AEC 回声消除实战：从理论到手机端验证的完整记录【APP-JNI-AP-ADSP】本文基于 某PAD 项目 003-aec 实验，记录了在手机 VOIP 场景下使用 NLMS 自适应滤波器实现回声消除的全过程。目录什么是回声消除（AEC）实验总揽VOIP链路重构AEC 核心算法详解系统架构：从 App 到驱动ERLE —— 回声消除效果的度量标尺实验结果分析实战中的坑与解决方案总结与展望1. 什么是回声消除（AEC）1.1 从一个生活场景说起你一定经历过这个场景：打电话时，对方在听你说话的同时，手机扬声器正在播放你的声音——如果这些声音被麦克风重新采集并传回去，对方就会听到"回声"。这就是声学回声（Acoustic Echo）。AEC（Acoustic Echo Cancellation）的目标就是：从麦克风采集的信号中，精确地估计并减去扬声器播放的信号分量，只保留近端（用户真正想说的话）。1.2 数学定义设麦克风采集到的信号为：d ( n ) = s ( n ) + y ( n ) d(n) = s(n) + y(n)d(n)=s(n)+y(n)其中：s ( n ) s(n)s(n)—— 近端语音（我们想要的）y ( n ) y(n)y(n)—— 回声分量（扬声器 → 麦克风路径的回放）回声信号可以表示为远端参考信号x ( n ) x(n)x(n)经过房间冲激响应h ( n ) h(n)h(n)的卷积：y ( n ) = ∑ k = 0 L − 1 h ( k ) ⋅ x ( n − k ) y(n) = \sum_{k=0}^{L-1} h(k) \cdot x(n-k)y(n)=k=0∑L−1​h(k)⋅x(n−k)AEC 的核心任务就是估计h ^ ( n ) \hat{h}(n)h^(n)，从而得到估计回声：y ^ ( n ) = ∑ k = 0 L − 1 h ^ ( k ) ⋅ x ( n − k ) \hat{y}(n) = \sum_{k=0}^{L-1} \hat{h}(k) \cdot x(n-k)y^​(n)=k=0∑L−1​h^(k)⋅x(n−