回声消除性能评判指标

为了反映回声消除中自适应滤波器r1(n)r_1(n)r1(n)对真实回声路径r(n)的逼近程度。系统距离，定义为：
DIST(n)=10lg∣∣r1(n)−r(n)∣∣2∣∣r(n)∣∣2DIST(n) = 10lg \frac{||r_1(n)-r(n)||^2}{||r(n)||^2} DIST(n)=10lg∣∣r(n)∣∣2∣∣r1(n)−r(n)∣∣2
其中DIST值越低，表明自适应滤波器的收敛性能越好

为了衡量回声消除效果，因为单讲和双讲场景对输出信号e(n)要求不一样，只有近端单讲时要求e(n)与麦克风采集信号d(n)尽量一致，只有远端单讲时需要对e(n) 尽量抑制，双讲时需要保持近端语音尽量一致同时抑制回声，所以我们对单讲双讲部分需要使用不同指标进行评价。

1，ERLE(Echo Return Loss Enhancement，回声返回衰减增益)：
ERLE=10lgE[d2(n)]E[e2(n)]ERLE = 10lg \frac{E[d^2(n)]}{E[e^2(n)]} ERLE=10lgE[e2(n)]E[d2(n)]

ERLE值越大，则表明回声抵消效果越好。由于双讲或只有近端单讲时，e(n)中包含近端语音，导致很多情况下e(n)的能量远大于回声y(n)的能量，从而ERLE为负值，同时也无法衡量回声部分的消除情况。

对于优秀的回声消除器，返回衰减增益必须不低于6dB.

2，SuppFactor(能量衰落因子)：

AEC后输出能量与对应麦克风信号能量的比值。
SuppFactor=E[∣e∣2(n)]E[∣x∣2(n)]SuppFactor = \frac{E[|e|^2(n)]}{E[|x|^2(n)]} SuppFactor=E[∣x∣2(n)]E[∣e∣2(n)]
3，cohde(输出信号e(n)与麦克风信号d(n)的频谱相关性)：

该值越接近1，说明输出信号中保留的麦克风信号频谱越多。考虑到麦克风信号d(n)主要由回声信号y(n)和近端语音v(n)构成，因此只有近端单讲情况下cohde的值才能接近1，双讲情况下cohde的值在0.5～0.9（取决于回声信号在该帧的占比），当cohde接近0时说明输出信号几乎不包含任何近端语音和回声的频谱成分。其计算公式如下：
Sd=D(ω)D∗(ω)S_d = D(\omega)D*(\omega) Sd=D(ω)D∗(ω)

Se=E(ω)E∗(ω)S_e = E(\omega)E*(\omega) Se=E(ω)E∗(ω)

Sde=D(ω)E∗(ω)S_{de} = D(\omega)E*(\omega) Sde=D(ω)E∗(ω)

Cohde=∣Sde∣2∣Sd∗Se∣Cohde=\frac{|S_{de}|^2}{|S_d*S_e|} Cohde=∣Sd∗Se∣∣Sde∣2

4，cohxe(输出信号e(n)与远端参考信号x(n)的频谱相关性)：

该值越接近0，说明输出信号中残留的远端参考信号频谱越少，回声消除越彻底，其计算公式如下：
Sx=X(ω)X∗(ω)S_x = X(\omega)X*(\omega) Sx=X(ω)X∗(ω)

Se=E(ω)E∗(ω)S_e = E(\omega)E*(\omega) Se=E(ω)E∗(ω)

Sxe=X(ω)E∗(ω)S_{xe} = X(\omega)E*(\omega) Sxe=X(ω)E∗(ω)

Cohxe=∣Sxe∣2∣Sx∗Se∣Cohxe=\frac{|S_{xe}|^2}{|S_x*S_e|} Cohxe=∣Sx∗Se∣∣Sxe∣2

不同通话状态对应的参数指标：

1，近端单讲（最大程度保持输出与麦克风信号一致）：

cohde：越接近1说明输出与麦克风信号越相似，越接近0说明两者差异越大，近端单讲时理想值为1。

cohxe：越接近1说明输出与远端参考信号越相似，越接近0说明两者差异越大，即残留的远端参考信号频谱成分越少，理想值为0。

SuppFactor：越接近1说明输出与麦克风信号的能量越接近，越接近0说明AEC造成能量衰落越严重，近端单讲时理想值为1。

2. 远端单讲（最大程度抑制回声）：

ERLE：值越大越好，则表明残留回声的能量相对值越小，回声抵消效果越好。

cohde：越接近1说明输出与麦克风信号越相似，越接近0说明两者差异越大，远端单讲时理想值为0。

cohxe：越接近1说明输出与远端参考信号越相似，越接近0说明两者差异越大，即残留的远端参考信号频谱成分越少，理想值为0。

SuppFactor：越接近1说明输出与麦克风信号的能量越接近，越接近0说明AEC造成能量衰落越严重，远端单讲时理想值为0。

3. 双讲（尽量抑制回声同时保留近端语音）

cohde：越接近1说明输出与麦克风信号越相似，保留的近端语音频谱成分也越多；越接近0说明两者差异越大，保留的近端语音频谱成分也越少，双讲时理想值为0.5～0.9（取决于回声信号在该帧的占比）。

cohxe：越接近1说明输出与远端参考信号越相似，越接近0说明两者差异越大，即残留的远端参考信号频谱成分越少，双讲时理想值为0。

SuppFactor：越接近1说明输出与麦克风信号的能量越接近，越接近0说明AEC造成能量衰落越严重，双讲时理想值为1。