从回音消除到全双工通话：AEC算法中的100ms空间延迟容忍机制
在语音通信系统设计中，回音消除（AEC）是实现全双工通话的核心技术瓶颈。大多数消费级语音模组在这一指标上仅能容忍20~40ms的空间延迟，一旦扬声器到麦克风之间的声学路径超出这一范围，回音残留便会急剧上升，甚至导致通信完全失效。AU-60与A-59F两款模组均标称支持100ms延迟容忍，这一数值在同类DSP语音处理模组中具有明确的工程意义，值得深入拆解。
从信号处理的角度看，AEC的工作原理是在麦克风信号中估计并减去由扬声器播放出来的参考信号副本。设扬声器输出为$x(n)$，麦克风采集信号为$d(n)=s(n)+y(n)$，其中$s(n)$为人声，$y(n)$为回音路径对$x(n)$的响应。回音路径可建模为有限脉冲响应滤波器$h(n)$，即$y(n)=\sum_{k=0}^{N-1}h(k)\cdot x(n-k)$。自适应滤波器通过LMS或NLMS算法迭代更新系数向量$\hat{h}(n)$，使得误差信号$e(n)=d(n)-\hat{y}(n)$的功率最小化。收敛速度与稳态误差之间的权衡由步长因子$\mu$决定：$\mu$过大导致滤波器震荡，$\mu$过小则收敛时间过长。
空间延迟容忍度的本质约束在于回音路径的冲激响应长度。若房间混响时间为$T_{60}$，则有效回音路径长度约为$c\cdot T_{60}$（$c$为声速，约343m/s），对应的采样点数为$f_s\cdot T_{60}$。以44.1kHz采样率、500ms混响时间为例，滤波器需要跟踪的冲激响应可能跨越20000个采样点——这对DSP的算力和存储均构成挑战。AU-60与A-59F采用固定分块频域自适应滤波（FBF-AEC）策略，将长冲激响应分段处理，每块独立更新后再拼接，在计算复杂度与延迟容忍之间取得平衡。
100ms容忍度对应的物理距离约为34.3米。这意味着在典型会议室（长宽各8~12米）中，即使扬声器置于房间一角、麦克风置于对角，回音路径长度仍在容忍范围之内。更关键的是，这一指标还隐含了对声学反射路径的包容：在玻璃幕墙、金属表面等强反射环境中，一次反射与直达声的时延差可能达到20~50ms，若系统仅支持40ms容忍，则多次反射叠加后极易超出阈值；100ms规格则为多径效应预留了充足的工程裕量。
从接口设计看，A-59F的差分AEC参考输入（AEC_P/AEC_N）相对于单端输入具有更强的共模抑制能力。差分信号的有效共模抑制比（CMRR）可达60dB以上，这意味着功放输出信号中耦合的电源纹波、开关噪声在差分通道中会被大幅衰减，不至于污染AEC参考信号。相比之下，单端参考输入在电磁环境复杂的工业场景中容易拾取干扰，导致AEC滤波器对噪声进行错误适配，稳态误差恶化。10KΩ输入阻抗与最大1.2Vpp的幅度范围则确保了与主流D类功放输出的匹配兼容性。
对于全双工通话系统，延迟容忍度与通话质量并非简单的正相关关系。在实际通话中，端到端延迟（包括AEC处理延迟、网络传输延迟、编解码延迟）超过150ms时，用户主观感知的通话流畅度会明显下降。A-59F在AEC处理链路中引入的额外延迟约为10~15ms，与15ms扩音延迟叠加后仍控制在30ms以内，满足ITU-T G.114建议的单向延迟上限（150ms）。这一设计使得A-59F在会议室扩音、远程视频通话、医疗对讲等场景中能够同时保证回音消除效果与通话自然度。
值得注意的是，两款模组的AEC均支持参考输入模式（即馈送扬声器播放前的原始音频信号作为参考），这在USB声卡或I2S音频输出场景下尤为重要。相比盲源分离（ICA）或单通道AEC，参考输入模式利用了播放信号的完整频谱信息，可将回音消除深度提升10~20dB，代价是系统需要额外提供参考通路。在实际产品设计中，这一取舍需根据主控SoC的音频架构进行权衡——若主控芯片本身具备I2S输出监控能力，则参考模式可作为选配功能激活；若架构上无法提供参考信号，则自动回退到盲AEC模式。
