1. 项目概述与回声消除的核心挑战

在免提电话、视频会议这类全双工语音通信场景里，我们工程师最头疼的问题之一就是声学回声。你这边说话，声音从对方扬声器出来，在房间里绕一圈又被你的麦克风拾取，再传回给对方——对方就听到了自己说话的延迟回音，体验非常糟糕。这不仅仅是“有回音”那么简单，在严重的情况下，它会形成正反馈，引发啸叫，让通话完全无法进行。

声学回声消除技术，本质上就是一场在数字域内进行的“精准预测与抵消”的战役。它的目标不是简单地把麦克风信号整体压低，那样会把我们自己的声音也抹掉，而是要用一个 自适应滤波器 ，实时地模拟出从扬声器到麦克风这个物理声学路径的特性。这个模拟出来的路径，我们称之为“回声路径模型”。一旦模型建得足够准，我们就能预测出即将进入麦克风的回声信号是什么样子，然后从麦克风实际采集的信号里把它减掉，只留下我们近端说话人的纯净语音。

听起来原理挺直接，对吧？但真做起来，坑多得能绊倒一头大象。回声路径不是一成不变的——人走动、开门、甚至调整一下手机角度，都会改变声音反射的模型。这就要求滤波器必须能“自适应”，也就是跟着环境变。其次，我们说话的时候，对方也可能在说，这就是“双端通话”。这时候，麦克风里既有回声，又有我们自己的声音，滤波器很容易被我们自己的声音带偏，错误地更新系数，导致回声消除性能急剧下降甚至失效。最后，所有算法最终都要跑在实实在在的DSP芯片上，如何在有限的时钟周期和内存资源里，实现高精度、低延迟的实时处理，是工程落地的终极考验。

我这次要拆解的，是德州仪器在1996年基于其划时代的 TMS320C8x 并行处理器推出的一套AEC实现方案。选择C8x不是没有道理的，在那个年代，它集成了一个RISC核心的主处理器和四个强大的并行处理单元，为高密度乘加运算和并行任务处理提供了硬件基础，非常适合做512抽头（对应64毫秒回声尾）这种计算量大的实时滤波。这份文档虽然年头久了，但里面关于 归一化LMS算法、语音检测状态机、以及针对并行处理器架构的汇编级优化 的思想，至今仍然是回声消除算法工程的经典范本。接下来，我就结合自己这些年做实时音频处理的经验，把这套方案的里里外外、关键抉择和实操细节给你掰扯清楚。

2. 算法核心：从理论到自适应滤波器的实现

2.1 系统模型与问题定义

我们先建立一个清晰的系统模型，这是理解所有后续操作的基础。整个回声消除系统可以抽象为下图所示的几个关键部分：

1. 远端信号 y(n) ：从通信链路对端传来的语音信号，由本地扬声器播放。
2. 回声路径 H(z) ：这是一个未知的、时变的系统，代表了从扬声器到麦克风之间的房间声学响应（包括直接路径和多次反射）。它的冲击响应长度决定了我们需要用多长的滤波器来建模。
3. 近端信号 x(n) ：本地说话人产生的语音。
4. 麦克风采集信号 d(n) ：这是麦克风实际拾取到的信号，它是近端语音 x(n) 和经过回声路径 H(z) 后的远端回声 r(n) 的叠加，即 d(n) = x(n) + r(n) 。
5. 自适应滤波器 H'(z) ：这是算法的核心，一个FIR滤波器，其目标是尽可能逼近真实的回声路径 H(z) 。
6. 回声估计 r'(n) ：将远端信号 y(n) 通过自适应滤波器 H'(z) 后得到的信号，即对真实回声 r(n) 的估计。
7. 误差信号 e(n) ：将麦克风信号 d(n) 减去回声估计 r'(n) 后得到的信号，也就是最终要发送给对端的“干净”信号。理想情况下， e(n) = x(n) 。

算法的目标就是通过不断调整自适应滤波器 H'(z) 的系数，使得误差信号 e(n) 的功率最小化。当滤波器收敛后， r'(n) ≈ r(n) ，从而实现回声消除。

2.2 归一化LMS算法：稳定收敛的基石

文档中选择了 归一化最小均方算法 作为自适应滤波的核心。为什么是NLMS而不是更简单的LMS？这里有个关键的工程权衡。

基础的LMS系数更新公式是： w(n+1) = w(n) + μ * e(n) * x(n) 。其中 μ 是步长因子。这里有个大问题：更新量 μ * e(n) * x(n) 的幅度直接正比于输入信号 x(n) 的幅度。如果对方突然提高嗓门（输入信号功率变大），更新步长会剧烈增加，可能导致算法不稳定甚至发散；反之，对方小声说话时，收敛速度又会变得奇慢无比。

NLMS聪明地解决了这个问题。它在更新时，用输入信号的瞬时功率对步长进行了归一化： w(n+1) = w(n) + (μ / P_x(n)) * e(n) * x(n) 。其中 P_x(n) 是输入信号 x(n) 的功率估计。

关键细节与参数选择 ：文档里， P_x(n) 采用的是短时窗（16ms）功率估计。这个窗长的选择很有讲究：太短，功率估计波动大，更新不稳定；太长，则无法快速响应输入信号功率的变化，在语音突发的起始阶段收敛慢。 μ 的选择也是一个平衡艺术：通常在0到2之间，值越大收敛越快，但稳态误差也越大，且可能不稳定；值越小则相反。在实时系统中，我们往往选择一个保守的、能保证在各种情况下都稳定的值，比如0.1到0.5。

文档中给出的更新公式（对应原文公式3,4,5）是工程实现的精髓： ak(n+1) = ak(n) + (β * e(n) / Py(n)) * y(n-k) 这里 β 是固定的步长常数， Py(n) 是远端信号 y(n) 的短时功率估计。这个 β/Py(n) 就等效于NLMS中的时变步长。

2.3 滤波器结构：横向FIR滤波器

自适应滤波器采用了最经典的 横向FIR结构 ，也就是抽头延迟线。对于512抽头的滤波器，它保存了最近512个远端信号样本 y(n), y(n-1), ..., y(n-511) 。每个样本对应一个滤波器系数 a0, a1, ..., a511 。滤波器的输出 r'(n) 就是这512个历史样本与对应系数的乘积累加和。

这种结构的优势是它是线性且稳定的，非常适合用DSP的乘加指令高效实现。其劣势在于，它只能模拟最小相位系统或有限长的冲击响应。对于非常长的房间混响（比如大型会议室），可能需要上千个抽头才能较好地模拟，这对计算和内存都是巨大挑战。文档中选择512抽头（在8kHz采样率下对应64ms），是一个对典型小型办公室或车载环境比较折中的选择，能够覆盖主要的早期反射和部分晚期反射。

3. 工程实现精要：TMS320C8x平台上的深度优化

3.1 处理器架构与任务划分

TMS320C8x（特别是TMS320C80）是一个异构多核处理器，包含一个主处理器和四个并行处理器。这份文档的方案巧妙利用了这种架构：

• 主处理器 ：负责“后勤”工作。包括音频编解码器的初始化和控制（通过 audinit.c ）、音频数据的搬运（通过DMA或PIO）、以及向并行处理器发送任务指令。它就像项目经理，不直接干重活，但协调所有资源。
• 并行处理器 ：负责核心的数字信号处理算法。AEC的主要计算负荷——包括功率估计、LMS滤波、语音检测——都运行在一个PP上。文档中的汇编代码（ .p 文件）就是为PP编写的。

这种分工使得主处理器能腾出手来处理协议栈、用户接口等其他任务，而计算密集型的AEC算法则在专用的计算引擎上全速运行。

3.2 LMS滤波器的汇编级优化艺术

文档 lms.p 中的代码是性能优化的典范。一个标准的LMS迭代包含两个核心操作：1) 用误差和输入更新所有系数；2) 用新系数和新输入计算滤波输出。朴素的实现需要两个独立的循环，计算量和内存访问量都翻倍。

TI的工程师在这里展示了一个精彩的 软件流水 和 并行指令 技巧。我们来看循环的核心部分（已简化并注释）：

LMS_LOOP_START:
    up_prod_1 =r (x_1 * erf)<<1         ; 计算系数更新量1
    || ak_new_2 = ealu(SHIFT_ADD:ak_old_2+up_prod_2>>16) ; 更新系数2
    || ak_old_1 =h *--Ga_ak             ; 预取下一个旧系数1
    || *(La_x + [1]) =h x_1             ; 移位数据缓冲区
    prod_2 = x_1 * ak_new_2             ; 计算滤波输出乘积2
    || y = y + prod_1                   ; 累加滤波输出1
    || *(Ga_ak + [1]) =h ak_new_2       ; 存储新系数2
    || x_2 =h *--La_x                   ; 加载下一个数据样本2

这个四指令的循环体， 一次处理两个样本 。它通过精心安排指令顺序，让PP的乘法器、算术逻辑单元、全局总线和局部总线在每个时钟周期都处于饱和工作状态。具体来说：

• 指令级并行 ：PP允许在一个周期内执行乘法、ALU/EALU操作、一次全局内存访问和一次局部内存访问。上面的代码充分利用了这一点。
• 数据预取与隐藏延迟 ：在计算当前样本的同时，通过 ak_old_1 =h *--Ga_ak 这样的指令，提前将下一次迭代需要的数据加载到寄存器中，隐藏了内存访问延迟。
• 合并操作 ：系数更新和滤波输出计算被融合在同一个循环里。注意 ak_new_2 是用上一轮计算好的 up_prod_2 更新得到的，然后立即被用于本轮 prod_2 = x_1 * ak_new_2 的计算。这种“更新-使用”的紧耦合是高性能的关键。

实操心得 ：在编写这种深度优化汇编时，画一个 数据流图 和 处理器资源占用时序图 至关重要。你必须清楚每个周期哪个计算单元在做什么，数据依赖关系如何，才能避免流水线停顿。文档中能达到每样本2周期的处理速度（对于512抽头，约需1024周期），在50MHz主频下，处理一个8kHz采样率的单声道通道绰绰有余，为其他处理留出了宝贵资源。

3.3 定点数运算与Q格式

DSP处理中，我们使用定点数而非浮点数，以追求极致的速度和确定的时序。这就引入了Q格式表示法。文档中大量使用了Q15和Q31格式。

• Q15 ：用16位整数表示 -1 到 1-2^(-15) 之间的小数。这是最常用的音频样本格式。
• Q31 ：用32位整数表示更高精度的小数，常用于中间累加或功率估计，防止溢出。

在功率估计（ power.p ）和NLMS的步长归一化中，精度至关重要。例如，功率估计采用IIR滤波器实现： P(n) = (1-α)*P(n-1) + α*x^2(n) 。 α 是一个很小的系数（如1/128）， x^2(n) 是Q15数的平方，结果是Q30格式。为了保持精度，代码中使用Q31格式来存储 P(n) ，只在最终需要时取高16位转换为Q15。在NLMS的除法 β/Py(n) 中，文档附录B专门讲解了如何在PP上用 divi 指令实现Q16格式的除法，确保除法精度和稳定性。

3.4 块处理与样本处理

文档的算法支持 块处理 ，即一次处理多个样本（如80个），而不是单个样本。这样做的好处是能显著减少函数调用、循环控制等开销，提高整体吞吐量，尤其适合PP的并行架构。在 main.c 中，通过设置 SAMPLES 宏，可以灵活配置块大小。但块处理会引入额外的延迟（等于块处理时间），在实时性要求极高的通信中，需要权衡块大小与延迟。

4. 语音检测与双端通话处理：算法的“大脑”

如果说LMS滤波器是AEC的“肌肉”，那么语音检测就是它的“大脑”。它决定了滤波器何时该更新、何时该冻结，是算法鲁棒性的关键。

4.1 三级检测逻辑

文档实现了一个状态机，包含三个检测器，按顺序工作：

1. 远端语音检测 ：判断是否只有对方在说话。检测条件： fes_vshort_pwr + FES_MARGIN > nes_vshort_pwr 。这里用的是 极短时窗功率 （4ms）。 FES_MARGIN 是一个经验阈值，用于防止近端背景噪声被误判为远端语音。这是 唯一 需要同时进行滤波和系数更新的状态。

2. 双端通话检测 ：判断双方是否同时在说话。这是AEC中最棘手的情况。文档采用基于 回声返回损耗增强 的方法： err_short_pwr > C * nes_short_pwr + D 。

   • err_short_pwr 是误差信号（即消除后信号）的短时功率。
   • nes_short_pwr 是近端信号的短时功率。
   • 如果AEC工作良好，误差信号应远小于近端信号（即回声被消除了）。如果误差信号突然变大，超过了近端信号乘以一个系数 C （由期望的ERLE决定，如8dB）再加上一个余量 D ，就很可能是因为近端也开始说话，误差中包含了近端语音，导致其功率激增。
   • 一旦检测到双端通话，立即 冻结滤波器系数更新 （防止近端语音破坏已收敛的回声路径模型），但 继续滤波 （用现有的系数消除回声）。

3. 近端语音检测 ：当上述两者都不成立时，判断是否只有本地在说话。条件： nes_short_pwr + NES_MARGIN > nes_long_pwr 。这里对比的是近端信号的 短时功率 和 长时功率 （2048ms）。长时功率近似于背景噪声加上语音的平均功率。如果短时功率显著高于长时功率，说明出现了近端语音活动。在此状态下， 冻结所有操作 （既不更新也不滤波），因为此时没有远端回声需要消除。

4.2 挂起计数器：防抖与状态保持

语音检测不是非黑即白的。为了避免因信号短时波动导致的模式频繁切换（“乒乓效应”），文档引入了 挂起计数器 。

• 每当检测到某种状态（如双端通话），相应的计数器（如 DT_HANG ）会被重置为一个初始值（如600，对应75ms）。
• 在后续的每个处理周期，如果该状态未被再次检测到，计数器递减。
• 只有当计数器减到0以下，系统才真正退出该状态。

这个机制为状态转换提供了一个“缓冲带”，极大地增强了系统的稳定性。例如，在双端通话结束后，即使远端语音检测立刻生效，由于 DT_HANG 还未归零，系统会暂时保持在“仅滤波不更新”的模式一小段时间，防止因状态瞬间切换产生可听见的瞬态噪声。

4.3 模式位与控制流

检测器的输出最终转化为几个 模式位 ，控制主流程 echan.p ：

• AEC_FILTERING ：是否进行回声估计和消除。
• AEC_UPDATE ：是否更新滤波器系数。
• FAR_SPEECH , NEAR_SPEECH , DOUBLE_TALK ：记录当前的语音活动状态。

主程序根据这些模式位决定执行路径。例如，在双端通话状态， AEC_FILTERING=1 ， AEC_UPDATE=0 ，算法会调用LMS滤波函数，但将误差输入 erf 置零，从而使系数更新公式失效，达到冻结系数的目的。

5. 系统集成、调试与性能评估

5.1 硬件连接与数据流

文档中描述了在SDB开发板上的硬件设置。关键点在于：

• 信号流向 ：远端信号从“Line in R”输入，经AEC处理后，从“Line out L”输出。近端麦克风信号从“Line in L”输入。另一个“Line out R”用于直接监听远端输入。这种连接便于用音频分析仪或录音设备评估性能。
• 电平匹配 ：麦克风信号需要经过前置放大器提升到线路电平。增益设置（如+45dB）需要根据实际麦克风灵敏度和房间声学环境调整，确保信号有足够的信噪比但又不过载。

5.2 内存与计算资源分析

文档的附录和表格提供了宝贵的数据：

• 程序内存 ：整个AEC任务（LMS滤波、语音检测、功率估计等）约占用2.5KB的PP程序内存。
• 数据内存 ：主要消耗在滤波器系数和延迟线。对于512抽头，每个系数和样本都是16位，各需1KB，加上其他变量，总计约 4N + 16*SAMPLES + 124 字节。
• 计算量 ：LMS滤波是主要开销，每样本需要 2N+12 个PP周期（N为抽头数）。对于512抽头，每样本约1036周期。在50MHz PP时钟和8kHz采样率下，处理一个通道仅占用 1036 / (50e6 / 8000) ≈ 16.6% 的PP算力。如果采用80样本的块处理，算上其他模块，总PP负载约为18.6%（见表9）。这意味着一个PP可以轻松处理单路AEC，为系统留出大量余量。

5.3 调试技巧与常见问题排查

基于这份方案进行开发时，以下几个调试环节至关重要：

1. 初始收敛测试 ：

   • 在安静环境中，仅播放远端信号（如白噪声或正弦扫频），不发出近端语音。
   • 观察误差信号 e(n) 。它应该从初始的巨大值（纯回声）快速下降并稳定在一个很低的噪声水平。可以用示波器或软件绘制误差信号的能量衰减曲线，评估收敛速度和最终的回声衰减量（ERLE）。

2. 双端通话鲁棒性测试 ：

   • 在滤波器收敛后，突然加入近端语音。用示波器同时观察近端输入 d(n) 和输出 e(n) 。
   • 合格表现 ：输出 e(n) 应几乎完全包含近端语音，远端回声被持续抑制，且近端语音没有明显的失真或削波。
   • 典型问题 ：如果近端语音听起来“发空”或被削弱，可能是双端通话检测太敏感，过早冻结了系数，导致回声消除不足。需要调高双端通话检测的阈值 D 。如果近端语音引入了奇怪的调制或噪声，可能是滤波器系数在双端通话期间发生了漂移，需要检查系数更新冻结逻辑是否绝对可靠。

3. 参数微调实战 ：

   • 步长 β 与归一化 ：如果收敛慢，可适当增大 β ，但需同步测试双端通话下的稳定性。确保功率估计 Py(n) 在信号很小时有一个合理的下限（如文档中加上一个 stepsize ），防止除零或步长爆炸。
   • 检测阈值 ： FES_MARGIN , NES_MARGIN , D 这些阈值没有理论最优值，必须在真实声学环境中反复测试。建议录制包含不同音量、不同背景噪声（空调、键盘声）、以及双端通话的音频片段，作为自动化测试集。
   • 挂起时间 ：75ms的挂起是一个不错的起点。对于语速较快的对话，可以适当缩短（如50ms）；对于有较长停顿的对话，可以延长（如100ms）以避免不必要的状态切换。

4. 非线性失真处理 ：文档方案基于线性自适应滤波理论。但实际系统中，扬声器、功放甚至麦克风都可能引入非线性失真。线性滤波器无法消除非线性回声。如果发现收敛后仍有残留的“金属声”或“嗡嗡声”，可能需要考虑在前端增加非线性处理模块，或采用更复杂的非线性回声消除算法。

6. 代码结构解析与移植要点

6.1 主要文件功能梳理

• main.c ：主控程序，运行于MP。负责初始化、音频I/O循环、调用PP任务。
• echan.p ：AEC主函数，运行于PP。是顶层调度器，依次调用功率估计、LMS滤波、语音检测，并计算最终输出。
• lms.p ：核心的NLMS自适应滤波器汇编实现。
• power.p ：信号功率估计函数，计算近端、远端、误差信号的不同时间窗功率。
• detector.p ：语音检测状态机实现。
• ckmem.p ：滤波器内存溢出检查（安全机制）。
• einit.s / aec_vars.s ：初始化例程和变量定义。
• *.h , *.cmd , *.lnk ：头文件、内存链接命令文件。

6.2 移植到现代平台

虽然TMS320C8x已是历史，但其算法思想永不过时。将其移植到现代DSP（如TI的C6000系列）或通用处理器（带NEON/AVX的ARM Cortex-A）时，需注意：

1. 算法内核移植 ：LMS更新和FIR滤波循环是移植的重点。对于C6000，可以利用其VLIW架构和 intrinsics（如 _dotp2 , _amem8 ）重写高性能C代码。对于ARM Neon，可以使用向量化指令同时处理多个样本。
2. 固定点转浮点 ：现代处理器浮点性能强大，可以考虑使用浮点数简化Q格式处理，避免溢出和精度损失，但要注意功耗和实时性。
3. 任务并行化 ：在多核CPU上，可以将功率估计、滤波、检测分配到不同的核心，进一步提升吞吐量，处理更多通道。
4. 高级算法增强 ：在基础NLMS上，可以引入 子带处理 （将信号分解到多个频带分别处理，收敛更快）、 仿射投影算法 （APA，收敛速度更快但计算量更大）、或 频域自适应滤波 （FDAF，利用FFT降低长滤波器的计算复杂度）。

7. 总结与演进思考

回顾这份1996年的TI应用报告，其价值不仅在于提供一个可工作的AEC代码，更在于它清晰地展示了一个复杂DSP算法从理论、到仿真、再到在特定硬件上深度优化的完整工程路径。它强调了 自适应滤波、语音检测、状态控制 这三足鼎立的架构，以及 定点运算、并行优化、实时性保障 这些嵌入式音频处理的核心技艺。

今天，声学回声消除仍然是蓝牙耳机、智能音箱、车载免提、视频会议系统的标配功能。虽然出现了更多先进的算法（如Kalman滤波、深度学习降噪），但基于自适应滤波的AEC因其可解释性、确定性和较低的计算需求，在资源受限的实时系统中依然占据主导地位。

在实际产品开发中，我们很少再从汇编开始。TI、ADI等厂商提供了优化的音频处理库，但理解这份文档中的底层原理，能让你在调试库函数参数、解决棘手的残留回声或双端通话剪切问题时，有更清晰的思路。知道滤波器系数为什么发散，能帮你快速定位是步长太大还是双端通话检测失效；理解功率估计的时间窗，能帮你优化算法在不同噪声环境下的响应速度。

最后，AEC从来不是孤立的模块。它需要与 噪声抑制、自动增益控制、去混响 等模块协同工作。一个常见的实践是，在AEC之前进行一定的噪声抑制，可以提高语音检测的准确性；在AEC之后再进行更精细的噪声处理和增益调整。如何安排这些模块的处理顺序，平衡各自的延迟和性能影响，是构建一个高质量音频前处理链路时需要持续探索的课题。这份经典的TMS320C8x实现方案，为我们奠定了坚实的第一步。