双讲检测：让回声消除知道「谁在说话」

回声消除里有个很要命的问题——什么时候该更新滤波器，什么时候该冻结。你想想看，如果远端和近端同时都在说话，这时候还傻乎乎地更新自适应滤波器，那滤波器系数直接就跑偏了。这就是双讲检测（Double-Talk Detection, DTD）存在的意义。

我刚开始做回声消除的时候，觉得双讲检测就是个开关嘛，简单。后来踩了坑才发现，这个开关要是做不好，整个系统就废了。今天咱们就把这块掰开揉碎了讲。

为什么必须做双讲检测？

先看一个场景。远端的人在说话，近端的人也在说话。这时候麦克风采集到的信号是：

近端语音
远端语音的回声
环境噪声

如果自适应滤波器还在继续更新，它会试图用远端参考信号去抵消近端语音。结果呢？近端语音被当成回声给消掉了，这叫「近端语音泄露」。更糟的是，滤波器系数会发散，等双讲结束，回声消除性能就再也回不来了。

我曾经在一个项目里没做双讲检测，结果客户投诉说「你们这产品通话时断时续，对方声音一会儿有一会儿没」。查了两天才发现，就是双讲时滤波器发散导致的。从那以后，我再也不敢轻视双讲检测了。

双讲检测的核心任务就一个：判断当前是单讲（只有远端说话）还是双讲（两端都在说话）。单讲时正常更新滤波器，双讲时立刻冻结更新。

能量比较法：最朴素的做法

能量比较法的思路很直接。比较麦克风信号的能量和远端参考信号的能量。如果麦克风能量远大于远端能量，说明近端有人在说话，判定为双讲。

公式长这样：

if (E_mic > threshold * E_ref) {
    double_talk = TRUE;  // 双讲，冻结滤波器
} else {
    double_talk = FALSE; // 单讲，正常更新
}

其中 E_mic 是麦克风信号能量，E_ref 是远端参考信号能量，threshold 是个经验值，一般取 2~4。

这方法简单吧？但坑也不少。

我建议能量计算用平滑后的值，别用瞬时值。瞬时能量波动太大，容易误判。平滑时间常数取 50~100ms 比较合适。

能量比较法的优缺点：

优点	缺点
计算量极小，适合嵌入式	对回声路径变化敏感
实现简单，调试方便	阈值不好调，环境适应性差
低延迟，实时性好	噪声大时容易误判

说白了，能量比较法就是个「糙快猛」的方案。用在安静环境、回声路径稳定的场景还行，但到了复杂环境就力不从心了。

用远端信号的最大绝对值作为参考
比较麦克风信号和这个参考值
加入一个「比较窗口」，避免瞬时波动

算法流程：

// 1. 计算远端信号的最大绝对值
ref_max = max(|x(n)|, |x(n-1)|, ..., |x(n-L+1)|)

// 2. 比较麦克风信号
if (|y(n)| > T * ref_max + margin) {
    double_talk_count++
} else {
    double_talk_count = 0
}

// 3. 连续判定
if (double_talk_count > hangover) {
    double_talk = TRUE
} else {
    double_talk = FALSE
}

这里有几个关键参数：

参数	含义	典型值
L	远端信号搜索窗口长度	等于回声路径长度
T	门限因子	0.5~2.0
margin	安全余量	根据噪声水平调整
hangover	挂起计数	3~10帧

Geigel算法为什么好？因为它考虑了三个实际问题：

回声路径的衰减：远端信号经过扬声器、空间传播、麦克风采集，能量会衰减。T 值就是用来补偿这个衰减的。
噪声的影响：margin 参数给了一个安全余量，避免噪声导致误判。
判决的稳定性：hangover 机制要求连续多次满足条件才判定为双讲，防止毛刺误触发。

我曾经在一个车载项目里调 Geigel 参数调了整整一周。T 值设小了，双讲检测不灵敏，近端语音被消掉；T 值设大了，又把单讲误判成双讲，回声消除不工作。最后发现，T 值要根据实际回声衰减来定，不能拍脑袋。

三种方法的对比

我把三种方法放在一起对比，方便你选型：

方法	计算量	延迟	抗噪能力	适用场景
能量比较法	极低	低	差	安静环境、低成本设备
相关检测法	中等	中	中等	回声路径变化大的场景
Geigel算法	低	低	好	工业级产品、车载、VoIP

我个人习惯是：能上 Geigel 就上 Geigel。它性价比最高，参数调好了能应对绝大多数场景。如果芯片资源实在紧张，再考虑能量比较法。

双讲检测的整体流程

下面这张图展示了双讲检测在回声消除系统中的位置和作用：

从图上能看出来，双讲检测不是独立存在的。它需要远端信号和误差信号作为输入，输出一个控制信号去冻结或放开自适应滤波器。这个控制信号的质量，直接决定了整个回声消除系统的稳定性。

实际项目中的避坑指南

最后分享几个我踩过的坑：

不要只用一种方法。我建议把 Geigel 算法作为主检测，再用相关检测法做辅助判决。两个方法同时判定双讲，才真正冻结滤波器。这样能大幅降低误判率。
注意双讲结束后的恢复。双讲结束后，滤波器不能立刻全速更新，要有个「软恢复」过程。我一般用指数衰减的方式，让滤波器逐渐恢复到正常更新速度。
参数要自适应。固定参数的系统很难适应所有场景。我习惯在系统启动时做一段「学习期」，自动估算回声衰减和噪声水平，然后动态调整 T 值和 margin。
别忘了挂起机制。双讲检测的 hangover 参数很关键。设小了，判决抖动大；设大了，双讲结束后滤波器恢复慢。我一般取 5~8 帧，具体看帧长和系统延迟要求。

嗯，双讲检测这块内容就这些。说白了，它就是个「聪明的开关」，该开的时候开，该关的时候关。做得好，回声消除系统就稳如泰山；做不好，再好的自适应算法也白搭。

📚 课程目录

双讲检测：让回声消除知道「谁在说话」

为什么必须做双讲检测？

能量比较法：最朴素的做法

相关检测法：更聪明的做法

Geigel算法：工业界的标配

三种方法的对比

双讲检测的整体流程

实际项目中的避坑指南