與傳統的PSTN網絡采用電路交換技術不同，IP電話采用的是分組交換技術，充分利用Internet來傳輸語音數據，使得價格大大降低，從而取得了長足的發展。但是IP電話也存在一些弊端，比如語言質量比較差，導致這一弊端的因素很多，其中主要的因素就是網絡延時和算法延時，這主要是由于互聯網的數據傳輸特點以及語音編解碼耗時較大導致的，總延時長達100ms。根據經驗，如果語音的延時超過了50ms，那么，人耳就可以鑒別出自己的回聲，顯然，IP電話系統的回聲是非常嚴重的，鑒于此，國際電聯（ITU）也相應地制定了回聲消除的國際規范，如G．165，G．168。
2 回聲消除器的結構框圖和基本原理
圖1所示是VoIP回聲消除系統結構圖。
從圖1可以看出，整個回聲消除系統分成三個部分：NLMS自適應濾波器、語音檢測器和粗略時延估計器。其中，語音檢測器又分為三個部分：近端說話檢測器、遠端說話檢測器和雙端說話檢測器。
圖1中，A、B端代表遠端用戶，C、D端代表近端用戶，y（n）代表時刻n來自遠端的語音采樣值。y（n）經過互聯網到達近端用戶的揚聲器端，由于從揚聲器出來的聲音信號經過空氣形成的回聲通道H（z）又會被近端的話筒拾取，這部分回聲信號echo（n）會混同近端用戶的語音信號一起進入近端的話筒，也就形成近端的聲學信號r（n），r（n）再通過互聯網，向遠端用戶的揚聲器傳輸。如果不采取回聲消除措施，只要遠端信號y（n）通過互聯網傳回遠端揚聲器的時間超過50ms（這是經常出現的情況），那么，這部分被近端拾取的回聲信號echo（n）會被遠端用戶分辨出來，結果就使得遠端用戶聽到了自己的聲音，會大大降低通話的質量，這是用戶所不能容忍的。所以，必須采取消除回聲的措施。
完成回聲消除的一個很重要的模塊就是自適應濾波器，本文采用NLMS算法進行自適應濾波。當遠端信號y（n）到達近端之后，先把這個信號“復制”一份，放到存儲器中，結合誤差信號，利用NLMS算法不斷調整自適應濾波器的系數，使得y（n）經過自適應濾波器后的輸出
盡量逼近回聲信號echo（n），這樣，當近端的語音信號x（n）＝0的時候，從B端輸出的誤差信號e（n）也就接近0，從而達到了回聲消除的目的。
當然，在NLMS自適應濾波器進行濾波和系數更新之前，必須檢測語音模式是近端說話模式、遠端說話模式、還是雙端說話模式，因為不同的說話模式NLMS自適應濾波器所執行的功能是不完全相同的。另外，由于遠端信號y（n）被自適應濾波器“復制”到存儲器中的時刻t1和y（n）經過回聲通道H（z），進入近端話筒并作相應的處理的時刻t2是不相同的，t2要大于t1，這主要是語音數據編碼、打包和壓縮造成的。為了使得濾波器處理的信號y（n）和傳回遠端的信號r（n）保持對應，即echo（n）和y（n）保持高度的相關性，那么被自適應濾波器“復制”的y（n）信號，最好在存儲器中延時一段時間，這樣才能保證達到回聲消除取得比較好的效果。
3 NLMS自適應濾波器原理
為了討論方便，這里先考慮遠端說話模式，即近端語音信號x（n）為0。為了簡單起見，把圖1中的NLMS自適應濾波器部分單獨抽出來，簡化成圖2。圖2所示是NLMS自適應濾波器結構圖。
其中，H（z）傳遞函數用來表示回聲通道的特性。NLMS自適應濾波器就是要盡快地調整自己的系數，使其沖擊響應盡量逼近H（z）的沖擊響應，這樣才能使誤差信號e（n）逼近0。具體的實現過程如下。
自適應濾波器的輸出由式（1）給出：
其中：N是NLMS自適應濾波器的階數。BT＝〔b0，b1Λ，bN－1〕是濾波器的系數矢量。
-1），Λ，y（n－N＋1）〕是濾波器n時刻的輸入信號矢量。
由于前面已經假設為遠端說話模式，故，近端語音信號x（n）為0。誤差信號e（n）可由式（2）給出：
其中：μ為步長因子，是一個常數，由試驗來確定，μ的選取至關重要，為了確保收斂，必須滿足0＜μ＜2。μ取值過大，雖然可以加快自適應濾波器的收斂速度，但是誤差信號e（n）也會大，μ取值過小，則使收斂速度變慢。e（n）由式（2）計算。P（n）是n時刻輸入信號矢量yn的短時平均功率，。
4 語音檢測器
語音檢測器在整個回聲消除系統中也占據非常重要的地位，這是因為不同的語音模式自適應濾波器所要求執行的功能是不相同的，下面分別說明。
4．1 遠端說話檢測器
當近端用戶不說話而只有遠端用戶說話的時候，就是遠端說話模式。式（4）用于檢測遠端說話模式。
代表遠端信號和近端信號的較短窗功率估計值。是閥值常量，要由實驗來確定，取得太大或者太小都會導致檢測錯誤。
如果檢測出為遠端說話模式，那么，應該通過圖1中的NLMS控制器同時打開NLMS自適應濾波器的濾波功能和系數更新功能。
4．2 雙端說話檢測器
當近端用戶和遠端用戶同時說話的時候，就是雙端說話模式。式（5）用于檢測雙端說話模式。
表誤差信號和近端信號的短窗功率估計值。C是系數常量，C＝10ERLE／10，一般ERLE取為8dB。D是閥值常量，要由實驗來確定，取得太大或者太小都會導致檢測錯誤，影響濾波效果。
如果檢測出為雙端說話模式，則要凍結FIR濾波器的系數更新功能，只需要完成濾波功能，即只要計算濾波器輸出r（n）的值。
4．3 近端說話檢測器
當只有近端用戶說話而遠端用戶不說話的時候，就是近端說話模式。式（6）用于檢測近端說話模式。
表近端信號短窗功率估計值和長窗功率估計值。NES MARGIN是閥值常量，要由實驗來確定。
如果檢測出為近端說話模式，那么，應該通過圖1中的NLMS控制器同時凍結NLMS自適應濾波器的濾波功能和系數更新功能。
5 粗略時延估計器
由于遠端信號y（n）通過回聲通道要經過編碼、打包和壓縮的處理，會花費大量的時間，這就必然會產生延時。而且這種延時還是在一定范圍內隨機波動的，這就增加了估計的難度，要想準確地計算出延時的大小是不可能的，只能是一個粗略的估計值，故稱為粗略時
延估計器。可以按照式（7）和式（8）來估計延時值：
首先按照式（7）計算從近端傳到遠端的聲學信號和誤差信號的互相關函數，然后從中選出絕對值最大者，作為延時的估計參數。
6 DSP芯片簡介及關鍵代碼介紹
本文選擇TI公司的DSPTMS320C5402為硬件平臺來實現回聲消除，TMS320C54x是一款低功耗、高性能的定點數字信號處理器，運行速度可達到100MIPS。有兩個40位累加器A、B，192K字可尋址空間（64K字的程序存儲器、64K字數據存儲器及64K字I／O空間）。采用8總線增強型哈佛結構，多級流水線操作，專用的硬件乘法器，DSP的專用指令（如FIRS，LMS）。
下面是用DSP實現回聲消除的NLMS算法的關鍵代碼：
編程的時候，為了提高程序的運行效率，要充分利用DSP芯片的優點。要盡量使用指令周期少的尋址方式，如直接尋址、雙操作數尋址。在設計濾波器的數據和系數緩沖區的時候采用循環尋址，這樣可以避免大批數據的搬移，節省指令周期，如果開辟一個長度為L的緩沖區，必須保證其首址最低位至少有N個0，N是滿足2N＞R的最小整數。還要多采用如ST‖MPY等并行指令，多采用DSP的專用指令，如LMS、FIRS。
7 結束語
回聲消除技術在IP電話中占有非常重要的地位，本文介紹了用NLMS算法設計回聲消除器，還涉及到語音檢測和時延估計，以及如何在DSP上實現。下面給出63階的NLMS自適應濾波器的系數更新結果，為了方便起見，把回聲通道H（z）等效成一個63階的FIR濾波器，其沖擊響應如圖3所示，并假設近端語音信號x（n）為0，不考慮延時，一段時間后NLMS濾波器的沖擊響應見圖4。圖4所示是收斂后的NLMS自適應濾波器系數。由圖4可以看出，NLMS自適應濾波器的收斂效果較好。
經過測試，本文所述的回聲消除器用于VoIP電話中，可以比較明顯地改善語音的質量。