12、非线性处理：中心削波、频谱减法、舒适噪声生成（CNG）
好，我们继续往下走。前面聊了线性滤波和自适应滤波，那些手段对付的是比较「规矩」的回声路径。但实际场景里，回声路径往往没那么听话——非线性失真、突发噪声、残留回声，这些才是真正让人头疼的东西。
我个人习惯把这一章的内容称为「收尾三件套」。为什么这么说？因为中心削波、频谱减法、舒适噪声生成，它们通常不是单独作战，而是跟在AEC（声学回声消除）主算法后面，处理那些残余的、非线性的回声成分。说白了，就是给回声处理做最后的「打扫战场」。
12.1 中心削波：简单粗暴但有效
中心削波（Center Clipping）是我最早接触的非线性处理手段。它的思路非常直接：把信号幅度小于某个阈值的部分直接砍掉。
你想想看，经过线性AEC处理后，残留的回声通常幅度比较小。如果我们设定一个合适的阈值，把低于这个阈值的信号全部置零，那残留回声就被干掉了。当然，近端语音如果也很小，也会被误伤——这就是它的局限性。
我在项目中遇到过这样一个场景：某款低端手机，扬声器失真严重，线性AEC怎么调都压不干净。后来我在后处理阶段加了一个中心削波，阈值设成近端语音平均幅度的30%，效果立竿见影。虽然牺牲了一点弱语音的清晰度，但整体通话质量提升了一大截。
核心公式：
y(n) = sign(x(n)) * max(0, |x(n)| - T)其中 T 是削波阈值，通常根据背景噪声水平动态调整。
我的经验：阈值不要固定死。我建议用近端信号的短时能量做自适应，比如取最近50ms信号平均幅度的0.2~0.4倍。这样在安静环境下削得狠一点，嘈杂环境下保留更多细节。
12.2 频谱减法：从频域下手
中心削波是在时域干活，频谱减法（Spectral Subtraction）则是在频域做文章。它的核心思想是：估计出噪声（这里指残留回声）的频谱，然后从原始信号频谱中减去它。
为什么需要频谱减法？因为中心削波对宽带噪声效果不错，但对音乐、铃声这类窄带残留回声，削波会引入明显的「音乐噪声」——就是那种断断续续的、像水泡一样的声音。频谱减法能更好地保留语音的谐波结构。
具体做法分三步：
- 估计噪声谱：利用AEC输出的误差信号，或者远端参考信号，估算残留回声的功率谱密度。
- 计算增益函数：根据信噪比（这里其实是信号与残留回声的比值）计算每个频点的衰减增益。
- 应用增益：将增益函数乘到原始信号频谱上，再反变换回时域。
注意：频谱减法最怕两件事：一是噪声估计不准，导致语音失真；二是减过头了，产生负功率。我通常会在增益函数上加一个下限，比如最小增益设为0.1，避免完全切断某个频段。
我记得有一次调试车载免提系统，后排乘客说话时回声总是消不干净。线性AEC已经尽力了，但车内混响和扬声器非线性导致残留回声集中在低频段。我用频谱减法专门处理200Hz以下的频段，效果比全频段处理要好得多。
12.3 舒适噪声生成：别让通话「死寂」
好，现在中心削波和频谱减法把残留回声干掉了。但问题来了——当远端不说话、近端也不说话时，信号被削得干干净净，对方听到的就是一片死寂。这种「断崖式」的静音，比有噪声还难受。
舒适噪声生成（Comfort Noise Generation, CNG）就是解决这个问题的。它的任务是：在检测到双端静音时，生成一段与背景噪声特性相似的随机信号，填充到输出中。
说白了，就是「造假」——造一段听起来像真实环境噪声的信号，让通话保持自然。
我见过一些初学者直接加白噪声，结果对方一听就知道「这噪声不对劲」。真正的舒适噪声要匹配背景噪声的频谱形状和幅度波动。常用的方法是：
- 用高斯随机数作为激励源
- 通过一个AR（自回归）模型或滤波器，将白噪声塑造成目标频谱
- 控制输出幅度，使其与背景噪声的短时能量一致
CNG的典型流程：
1. 在非静音段，持续更新背景噪声的频谱模板
2. 检测到静音时，生成高斯白噪声
3. 用频谱模板对白噪声进行滤波
4. 调整增益，使输出能量与背景噪声匹配
5. 平滑过渡，避免突变嗯，这里要注意：CNG的启动和停止一定要做淡入淡出。我曾经因为没做平滑，导致每次静音切换时都有一个「噗」的冲击声，被测试团队追着改了好几天。
12.4 三者的协同工作
在实际系统中，这三个模块通常是串联使用的。我画了一张流程图，帮你理清它们的关系：
从图上你能看到：AEC输出先经过中心削波，把明显的残留回声砍掉；然后进入频谱减法，处理那些削不干净的窄带残留；最后，如果检测到双端都静音，就启动CNG填充舒适噪声。
这里有个细节：CNG和前面两个模块是互斥的。当CNG工作时，中心削波和频谱减法的输出会被替换掉。为什么？因为静音段不需要保留任何语音信息，直接生成噪声反而更自然。
避坑指南：我曾经在某个项目中，把CNG的噪声模板更新得太快。结果每次说话停顿，噪声特性都变一下，听起来像有人在调节音量旋钮。后来我把模板更新周期设为1~2秒，用指数平滑做慢速跟踪，问题就解决了。
12.5 参数调优建议
这三个模块的参数调优，我总结了一张表，方便你参考：
| 模块 | 关键参数 | 我的调优建议 |
|---|---|---|
| 中心削波 | 阈值T、攻击/释放时间 | T设为近端语音平均幅度的0.25~0.35倍；攻击时间5ms，释放时间20ms，避免语音起始段被误削 |
| 频谱减法 | 过减因子α、噪声谱更新速度β | α取1.2~1.5（减多一点），β取0.1~0.3（慢更新）；低频段α可以更大 |
| 舒适噪声 | AR模型阶数、模板更新周期 | 阶数8~12足够；更新周期1~2秒，用0.95的遗忘因子做指数平滑 |
嗯，这些参数不是绝对的。不同硬件、不同场景下，你需要根据实际听感做微调。我个人的习惯是：先拿一段典型的通话录音，离线调好参数，再上板验证。这样能省很多现场调试的时间。
好了，非线性处理这块就聊到这儿。中心削波、频谱减法、舒适噪声生成，这三板斧用好了，你的AEC系统就能从「能用」变成「好用」。下一章我们聊聊更高级的话题——双麦克风波束成形与回声消除的联合优化。