例如 Teams EQUEST （Microsoft Teams 回声消除质量测试规范）和 ECC （Echo Cancellation Criteria（回声消除标准））规范的要求。请确保此调整步骤在消声室或轻微混响环境中进行，RT60 小于 0.3 秒（高混响环境会干扰回声特性的观察，混响会改变回声的频谱特性，难以准确判断回声类型（线性/非线性/尾部））。

需要平衡的两个方面：
        回声抑制：最大化回声消除效果
        双讲性能：在双讲时保持近端语音清晰度

矛盾点：
        更强的回声抑制 → 可能影响双讲时的语音质量
        更好的双讲性能 → 可能残留更多回声

1. 关闭干扰模块

关闭AGC

xvf_host --use i2c PP_AGCONOFF 0

关闭非静止噪声抑制

xvf_host --use i2c PP_MIN_NN 1.0

关闭静止噪声抑制

xvf_host --use i2c PP_MIN_NS 1.0

2.设置Gamma参数为默认值

xvf_host --use i2c PP_GAMMA_E 1.0

xvf_host --use i2c PP_GAMMA_ENL 1.0

xvf_host --use i2c PP_GAMMA_ETAIL 1.0

3.配置输出通道

左声道：自动选择波束（category 6, source 3)

xvf_host --use i2c AUDIO_MGR_OP_L 6 3

右声道：AEC残差（category 7, source 0）

xvf_host --use i2c AUDIO_MGR_OP_R 7 0

左声道（最终输出）：观察Gamma参数调整后的实际效果
右声道（AEC残差）：分析残留回声的类型，指导参数调整

4. 播放远端信号

aplay IEEE_269-2010_Male_mono_48_kHz.wav

5.等待AEC收敛

        AEC使用**自适应滤波器**，需要时间学习回声路径；滤波器收敛后才能准确消除线性回声；未收敛时，残差中包含大量未消除的回声，影响调优。收敛时间通常需要几秒到几十秒，取决于房间声学特性和信号特性。

6.30秒后播放近端信号（双讲场景）

        确保AEC已经充分收敛，建立稳定的回声消除状态，此时可以准确评估双讲性能。播放代表性的近端语音信号，模拟用户对着麦克风说话，评估在双讲时，回声抑制是否影响语音质量。

7.PP_GAMMA_E 和 PP_GAMMA_ENL 调优方法详解

1. 从默认值开始调

        从PP_GAMMA_E = 1.0开始，监听左声道（最终输出）和右声道（AEC残差）；逐步调整PP_GAMMA_E值，观察回声抑制效果和双讲性能。

2. 如果PP_GAMMA_E需要提高到1.4左右

        如果PP_GAMMA_E需要很高才能达到可接受性能，说明线性回声可能已经被AEC较好消除
残留的回声可能主要是非线性回声，需要调整PP_GAMMA_ENL来抑制非线性回声。

        

8.三种回声类型的特征和调试参数

项目	线性残余回声 (Linear Residual Echo)	尾部回声 (Tail Echo)	非线性回声 (Non-Linear Echo)
主要听觉特征	清晰但音量小，像原始语音的衰减版本	像房间混响，模糊的反射与衰减尾音	严重失真，像经过严重失真器处理的声音
是否能听清内容	可以辨别语音内容	通常无法清楚辨别语音内容	完全无法辨别语音内容
失真程度	几乎无失真	无明显谐波失真，但有混响模糊感	非常严重的失真（谐波、互调失真明显）
混响/尾音	无明显混响或尾音	有明显的混响尾音，无清晰起始点	通常无典型房间混响，但可能有“金属感”或怪音
音量表现	低音量下仍可听清	音量可能不低，但内容模糊	音量可能较大，但全是失真成分
听起来像	远距离说话 / 被衰减的干净语音	空旷房间里的回声 / 浴室唱歌的尾音	破音、过载、廉价麦克风严重非线性失真
控制参数	PP_GAMMA_E	PP_GAMMA_ETAIL	PP_GAMMA_ENL
典型调优方向	逐步增大 PP_GAMMA_E（从1.0开始）	需要比 PP_GAMMA_E 更高的值	优先调整 PP_GAMMA_ENL，而不是盲目增大E
常见调优陷阱	过度增大导致语音损伤（over-suppression）	值太小 → 残留明显混响；太大 → 闷声	用增大 PP_GAMMA_E 来压非线性 → 语音严重损伤

快速诊断口诀（听觉判断顺序）

1. 残差清晰可懂 → 线性残余 → 调 PP_GAMMA_E
2. 残差像混响、模糊但不严重失真 → 尾部回声 → 调 PP_GAMMA_ETAIL
3. 残差严重失真、像破音/金属谐波、完全听不出人声 → 非线性 → 调 PP_GAMMA_ENL

9.PP_GAMMA_ETAIL调优方法详解

1. 专门针对尾部回声

PP_GAMMA_ETAIL的作用：

        控制尾部回声（Tail Echo）的过减因子

        尾部回声：房间混响产生的延迟回声分量

        与直接/早期回声不同，尾部回声是混响尾音

为什么需要单独调优：

        尾部回声的特性与直接/早期回声不同

        需要不同的抑制策略

        在中等混响环境中更容易观察和调优

2. 平衡双讲性能和回波抑制

需要平衡的两个方面：

        回波抑制：最大化尾部回声的消除效果

        双讲性能：在双讲时保持近端语音清晰度

矛盾点：

        更强的尾部回声抑制 → 可能影响双讲时的语音质量

        更好的双讲性能 → 可能残留更多尾部回声

3.为什么需要中等混响环境（RT60 介于 0.3 秒和 0.9 秒之间）？

环境类型	RT60范围	典型环境示例	AEC残差主要表现	调优重点参数	用途 / 调优建议	注意事项 / 适用性限制
消声室/极低混响	< 0.3秒	专业消声室、车内（安静）、高度吸声处理的小房间	几乎纯线性残余回声，无明显尾音	PP_GAMMA_E	主要针对直接/早期回声过减；从1.0逐步增大测试抑制效果	最理想的AEC调优基准环境；残差干净，易判断回声类型
低到中等混响	0.3–0.6秒	普通办公室、小型会议室、客厅（有地毯/窗帘）、卧室	线性残余 + 轻微尾部回声	PP_GAMMA_E → PP_GAMMA_ETAIL	先调PP_GAMMA_E压线性残差；若仍有模糊尾音，再增大PP_GAMMA_ETAIL（通常需更高值）	大多数消费级/企业级语音设备的主要使用场景；性能最可控
中等混响	0.6–0.9秒	中型会议室、开放式办公室、无过多软装的客厅、教室	明显尾部回声 + 部分线性残余	PP_GAMMA_ETAIL（主） + PP_GAMMA_E	优先增大PP_GAMMA_ETAIL抑制混响尾巴；避免过度依赖PP_GAMMA_E导致语音损伤	尾部回声主导；AEC收敛难度增加，需更长自适应滤波器长度
高混响	> 0.9秒	大型会议厅、空旷大厅、浴室、楼梯间、未经处理的硬表面大房间	严重尾部回声 + 可能混入非线性成分	PP_GAMMA_ETAIL（极限值）	尽力调高PP_GAMMA_ETAIL，但效果有限；优先考虑物理吸声处理或缩短AEC滤波尾长	不适合精细调优；混响太强，AEC残差难以干净；语音可懂度差，建议避免部署或加硬件吸声

如上面表格所示尾部回声需要混响环境才能产生！！

上图是低混响环境（RT60 < 0.3秒）

这个是中等混响环境（RT60 0.3-0.9秒）

上图蓝色部分为直接路径，黄色为早期反射，绿色为多次密集反射。

尾部回声的物理特性：

回声类型	时间范围（典型值）	物理来源与特性	在房间脉冲响应（RIR）中的表现	对AEC的影响与调优重点	听觉感知特征
直接路径	0–50 ms（常0–30 ms）	扬声器声音直达麦克风（无反射）	最强峰值（直达声），延迟由物理距离决定	AEC自适应滤波器必须覆盖此部分（核心）	像“即时”回声，最强、最清晰，常被误认为啸叫
早期反射	50–200 ms（常见50–100 ms）	墙壁、地板、天花板等单次/少次反射	离散、可分辨的峰值（前几个明显反射）	主要由自适应滤波器线性部分覆盖；残余用PP_GAMMA_E压制	增强空间感；若过强会造成梳状滤波/着色；<50 ms常与直达声融合（Haas效应）
尾部混响	200 ms–RT60（可达数百ms至数秒）	多次密集反射、扩散散射，形成统计性衰减尾巴	密集、随机、能量逐渐衰减的“噪声尾”	自适应滤波器覆盖有限（常100–400 ms尾长）；残余靠PP_GAMMA_ETAIL非线性压制	像“混响尾音”、模糊、持续衰减；内容不可辨；主导中等/高混响环境残差

RT60与尾部回声：

RT60 范围	混响特性描述	尾部回声（晚期反射/混响尾）表现	AEC残差典型听觉/特征	调优 PP_GAMMA_ETAIL 的可行性与效果	推荐调优策略 & 注意事项
RT60 < 0.3秒	混响时间极短，几乎“干”声环境	尾部回声不明显 / 非常微弱，几乎不可闻	残差主要为线性残余回声，无明显混响尾巴；清晰但弱	低：缺乏明显尾部信号，无法可靠评估参数效果	专注 PP_GAMMA_E 压制线性残余； PP_GAMMA_ETAIL 保持默认（1.0–1.2）或低值，避免无谓调整
RT60 0.3–0.9秒	混响时间适中（最常见室内场景）	尾部回声清晰可辨，有明显的衰减尾巴 / 模糊反射	残差中有可听的“混响尾音”，内容模糊但不严重失真；尾巴持续数百ms	高：尾部信号足够作为反馈，调整前后差异明显；最理想的“甜区”	优先/重点增大 PP_GAMMA_ETAIL（典型1.3–2.0+）； 先调 PP_GAMMA_E 压线性，再攻尾部； 平衡避免过度抑制导致闷声
RT60 > 0.9秒	混响时间过长，严重“活”声 / 回声环境	尾部回声极强、持续时间长，主导整个残差	残差被长混响尾巴淹没，模糊严重、内容几乎不可辨；像空旷大厅/浴室回声	低：尾部过强，自适应滤波器覆盖不足，后处理压制有限；易出现残差“闷”或语音损伤	尽力调高 PP_GAMMA_ETAIL 但效果有限； 优先物理吸声（地毯、窗帘、吸声板）； 或告知用户“环境不友好”，建议缩短AEC滤波尾长或加硬件

检测RT60的命令为：

xvf_host --use i2c AEC_RT60

4.测试方法

1. 重复PP_GAMMA_E调优的步骤

关键区别：

        环境不同：需要在中等混响环境中进行

        观察重点不同：重点观察尾部回声，而不是直接/早期回声

2. 在残余信号中观察尾部回声

        如何识别尾部回声， 尾部回声的听觉特征：

                听起来像是混响：持续的衰减尾音

                没有直达声成分：没有清晰的起始点

                模糊的混响：无法清楚辨别原始声源

                延迟出现：在直接/早期回声之后出，且持续时间长

        在AEC残差中观察：

                右声道输出：AEC残差（未经过PP处理）

                听觉特征：听到混响、模糊的尾部回声

                时间特征：在直接回声之后，持续衰减

3. 调整PP_GAMMA_ETAIL改善尾部回声

尾部回声抑制的挑战：

        尾部回声与近端语音的混响在时域和频域上重叠，过度抑制尾部回声可能误抑制近端语音的混响，导致双讲时语音质量下降。

双讲场景的特点：

        远端信号和近端信号同时存在，近端语音也有混响（房间混响）。

尾部回声抑制需要区分：

        远端回声的混响（需要抑制）        

        近端语音的混响（需要保留）

为什么AEC难以消除尾部回声？

        AEC的局限性：AEC使用自适应滤波器估计线性传递函数，自适应滤波器主要针对直接路径和早期反射，尾部混响是多次反射的结果，难以用线性滤波器完全建模。

        尾部回声的复杂性：涉及多次反射，路径复杂与房间的几何形状和材料特性相关，难以用简单的线性模型描述。因此需要PP_GAMMA_ETAIL，在PP阶段，使用频谱减法抑制尾部回声根据尾部回声的功率谱进行抑制，PP_GAMMA_ETAIL控制抑制的强度。