EchoFilter: End-to-End Neural Network for Acoustic Echo Cancellation
TAL Education Group（好未来教育集团）
声学回声消除（Acoustic Echo Cancellation，AEC）是抑制扬声器和麦克风之间声耦合产生的回声的技术，在语音交互中起着关键作用。线性自适应滤波器（AF）通常用于处理这个问题。然而，由于在实际场景中会有一些严重的影响，如非线性失真，背景噪声和麦克风削波，这将导致相当大的残留回声，在实践中给出较差的性能。在本文中，我们提出了一个端到端的回声消除网络结构，这是直接在时域音频波形。通过时间卷积将其转换为深度表示，并使用长短期记忆（LSTM）建模，以考虑时间特性。由于相对于远端，近端可能存在时间延迟和严重的混响，因此采用局部注意进行对准。该网络采用多任务学习，采用辅助分类网络进行双端通话检测。实验表明，我们所提出的方法的优越性，在回声回波损耗增强（ERLE）的单通话期间和语音质量的感知评价（PESQ）分数为双通话期间在背景噪声和非线性失真的情况下。
2021-05-31 cs.SD eess.AS
Joint Acoustic Echo Cancellation and Speech Dereverberation Using Kalman filters
提出了一种短时傅里叶变换域的回声消除和语音去混响联合算法。混响麦克风信号使用自回归（AR）模型来描述。AR系数和麦克风扬声器到麦克风的声学传递函数（ATF）被认为是时变的，并同时使用一阶马尔可夫过程建模。这导致了一种解决方案，其中这些参数可以使用卡尔曼滤波器进行最佳估计。仿真结果表明，该算法在语音质量和回声抑制性能方面均优于传统的AEC和DR算法以及基于半盲声源分离的联合DRAEC算法。
2023-02-09 cs.SD eess.AS
A Small-footprint Acoustic Echo Cancellation Solution for Mobile Full-Duplex Speech Interactions
Speech Lab, Alibaba Group（阿里集团语音实验室）
本文提出一种基于神经网络的移动全双工语音交互小占用声学回声消除方案，结合数据增强、渐进式学习及定制后处理策略，显著提升了语音质量及VAD和ASR等下游任务的效果。
2025-08-11 cs.AI cs.SD eess.AS
Bandwidth-Scalable Fully Mask-Based Deep FCRN Acoustic Echo Cancellation and Postfiltering
Technische Universität Braunschweig（布伦瑞克工业大学）；GN Audio A/S（GN音频公司）
尽管当今的语音通信系统支持从窄带到超宽带以及更高的各种带宽，但是用于声学回声消除（AEC）的现有技术DNN方法缺乏模块化和带宽可扩展性。我们提出的DNN模型建立在全卷积递归网络（FCRN）的基础上，并在各种带宽上引入可扩展性，最高可达全频带（FB）系统（48 kHz采样率）。这种模块化方法允许对具有专用损耗的基于掩模的AEC和后置滤波器级进行联合宽带（WB）预训练，然后在FB数据上对它们进行单独训练。第三个轻量级盲带宽扩展级在FB数据上单独训练，灵活地允许将WB后置滤波器输出扩展到更高的带宽，直到达到FB。由此，能够可靠地抑制高频噪声和回波。在ICASSP 2022声学回声消除挑战盲测试集上，我们报告了具有竞争力的性能，即使在高度延迟的回声和动态回声路径变化下也显示出鲁棒性。
2022-11-07 cs.SD eess.AS
A deep complex multi-frame filtering network for stereophonic acoustic echo cancellation
Institute of Acoustics, Chinese Academy of Sciences（中国科学院声学研究所）；University of Chinese Academy of Sciences（中国科学院大学）
在免提通信系统中，扬声器和麦克风之间的耦合会产生回声信号，严重影响通信质量。同时，通信环境中的各种类型的噪声进一步降低了语音质量和可懂度。在一步内从麦克风信号中提取近端信号是困难的，特别是在低信噪比的场景中。在本文中，我们提出了一种深度复杂网络方法来解决这个问题。特别地，我们将立体声声学回声消除分解为两个阶段，包括线性立体声声学回声消除模块和残余回声抑制模块，其中两个模块都基于深度学习架构。提出了一种多帧滤波策略，通过捕获更多的帧间信息，有利于线性回波的估计。此外，我们将复谱映射解耦为幅度估计和复谱细化。实验结果表明，我们所提出的方法实现了阶段的最先进的性能在各种条件下比以前的先进算法。
2022-05-06 cs.SD eess.AS
Deep Learning-Based Joint Control of Acoustic Echo Cancellation, Beamforming and Postfiltering
Friedrich-Alexander-University Erlangen-Nürnberg（埃尔朗根-纽伦堡弗里德里希-亚历山大大学）
我们介绍了一种新的方法，用于控制免提语音通信设备，其中包括基于模型的声学回声消除器（AEC），最小方差无失真响应（MVDR）波束形成器（BF）和频谱后置滤波器（PF）的功能。在AEC去除早期回波分量的同时，MVDR BF和PF抑制残余回波和背景噪声。作为关键创新，我们建议使用单个深度神经网络（DNN）来联合控制各种算法组件的自适应。这允许在存在高电平干扰双端通话的情况下快速收敛和高稳态性能。使用时域语音提取损失函数的DNN的端到端训练避免了单独控制策略的设计。
2022-08-10 cs.SD eess.AS
Room Impulse Response as a Prompt for Acoustic Echo Cancellation
Inner Mongolia University（内蒙古大学）
本文提出将房间脉冲响应作为训练提示引入声学回声消除模型，并探索四种提示融合方法，在模拟和真实环境中显著提升了模型的泛化性能。
2025-05-26 cs.SD eess.AS
A Comparative Analysis of Generalised Echo and Interference Cancelling and Extended Multichannel Wiener Filtering for Combined Noise Reduction and Acoustic Echo Cancellation
Department of Electrical Engineering (ESAT)（电气工程系（ESAT））；STADIUS Center for Dynamical Systems, Signal Processing（动态系统、信号处理中心）
本文比较了GEIC和MWFext在非线性回声路径下的噪声抑制与回声消除性能，发现MWFext在噪声抑制方面更优，而GEIC在回声消除方面更稳健。
2025-03-05 cs.SD eess.AS
NeuralEcho: A Self-Attentive Recurrent Neural Network For Unified Acoustic Echo Suppression And Speech Enhancement
Tencent AI Lab（腾讯人工智能实验室）
声学回声消除在全双工语音通信中起着重要的作用，同时也是在扬声器重放的情况下进行识别的前端语音增强。在本文中，我们提出了一个全深度学习框架，隐式估计回声/噪声和目标语音的二阶统计量，并通过基于注意力的递归神经网络联合解决回声和噪声抑制问题。该模型在客观语音质量指标、语音识别精度和模型复杂度方面优于最先进的联合回声消除和语音增强方法F-T-LSTM。我们表明，该模型可以与说话人嵌入更好的目标语音增强，并进一步开发一个分支的自动增益控制（AGC）的任务，形成一个一体化的前端语音增强系统。
2022-05-20 cs.SD eess.AS
F-T-LSTM based Complex Network for Joint Acoustic Echo Cancellation and Speech Enhancement
Northwestern Polytechnical University（西北工业大学）
随着语音通信和在线会议需求的不断增长，如何在噪声、混响和非线性失真等复杂的声学环境下保证声学回声消除（AEC）的鲁棒性成为一个亟待解决的问题。虽然已经有一些传统的方法，考虑到非线性失真，它们仍然是低效的回声抑制和性能将衰减时，噪声的存在。在本文中，我们提出了一种实时AEC方法，使用复杂的神经网络，以更好地建模的重要相位信息和频率-时间-LSTM（F-T-LSTM），扫描频率和时间轴，更好的时间建模。此外，我们使用修改的SI-SNR作为成本函数，使该模型具有更好的回声消除和噪声抑制（NS）性能。在只有1.4M参数的情况下，所提出的方法在平均意见得分（MOS）方面比AEC挑战基线高出0.27。
2021-06-16 cs.SD eess.AS
A Synergistic Kalman- and Deep Postfiltering Approach to Acoustic Echo Cancellation
Friedrich-Alexander-University Erlangen-Nürnberg（埃尔朗根-纽伦堡弗里德里希-亚历山大大学）
我们引入了一种协同方法，将自适应卡尔曼滤波与基于深度神经网络的后置滤波器相结合，以实现双向通话鲁棒声学回声消除。该算法克服了众所周知的局限性卡尔曼滤波器为基础的自适应控制的情况下，其特征在于突然的回声路径变化。作为关键创新，我们建议利用干扰信号分量的不同统计特性来鲁棒地估计自适应步长。这是通过利用后置滤波器近端估计和卡尔曼滤波器的估计误差来实现的。所提出的协同方案允许自适应滤波器的快速重新收敛后，突然的回声路径的变化，而不影响稳态性能的静态场景中的最先进的方法所实现的。
2022-03-04 cs.SD eess.AS
Personalized Acoustic Echo Cancellation for Full-duplex Communications
Northwestern Polytechnical University（西北工业大学）
深度神经网络（DNN）已经显示出用于声学回声消除（AEC）的有希望的结果。但是基于DNN的AEC模型允许所有近端扬声器，包括干扰语音。鉴于最近的个性化语音增强的研究，我们调查的可行性个性化声学回声消除（PAEC）在本文中的全双工通信，其中背景噪声和干扰扬声器可能共存的声学回声。具体来说，我们首先提出了一种新的骨干神经网络，称为门控时间卷积神经网络（GTCNN），其性能优于最先进的AEC模型。说话人嵌入，如d向量，进一步采用作为辅助信息，以指导GTCNN专注于目标说话人。PAEC中的一个特殊情况是呼叫双方的语音片段都被登记。实验结果表明，无论是近端说话人还是远端说话人的辅助信息都可以提高基于DNN的AEC性能。尽管如此，在有限维说话人嵌入的利用方面仍有很大的改进空间。
2022-06-30 cs.SD eess.AS
Deep model with built-in cross-attention alignment for acoustic echo cancellation
Microsoft Corporation（微软公司）
随着最近的研究进展，深度学习模型已成为实时电话会议应用中声学回声消除（AEC）的有吸引力的选择。由于声学回声是音频质量差的主要来源之一，因此已经提出了各种各样的深度模型。然而，良好的回声消除质量的一个重要但经常被忽略的要求是麦克风和远端信号的同步。通常使用基于互相关的经典算法来实现，对准模块是具有已知设计限制的单独功能块。在我们的工作中，我们提出了一种具有内置的【形】基于自注意力的对齐的深度学习架构，该架构能够处理未对齐的输入，在简化通信管道的同时提高回声消除性能。此外，我们表明，我们的方法实现了显着的改善困难的延迟估计的情况下，从AEC挑战数据集的真实记录。
2023-03-14 cs.CV cs.SD eess.AS
NN3A: Neural Network supported Acoustic Echo Cancellation, Noise Suppression and Automatic Gain Control for Real-Time Communications
Alibaba Group（阿里巴巴集团）
回声消除（AEC）、噪声抑制（NS）和自动增益控制（AGC）是实时的【形】通信（RTC）中经常需要的三个模块。提出了一种基于神经网络的实时语音编码算法NN3A，该算法结合了自适应滤波器和多任务模型，实现了语音信号的残留回声抑制、噪声抑制和近端语音端点检测。所提出的算法优于使用单独的模型和端到端的替代方法。它进一步表明，存在一个折衷的模型之间的残留抑制和近端语音失真，这可以通过一个新的损失加权函数来平衡。还研究了训练联合模型的几个实际方面，以将其性能推向极限。
2021-10-16 cs.SD eess.AS
An Exploration of Task-decoupling on Two-stage Neural Post Filter for Real-time Personalized Acoustic Echo Cancellation
Northwestern Polytechnical University（西北工业大学）；ByteDance（字节跳动）
本研究针对个性化声学回声消除问题，提出采用两阶段任务解耦后置滤波器结合多尺度局部-全局说话人表征的方法，实验证明其性能优于单一联合网络，并探索了对应最优训练策略。
2023-10-07 cs.SD eess.AS
Multi-Channel and Multi-Microphone Acoustic Echo Cancellation Using A Deep Learning Based Approach
The Ohio State University（俄亥俄州立大学）
本文在单扬声器（单通道）和单麦克风设置中基于深度学习的声学回声消除（AEC）的基础上，研究了多通道AEC（MCAEC）和多麦克风AEC（MMAEC）。我们训练一个深度神经网络（DNN）来预测来自麦克风信号的近端语音，其中远端信号用作附加信息。我们发现，深度学习方法避免了传统MCAEC算法中的非唯一性问题。对于具有多个麦克风的AEC设置，而不是对每个麦克风采用AEC，训练单个DNN以实现所有麦克风的回声去除。此外，将基于深度学习的AEC与基于深度学习的波束成形相结合进一步提高了系统性能。实验结果表明，双向长短期记忆（BLSTM）和卷积递归网络（CRN）的方法的有效性MCAEC和MMAEC。此外，基于深度学习的方法能够同时去除回声和噪声，并且在存在非线性失真的情况下工作良好。
2021-03-03 cs.SD eess.AS
Sub-band Domain Multi-Hypothesis Acoustic Echo Canceler Based Acoustic Scene Analysis
本文提出利用子带域多假设回声消除器的统计特征进行声学场景分析，通过多策略互补滤波提取判别性特征，并在真实数据上验证了有效性。
2025-01-10 eess.AS
A Hybrid Approach for Low-Complexity Joint Acoustic Echo and Noise Reduction
Fraunhofer IIS（弗劳恩霍夫集成电路研究所）
针对深度学习联合声学回声与噪声抑制（AENR）方法资源消耗高的问题，提出一种低复杂度混合方法，将SOTA ULCNet模型集成到混合系统中训练，以更低计算与内存代价实现了更好的回声抑制和可比的噪声抑制性能。
2024-08-28 cs.SD eess.AS
Cascaded noise reduction and acoustic echo cancellation based on an extended noise reduction
KU Leuven（鲁汶大学）；Department of Electrical Engineering (ESAT)（电气工程系（ESAT））
针对噪声与回声混合干扰，本文提出扩展降噪滤波器级联AEC的结构，使AEC无需建模前置滤波器并获得随扬声器数扩展的降噪自由度。
2024-06-13 cs.SD eess.AS
LCSM: A Lightweight Complex Spectral Mapping Framework for Stereophonic Acoustic Echo Cancellation
Inner Mongolia University（内蒙古大学）
传统的自适应算法在处理立体声回波抵消时会面临非唯一性问题。在本文中，我们首先提出了一种基于深度学习的高效多输入多输出（MIMO）方案，以一次性过滤掉所有麦克风信号中的回声。然后，我们采用一个轻量级的复杂的频谱映射框架（LCSM）的端到端SAEC没有去相关预处理的扬声器信号。利用原地卷积和信道空间建模来确保近端信号信息被保留。最后，设计了跨域损失函数以提高泛化能力。在各种未经训练的条件下进行实验，结果表明LCSM显着优于以前的方法。此外，所提出的因果框架仅具有55万个参数，远少于类似的基于深度学习的方法，这对于资源有限的设备是重要的。
2022-08-15 cs.SD eess.AS
Multi-Channel Acoustic Echo Cancellation Based on Direction-of-Arrival Estimation
Inner Mongolia University（内蒙古大学）；Southern University of Science and Technology（南方科技大学）
本文提出一种基于声源方向估计的两阶段多通道声学回声消除算法，利用轻量级DNN预测方向信息并联合多通道与远端信号估计近端信号，性能优于基线且泛化稳健。
2025-06-06 cs.SD eess.AS
Joint Acoustic Echo Cancellation and Blind Source Extraction based on Independent Vector Extraction
本文提出了一种多麦克风声学前端的联合声学回声消除（AEC）和盲源提取（BSE）方法。该算法通过最大化感兴趣的非高斯源和平稳高斯背景建模干扰信号和残余回波的统计独立性来盲估计AEC和波束形成滤波器。双谈话鲁棒性和快速收敛的参数更新来自一个全球性的最大似然目标函数，从而在计算上有效的牛顿型更新规则。模拟声学数据的评估证实了所提出的联合AEC和波束成形滤波器估计相比，单独更新两个滤波器的好处。
2022-08-10 eess.AS
ICASSP 2022 Acoustic Echo Cancellation Challenge
Microsoft Corporation（微软公司）
ICASSP 2022声学回声消除挑战赛旨在促进声学回声消除（AEC）的研究，AEC是语音增强的重要领域，仍然是音频通信中的首要问题。这是第三个AEC挑战，通过包括移动场景、在挑战目标度量中添加语音识别速率并使默认采样速率为48 kHz，对该挑战进行了增强。在这个挑战中，我们开源了两个大型数据集，以训练单端通话和双端通话场景下的AEC模型。这些数据集包括来自真实环境中超过10，000个真实音频设备和人类扬声器的录音，以及合成数据集。我们还开源了一个在线主观测试框架，并为研究人员提供在线客观指标服务，以快速测试他们的结果。这项挑战的获胜者是根据在所有不同的单声道和双声道场景中获得的平均意见得分以及语音识别单词接受率来选择的。
2022-02-27 cs.SD eess.AS
Comparative Study of Acoustic Echo Cancellation Algorithms for Speech Recognition System in Noisy Environment
RTM Nagpur University（RTM 那格浦尔大学）
传统上，已经部署了自适应滤波器以通过使用诸如归一化最小均方（NLMS）算法之类的算法来估计声学回波响应来实现AEC。近年来，已经提出了几种方法来以各种方式改善AEC的标准NLMS算法的性能。这些包括基于时域、频域、傅立叶变换、小波变换自适应方案、比例方案、比例自适应滤波器、组合方案、基于块的组合、子带自适应滤波、均匀过采样DFT滤波器组、子带过采样DFT滤波器组、Volterra滤波器、可变步长（VSS）算法、数据重用技术、部分更新自适应滤波技术和子带（SAF）方案。这些方法旨在解决回声消除中的问题，包括噪声输入信号的性能、时变回声路径和计算复杂性。与这些方法相反，稀疏自适应算法已经被专门开发用于解决稀疏系统辨识中自适应滤波器的性能。在本文中，我们讨论了一些AEC算法，然后从步长，收敛性和性能方面进行了比较研究。
2022-01-17 cs.SD eess.AS
Semi-blind source separation using convolutive transfer function for nonlinear acoustic echo cancellation
Key Laboratory of Modern Acoustics, Institute of Acoustics, Nanjing University（南京大学声学研究所现代声学重点实验室）；NJU-Horizon Intelligent Audio Lab, Horizon Robotics（南京大学-地平线智能音频实验室，地平线机器人）
最近提出的用于非线性声学回声消除（NAEC）的半盲源分离（SBSS）方法在衰减非线性声学回声方面优于自适应NAEC。然而，乘性传递函数（MTF）近似使其不适合实时应用，特别是在高混响环境中，自然梯度使其难以在快速收敛速度和稳定性之间取得平衡。在本文中，我们提出了两个更有效的SBSS方法的基础上，基于独立的函数的独立向量分析（MATIVA）和独立的低秩矩阵分析（ILRMA）。使用卷积传递函数（CTF）近似代替MTF，以便可以用短延迟来模拟长脉冲响应。根据NAEC的约束解混矩阵，对MARIVA和ILRMA中的优化方案进行了严格的正则化。实验结果验证了所提出的方法具有更好的回波消除性能。
2022-07-04 cs.SD eess.AS eess.SP
ICASSP 2023 Acoustic Echo Cancellation Challenge
Microsoft Corporation（微软公司）
ICASSP 2023 声学回声消除挑战赛通过增设个性化赛道、降低时延至 20ms、引入全频带 AECMOS，并开源大规模真实与合成数据集及测试框架，以 MOS 和 WAcc 评选最优 AEC 模型。
2023-09-22 cs.SD eess.AS
Acoustic echo cancellation with the dual-signal transformation LSTM network
本文将双信号变换LSTM网络（DTLN）应用于实时声学回声消除（AEC）任务。DTLN结合了短时傅立叶变换和堆叠网络方法中的学习特征表示，这使得在时间-频率和时域中能够进行鲁棒的信息处理，其中还包括相位信息。该模型仅在60小时的真实和合成回波场景上进行训练。训练设置包括多语言语音，数据增强，额外的噪声和混响，以创建一个模型，该模型应该很好地推广到各种现实世界的条件。DTLN方法在干净和嘈杂的回声条件下产生最先进的性能，稳健地减少声学回声和附加噪声。该方法在平均意见评分（MOS）方面优于AEC挑战基线0.30。
2020-11-23 eess.AS
Auto-DSP: Learning to Optimize Acoustic Echo Cancellers
University of Illinois at Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）；Adobe Research（奥多比研究院）
自适应滤波算法在信号处理中是常见的，并且具有广泛的应用，从单通道去噪到多通道声学回声消除和自适应波束形成。这种算法通常通过专门的在线迭代优化方法进行操作，并取得了巨大的成功，但需要专业知识，开发缓慢，难以定制。在我们的工作中，我们提出了一种新的方法来自动学习自适应过滤更新规则直接从数据。要做到这一点，我们框架自适应滤波作为一个可微的运营商和训练学习优化输出梯度下降为基础的更新规则，从数据通过反向传播通过时间。我们演示了我们的一般方法上的声学回声消除任务（单谈噪声），并表明，我们可以学习高性能的自适应滤波器的各种常见的线性和非线性多延迟块频域滤波器架构。我们还发现，我们学习的更新规则具有快速收敛性，可以在存在非线性的情况下进行优化，并且对声学场景变化具有鲁棒性，尽管在训练过程中从未遇到过任何变化。
2021-10-08 cs.SD eess.AS
E2E-AEC: Implementing an end-to-end neural network learning approach for acoustic echo cancellation
Tongyi Lab, Alibaba Group, China（通义实验室，阿里巴巴集团，中国）
本文提出了一种端到端神经网络方法，用于实现无需传统LAEC技术的流式语音回声消除，通过渐进学习、知识转移、注意力机制优化和语音活动检测提升回声抑制效果。
2026-01-23 cs.SD eess.AS
End-to-End Complex-Valued Multidilated Convolutional Neural Network for Joint Acoustic Echo Cancellation and Noise Suppression
Alibaba Group（阿里巴巴集团）
回波和噪声抑制是全双工通信系统的组成部分。许多最近的声学回声消除（AEC）系统依赖于用于线性回声抑制的单独的自适应滤波模块和用于残余回声抑制的神经模块。然而，不仅自适应滤波模块需要收敛并保持对声学环境中的变化敏感，而且当神经模块已经能够进行线性和非线性回声抑制时，这种两阶段框架还经常向AEC系统引入不必要的延迟。在本文中，我们利用偏移补偿能力的复杂的时间-频率掩模，并提出了一个端到端的复值神经网络架构。所提出的模型的构建块是基于密集连接的多扩张DenseNet（D3 Net）构建块的伪复杂扩展，导致只有354 K参数的非常小的网络。该架构利用了D3 Net构建块的多分辨率特性，消除了对池化的需求，允许网络使用大的感受野提取特征，而不会损失任何输出分辨率。我们还提出了一种双掩模技术的联合回声和噪声抑制与同时语音增强。对合成和真实测试集的评估表明，在多个基于能量的指标和感知代理上都有很好的结果。
2022-01-22 cs.AI cs.LG cs.SD
Multi-Scale Attention Neural Network for Acoustic Echo Cancellation
TAL Education Group（好未来教育集团）
声学回声消除（AEC）是语音交互中的一个关键技术，它能有效地消除扬声器混响在麦克风处产生的回声。由于在实际场景中线性自适应滤波器（AF）的性能会由于非线性失真、背景噪声和麦克风削波而严重下降，深度学习因其良好的非线性建模能力而被用于AEC。在本文中，我们构建了一个端到端的多尺度注意力神经网络的AEC。首先利用时域卷积将波形转换为频谱图。远端参考和近端混合的频谱图被连接，并被馈送到具有堆叠的扩张卷积层的时间卷积网络（TCN）。在这些来自不同层的表示之间执行注意力机制，以通过参考编码器长短期记忆（LSTM）单元中的先前隐藏状态来自适应地提取相关特征。表示被加权平均并馈送到编码器LSTM用于近端语音估计。实验表明，我们的方法在回声回波损耗增强（ERLE）的单通话期间和语音质量的感知评价（PESQ）分数的双通话期间在背景噪声和非线性失真的情况下的优势。
2021-05-31 cs.SD eess.AS
DiffVQE2: An Efficient Low-delay Diffusion Model for Acoustic Echo and Noise Control
Technische Universität Braunschweig（布伦瑞克工业大学）；GN Advanced Science（GN前沿科学研究院）
本文提出低延迟因果扩散模型DiffVQE2/DiffVQE2-S，用于联合声学回声和噪声控制，在ICASSP 2023 AEC挑战赛盲测集上超越最先进判别模型，且复杂度更低，支持流式处理。
2026-09-29 cs.SD eess.AS
A Conformer-based ASR Frontend for Joint Acoustic Echo Cancellation, Speech Enhancement and Speech Separation
Google LLC（谷歌有限责任公司）
我们提出了一种提高自动语音识别（ASR）的鲁棒性的前端，该前端在单个模型中联合实现三个模块：声学回声消除、语音增强和语音分离。这通过使用上下文增强神经网络来实现，该上下文增强神经网络可以可选地利用不同类型的侧输入：（1）回放音频的参考信号，其对于回声消除是必要的;（2）噪声上下文，其对于语音增强是有用的;以及（3）表示感兴趣的目标说话者的语音特征的嵌入向量，这不仅在语音分离中是关键的，而且有助于回声消除和语音增强。我们提出了详细的评估表明，联合模型的性能几乎以及特定于任务的模型，并显着降低在嘈杂的条件下，即使使用大规模的最先进的ASR模型的单词错误率。与噪声基线相比，联合模型在低信噪比条件下将回声消除数据集上的单词错误率降低了至少71%，在噪声数据集上降低了10%，在多说话者数据集上降低了26%。与特定于任务的模型相比，联合模型在回声消除数据集上的性能在10%以内，在噪声数据集上的性能在2%以内，在多说话者数据集上的性能在3%以内。
2021-11-18 cs.SD eess.AS
Acoustic echo suppression using a learning-based multi-frame minimum variance distortionless response filter
National Tsing Hua University（台湾清华大学）
声学回声抑制（AES）引起的失真是全双工通信中常见的问题。为了解决失真问题，提出了一种多帧最小方差无失真响应（MFMVDR）滤波技术。本研究从深度学习的角度扩展了用于语音增强问题的带参数估计的MFMVDR滤波器。为了减轻MFMVDR滤波器的数值不稳定性，我们建议直接估计相关矩阵的逆。AES系统的优点在于不需要双端通话检测。在MFMVDR滤波器的输出处，负尺度不变的信号失真比被用作训练网络的损失函数。仿真结果证明了所提出的基于学习的AES系统在双端通话、背景噪声和非线性失真条件下的有效性。
2022-05-07 cs.SD eess.AS
FADI-AEC: Fast Score Based Diffusion Model Guided by Far-end Signal for Acoustic Echo Cancellation
Meta Platforms（Meta平台）
本文提出基于扩散的随机再生方法 DI-AEC 及适用于边缘设备的快速框架 FADI-AEC，通过每帧单次运行分数模型并利用远端信号生成噪声提升准确率，在 ICASSP2023 数据集上优于多种现有方法。
2024-01-08 cs.SD eess.AS
Y$^2$-Net FCRN for Acoustic Echo and Noise Suppression
Institute for Communications Technology, Technische Universität Braunschweig（布伦瑞克工业大学通信技术研究所）
近年来，深度神经网络（DNN）被研究作为传统声学回声消除（AEC）算法的替代方案。所提出的模型取得了显着的性能AEC和残余回波抑制（RES）的单独任务。一个有前途的网络拓扑是一个完全卷积递归网络（FCRN）结构，它已经证明了其性能的噪声抑制和AEC任务，分别。然而，AEC，后置滤波和噪声抑制到单个网络的组合通常会导致近端语音分量的质量明显下降，这是由于缺乏回声估计的单独损失。在本文中，我们提出了一个两阶段模型（Y $^2$ -Net），它由两个FCRN，每个有两个输入和一个输出（Y-Net）。第一阶段（AEC）产生回声估计，作为DNN AEC模型的新颖性，第二阶段进一步使用该回声估计来执行RES和噪声抑制。虽然Interspeech 2021 AEC Challenge的主观听力测试大多产生了接近基线的结果，但在挑战组织者提供的仪器度量DECMOS的双重谈话中，所提出的方法在盲测试集上的基线上平均提高了0.46分。
2021-07-18 cs.SD eess.AS
ICASSP 2021 Acoustic Echo Cancellation Challenge: Datasets, Testing Framework, and Results
The University of Texas at Dallas（德克萨斯大学达拉斯分校）；Microsoft Corp.（微软公司）
ICASSP 2021声学回声消除挑战赛旨在促进声学回声消除（AEC）领域的研究，AEC是语音增强的重要组成部分，仍然是音频通信和会议系统的首要问题。许多最近的AEC研究报告在合成数据集上表现良好，其中训练和测试样本来自相同的底层分布。然而，AEC性能通常在真实记录上显著降低。此外，大多数传统的客观指标，如回声回波损耗增强（ERLE）和语音质量的感知评估（PESQ）不相关的主观语音质量测试中存在的背景噪声和混响在现实环境中发现。在这个挑战中，我们开源了两个大型数据集，以训练单端通话和双端通话场景下的AEC模型。这些数据集包括来自真实环境中2,500多个真实音频设备和人类扬声器的录音，以及一个合成数据集。我们开源了两个大型测试集，并开源了一个在线主观测试框架，供研究人员快速测试他们的结果。这项挑战的获胜者将根据所有不同的单次谈话和双次谈话场景中的平均意见得分（MOS）来选出。
2020-10-30 cs.SD eess.AS
Align-ULCNet: Towards Low-Complexity and Robust Acoustic Echo and Noise Reduction
International Audio Laboratories Erlangen（国际音频实验室埃朗根）；Fraunhofer IIS（弗劳恩霍夫研究所）
本文提出Align-ULCNet，通过时间对齐和并行编码器增强ULCNet，并引入通道采样特征重定向，在低复杂度下实现更优回声消除和鲁棒噪声抑制。
2025-08-02 cs.SD eess.AS eess.SP
A Regularized Block Diagonal RLS Algorithm for Acoustic Echo Cancellation
The College of Computer Science and Technology, Inner Mongolia Minzu University（内蒙古民族大学计算机科学与技术学院）
针对RLS算法用于声学回声消除时计算复杂度高的问题，提出正则化块对角RLS算法，通过块对角近似与Tikhonov正则化实现降复杂度与稳定性，实验验证其收敛性与鲁棒性。
2026-08-24 cs.SD eess.AS
Low-Complexity Acoustic Echo Cancellation with Neural Kalman Filtering
Tencent GVoice（腾讯GVoice）
由于卡尔曼滤波器具有对双端通话的鲁棒性、收敛速度快、稳态性能好等优点，在声学回声消除中得到了广泛的应用。卡尔曼滤波器的性能与状态噪声协方差和观测噪声协方差的估计精度密切相关。估计误差会导致不可接受的结果，特别是当回波路径发生突变时，卡尔曼滤波器的跟踪性能会显著下降。在本文中，我们提出了神经卡尔曼滤波（NKF），它使用神经网络隐式模型的状态噪声和观测噪声的协方差，并实时输出卡尔曼增益。在合成测试集和实际测试集上的实验结果表明，与现有的基于模型的方法相比，该方法在保证较低近端语音质量的同时，具有更好的收敛性和再收敛性。此外，所提出的NKF的模型大小仅为5.3 K，RTF低至0.09，这表明它可以部署在低资源平台中。
2022-10-30 cs.SD eess.AS
Joint NN-Supported Multichannel Reduction of Acoustic Echo, Reverberation and Noise
Invoxia SAS（Invoxia公司）；Université de Lorraine（洛林大学）；CNRS（法国国家科学研究中心）；Inria（法国国家信息与自动化研究所）；LORIA（洛林计算机科学与应用研究实验室）
我们考虑的问题，同时减少声学回声，混响和噪声。在真实场景中，这些失真源可能同时发生，减少它们意味着组合相应的失真特定滤波器。由于这些过滤器相互作用，因此必须对其进行联合优化。我们建议使用多通道高斯建模框架对线性回波消除和去混响后的目标和残留信号进行建模，并通过神经网络联合表示它们的频谱。我们开发了一个迭代块坐标上升算法来更新所有的过滤器。我们评估我们的系统在各种情况下用智能扬声器获得的声学回声，混响和噪声的真实记录。所提出的方法优于整体失真的级联的个别方法和联合减少的方法，它不依赖于目标和残留信号的频谱模型。
2020-07-27 cs.LG cs.SD eess.AS
Real-Time Joint Personalized Speech Enhancement and Acoustic Echo Cancellation
Microsoft（微软）
本文提出适用于多种架构的因果建模方法，用于实时联合个性化语音增强与声学回声消除，实验表明联合模型接近单独专家模型并显著优于其在联合任务上的表现。
2023-05-25 cs.SD eess.AS
Acoustic Echo Cancellation by Combining Adaptive Digital Filter and Recurrent Neural Network
Haier Smart Home Co., Ltd.（海尔智家股份有限公司）
声学回声消除（AEC）在语音交互中起着关键作用。由于显式的数学原理和适应条件的智能性质，具有不同类型实现的自适应滤波器总是用于AEC，具有相当大的性能。然而，在结果中会有一些种类的残留回声，包括由估计与实际之间的失配引入的线性残留和主要由音频设备上的非线性分量引起的非线性残留。线性残差可以通过精细的结构和方法来减少，而非线性残差则难以抑制。虽然人们已经提出了一些非线性处理方法，但这些方法都比较复杂，抑制效果不好，而且会对语音造成损害。本文提出了一种自适应滤波与神经网络相结合的AEC融合方案。通过自适应滤波可以大幅度地降低回波，从而使残留回波很小。虽然它比语音小得多，但它也可以被人耳感知，并使交流变得烦人。精心设计和训练神经网络以抑制这种残留回声。实验结果表明，该方法具有较好的融合效果和优越性。
2020-05-19 cs.LG cs.SD eess.AS
Implicit Acoustic Echo Cancellation for Keyword Spotting and Device-Directed Speech Detection
Amazon Alexa（亚马逊Alexa）
在许多支持语音的人机交互场景中，用户语音可以与设备回放音频重叠。在这些情况下，诸如关键字定位（KWS）和设备定向语音检测（DDD）之类的任务的性能可能会显著降低。为了解决这个问题，我们提出了一个隐式声学回声消除（iAEC）框架，其中神经网络被训练来利用来自参考麦克风通道的附加信息来学习忽略干扰信号并提高检测性能。我们研究了这个框架的任务KWS和DDD，分别，增强版本的谷歌语音命令v2和现实世界的Alexa设备数据集。值得注意的是，我们在设备播放条件下显示DDD任务的错误拒绝率降低了56%。我们还显示了与强大的端到端神经回声消除+ KWS基线相比相当或更优越的性能，用于KWS任务，其计算需求减少了一个数量级。
2022-10-04 cs.LG cs.SD eess.AS
EchoFree: Towards Ultra Lightweight and Efficient Neural Acoustic Echo Cancellation
本文提出EchoFree，一种结合线性滤波与Bark谱神经后置滤波的超轻量声学回声消除框架，采用两阶段自监督优化，以278K参数和30 MMACs计算量在ICASSP 2023挑战赛中达到与DeepVQE-S相当的性能。
2025-08-08 eess.AS
NeuralKalman: A Learnable Kalman Filter for Acoustic Echo Cancellation
Tencent AI Lab（腾讯AI实验室）
针对声学回声消除中卡尔曼滤波器无法建模非线性和参数调整困难的问题，本文提出NeuralKalman混合方法，用深度神经网络估计非线性信号和状态方程参数，显著提升FDKF性能并超越强基线。
2023-12-26 cs.SD eess.AS
Exploring the Interactions between Target Positive and Negative Information for Acoustic Echo Cancellation
Wuhan University（武汉大学）；Hubei Luojia Laboratory（湖北珞珈实验室）
针对近端语音与干扰信号难区分导致的语音失真和信号残留问题，提出利用目标负信息引导的新型AEC编码器-解码器架构CMNet，通过协作模块建立正负信息相关性，取得了优于近期方法的性能。
2023-07-26 cs.SD eess.AS
AEC in a NetShell: On Target and Topology Choices for FCRN Acoustic Echo Cancellation
声学回声消除（AEC）算法在信号处理中具有长期稳定的作用，其方法可以提高诸如汽车免提系统、智能家居和扬声器设备或网络会议系统等应用的性能。就在最近，提出了第一种基于深度神经网络（DNN）的方法，其中DNN用于联合AEC和残余回声抑制（RES）/降噪，在回声抑制性能方面显示出显着的改进。另一方面，降噪算法在DNN方法方面已经受到了很多关注，其中全卷积递归网络（FCRN）架构是最先进的拓扑结构之一。然而，到目前为止，联合AEC/RES DNN最近发表的令人印象深刻的回声消除性能伴随着语音质量的不可否认的损害。在这项工作中，我们将治愈这个问题，并显着提高近端语音分量质量超过现有的方法。此外，我们提出了第一次-尽我们所知-一个纯粹的DNN AEC的回声估计器的形式，这是基于一个有竞争力的FCRN结构，并提供了一个质量有用的实际应用。
2021-03-16 eess.AS
Nonlinear Acoustic Echo Cancellation with Deep Learning
Technion -- Israel Institute of Technology（以色列理工学院）
我们提出了一个非线性声学回声消除系统，其目的是模拟从远端信号到近端麦克风的回声路径的两个部分。受现代免提设备的物理行为的启发，我们首先介绍了一种新的神经网络架构，该架构专门设计用于对这些设备在接收和播放远端信号之间引起的非线性失真进行建模。考虑到设备之间的变化，我们构建了这个网络与可训练的内存长度和非线性激活函数，没有预先参数化，而是在训练阶段使用训练数据优化。其次，网络之后是一个标准的自适应线性滤波器，该滤波器不断跟踪扬声器输出和麦克风之间的回声路径。在训练过程中，网络和滤波器联合优化以学习网络参数。该系统需要17000个参数，每秒消耗5亿次浮点运算和40千字节的内存。它还满足标准神经处理器上的免提通信时序要求，这使得它足以嵌入免提通信设备。使用280小时的真实数据和合成数据，实验显示出与竞争方法相比具有优势的性能。
2021-06-25 cs.LG cs.SD eess.AS
A Universally-Deployable ASR Frontend for Joint Acoustic Echo Cancellation, Speech Enhancement, and Voice Separation
Google LLC（谷歌有限责任公司）
最近的工作表明，可以训练单个模型来执行联合声学回声消除（AEC）、语音增强和语音分离，从而用作鲁棒自动语音识别（ASR）的统一前端。联合模型使用上下文信息，诸如回放音频的参考、噪声上下文和扬声器嵌入。在这项工作中，我们提出了一些新的改进这样一个模型。首先，我们改进了用于将噪声上下文摄取到模型中的交叉注意一致性器的架构。其次，我们推广的模型能够处理不同长度的噪声上下文。第三，我们提出了Signal Dropout，这是一种新的策略，可以模拟缺失的上下文信息。在没有一个或多个信号的情况下，所提出的模型的性能几乎与没有这些信号训练的特定任务模型一样好;当存在这些信号时，我们的系统与需要所有上下文信号的系统相比表现良好。在基线上，当没有说话者嵌入时，最终模型在背景语音上保留了25.0%的相对单词错误率降低，当没有设备播放时，在AEC上保留了61.2%的相对单词错误率降低。
2022-09-14 cs.SD eess.AS
Sample Rate Offset Compensated Acoustic Echo Cancellation For Multi-Device Scenarios
针对多设备声学回声消除中采样率偏移导致滤波器发散的问题，提出结合多通道卡尔曼滤波、SRO估计与重采样的方法，实验验证其有效性，并指出相关播放信号下独立单通道滤波器对快速估计SRO的关键作用。
2025-07-07 eess.AS
DiffVQE: Hybrid Diffusion Voice Quality Enhancement Under Acoustic Echo and Noise
Technische Universität Braunschweig（不伦瑞克工业大学）；GN Advanced Science（GN高级科学）
提出首个基于扩散的声学回声控制模型DiffVQE，在回声和噪声控制性能、计算复杂度和模型大小上均优于判别式DeepVQE模型。
2026-06-18 eess.AS
AECMOS: A speech quality assessment metric for echo impairment
Microsoft Corporation（微软公司）
传统上，使用诸如ERLE \cite{g168}和PESQ \cite{p862}之类的侵入式语音质量评估措施或者通过执行主观实验室测试来评估声学回声消除器的质量。不幸的是，前者与人的主观测量没有很好的相关性，而后者执行起来耗时耗力。我们提供了一种新的回声损伤语音质量评估工具，可用于评估声学回声消除器的性能。更确切地说，我们开发了一个神经网络模型来评估呼叫质量下降在两个不同的类别：回声和其他来源的降级。我们表明，我们的模型是准确的，与人类主观质量评级的相关性。我们的工具可以有效地用于堆叠排名回声消除模型。AECMOS将作为Azure服务公开提供。
2022-01-27 cs.SD eess.AS
End-To-End Deep Learning-based Adaptation Control for Linear Acoustic Echo Cancellation
本文提出端到端DNN驱动的线性声学回声消除自适应控制，比较宽带与窄带步长推断并构建混合方法，以小型架构提升回声消除性能。
2023-06-04 eess.AS
