音質優化，回聲消除試聽：https://pan.baidu.com/s/1nvObNvz
時域：
----------------------------------------------------------------------------------------------------------------------
LMS濾波器
參數更新公式：
權重更新收到輸入信號的能量影響較大，輸入信號能量越大，步長取值應該較小，保證不容易發散。
步長太大，容易發散。
步長太小，穩定，但是收斂速度慢，相互矛盾。
缺點：
1.逐個點更新，計算量大
2.瞬時跟蹤能力較弱
NLMS濾波器
將輸入信號的能量
融合入權重更新公式，則
優點：對於不太平穩的語音，相對LMS，也有較快的收斂性和平穩性。
計算量問題：
LMS算法：M階自適應濾波器作用，有M次乘法，權重因子更新，則有M+1次乘法。M階濾波器走一圈，則有2M+1次乘法。
NLMS算法：需要加上額外的能量乘法計算，則有3M+2次乘法。
計算量都正比於M階系數。
對於NLMS中能量的計算，可以用平均能量做平滑進行估計，減小計算量：
AP算法：NLMS的一般化
利用了P列歷史數據，后續的參數計算都是矩陣計算，不再是逐個點計算。有更好更快的收斂性，但是 計算量變大為
重復利用過去的數據來提高收斂速度，但數據重用也導致了計算復雜度的增大。
當P為1時，退化成NLMS。
RLS算法：最小化加權重的均方誤差和。
越久的點，則占的權重就越小，符合實際情況，滿足非平穩的特性。
更新公式：
其中，
復雜度：
----------------------------------------------------------------------------------------------------------------------
可變步長：
----------------------------------------------------------------------------------------------------------------------
時延估計：
DTD檢測：
http://www.docin.com/p-1263426732.html
http://www.docin.com/p-848898417.html&dpage=1&key=%E5%9B%9E%E9%9F%B3%E6%80%8E%E4%B9%88%E6%B2%BB
《一種新的回音消除的雙向通話檢測算法》
能量比較法
GEIGEL法 簡單誤判率高
相關函數法 計算量大
回聲路徑估計法 復雜
兩矢量夾角法 就是下面那個公式
如果v(n)由u(n)經過線性系統獲得，則該系數為1，表示兩者之間的線性關系，相關度。
NLP后處理：
----------------------------------------------------------------------------------------------------------------------
子帶自適應濾波器的若干問題
子帶濾波器要完美重建需要滿足一定條件，實際工程中，只需滿足現實需求即可。
優點：
1.分成子帶后，每個子帶的信號變得相對平坦，頻譜下采樣后，有利於濾波器收斂。
代碼中，對子帶頻域信號進行循環偏移(時域抽取)，只取前面FS/D。
D決定了把頻譜分成幾個塊，把這幾個塊進行循環右移動0~D-1，疊加在第一個塊中。
Hz(i) 送入第幾個子帶信號，進行下采樣(頻譜下采樣最后得到 W/D帶寬的窄帶信號)。
子帶信號的時域和頻域做法
子帶時域，每隔D次更新 恢復，先通過FFT變換，變成頻域子帶信號(已經偏移好了)，之后如頻域做法
頻域做法就是偏移疊加，取第一個塊。 恢復全帶過程： 重新組合， 頻域全帶 Ifft 時域全帶
相對於子帶，過采樣的好處，減少混疊。如果是嚴格下采樣，相鄰子帶有混疊。
將子帶信號進行頻譜下采樣后，可以重新排列，組合成全帶信號。
因為子帶 1,2,3 和 子帶 7,6,5 共軛對稱。所以僅需子帶0,1,2,3,4可以恢復出全帶信號。(i=1,2,...N/2-1)子帶 與 N-i子帶共軛對稱。
2.分成子帶后，濾波器的階數較低，計算量較小。
3.分成子帶后，有利於各個子帶的並行處理。
缺點：
下采樣會造成各個子帶有混疊，而且混疊不可避免。對於單個子帶來說，混疊相對於添加了噪聲，這個會干擾自適應的過程。
為了減小混疊的影響，可以進行過采樣，但是這會造成許多小的特征值(自相關矩陣)，這稱為子帶邊界效應。
過采樣的好處：減小混疊，均方誤差較小；但是相對於嚴格下采樣，一個快的初始收斂，慢的穩定收斂漸進線(邊界效應，小的特征值)，如圖：
解決的思路：1.融合自適應cross-filter濾波器進行混疊補償。 2.采用MSAF。 3.采用閉環結構。最小化全局的均方誤差，而不是子帶。
fir1(127,1/4)低通原型濾波器，Hi(z) = 原型濾波器 指數調制，為復數，所以頻譜不會對稱。
四個子帶； 過采樣2倍，減小混疊，但是造成小的特征值；嚴格下采樣，還是包含不希望的混疊分量。
cross-filter，相鄰子帶之間相互影響的因素考慮進去：如圖
開環結構：
對輸入信號和期望信號都進行子帶分解，每個子帶濾波器都各自獨立的進行自適應收斂，它不是全局均方誤差最小化，而是
各個子帶均分誤差之和最小。
閉環結構：
對輸入信號和誤差信號進行子帶分解，最小化全局整頻帶的均方誤差最小，有利於減小邊界效應和混疊效應，合成時有時延對齊。
PNLMS 加快收斂，誤差較大
IPNLMS(improved proportionate) 擴展了NLMS算法，使用不同的步長，針對不同的系數，收斂率不依賴於信號的能量強度。
PMSAF 使用一系列子帶信號 用全帶濾波器
PMSAF在自適應階段使用子帶信號，這是與IPNLMS最主要的區別。
與之相似的是，步長的計算基於每個系數的幅度。
基本思想：剛開始用大步長，后面用小步長。梯度大時，用小步長，梯度小時，用大步長。
BLMS 分塊的LMS時域算法
FBLMS 分塊的LMS頻域實現算法，可能造成大的時延
PFBLMS 分塊頻域快速塊LMS，可以減小時延，處理長時回聲
PBFDAF 或者說FBLMS是MDF的特殊情況，h(n)不作分塊，或者說分塊為1.
又稱為MDF, 與FBLMS,不同的是，h(n)也做了分塊，分段塊頻域自適應濾波，處理長時回聲，時延小