13、AEC性能评估：ERLE计算、PESQ、MOS分
做音频处理这么多年，我见过太多「听起来不错，一测就垮」的案例。回声消除做得好不好，不能光靠耳朵听——你得有数据说话。这一章，我们就来聊聊AEC性能评估的三个核心指标：ERLE、PESQ和MOS分。
说白了，这三个指标分别回答三个问题：回声消干净了吗？语音质量受损了吗？用户觉得怎么样？
13.1 ERLE：回声返回损耗增强
ERLE（Echo Return Loss Enhancement）是衡量AEC对回声抑制能力的核心指标。它的计算公式很简单：
ERLE(dB) = 10 * log10( E[ d²(n) ] / E[ e²(n) ] )其中 d(n) 是近端麦克风采集到的信号（包含回声），e(n) 是AEC处理后的残差信号。ERLE值越大，说明回声抑制得越干净。
实际项目中的经验值：
| 场景 | ERLE典型值 | 说明 |
|---|---|---|
| 单讲（远端说话） | 25-40 dB | 远端说话时，近端麦克风应几乎听不到回声 |
| 双讲（双方同时说话） | 10-20 dB | 双讲时AEC会保守一些，避免损伤近端语音 |
| 非线性失真场景 | 15-25 dB | 扬声器失真严重时，ERLE会明显下降 |
关键点：ERLE不能只看平均值，要看时变曲线。我习惯把ERLE随时间变化的曲线画出来，观察是否有「掉坑」的地方——比如双讲开始瞬间ERLE骤降，那说明双讲检测没做好。
我的小技巧：计算ERLE时，记得先做VAD（语音活动检测）分段。只计算远端说话、近端静音的时间段，否则双讲段的ERLE会把整体数值拉低，掩盖真实性能。
13.2 PESQ：语音质量感知评估
PESQ（Perceptual Evaluation of Speech Quality）是ITU-T P.862标准定义的客观语音质量评估方法。它模拟人耳听觉特性，输出一个-0.5到4.5之间的分数。
PESQ的输入是两个音频文件：参考信号（原始近端语音）和退化信号（经过AEC处理后的近端语音）。算法会比较两者的差异，给出一个客观评分。
PESQ分数解读：
| PESQ分数 | 主观感受 | 常见场景 |
|---|---|---|
| 4.0 - 4.5 | 几乎无感知损伤 | 高质量AEC + 低噪声环境 |
| 3.0 - 4.0 | 轻微损伤，可接受 | 大部分商用AEC的水平 |
| 2.0 - 3.0 | 明显损伤，影响沟通 | 低端AEC或高噪声场景 |
| < 2.0 | 严重损伤，不可用 | AEC失效或参数严重错误 |
注意：PESQ对非线性失真非常敏感。我曾经遇到一个项目，AEC把回声消得很干净（ERLE 35dB），但PESQ只有2.8——后来发现是NLMS的步长设置太大，导致近端语音被过度削波。ERLE好看，不代表语音质量好。
13.3 MOS分：主观与客观的桥梁
MOS（Mean Opinion Score）是ITU-T P.800定义的主观评价方法。它让一组听音人对语音质量打分，取平均值。MOS分范围1-5，5分代表完美。
但主观测试成本高、周期长。所以业界常用PESQ、POLQA等客观算法来预测MOS分。PESQ到MOS的映射关系大致如下：
MOS ≈ 1 + 0.999 * PESQ (PESQ在1.0-4.5范围内近似线性)不过这个映射并不精确。我个人更推荐直接使用ITU-T P.862.1附录中的映射表，或者用POLQA（P.863）——它对现代编解码器（如Opus、AAC）的评估更准确。
三种指标的对比：
| 指标 | 衡量什么 | 优点 | 缺点 |
|---|---|---|---|
| ERLE | 回声抑制程度 | 计算简单，实时性好 | 不能反映语音损伤 |
| PESQ | 语音质量损伤 | 与主观感受相关性高 | 对非线性失真敏感 |
| MOS | 用户主观体验 | 最接近真实感受 | 测试成本高，周期长 |
13.4 评估流程与工具
在实际项目中，我通常按以下流程做AEC性能评估：
- 录制测试数据：使用人工嘴和仿真头，录制远端信号、近端信号、回声路径的冲激响应。
- 离线处理：用AEC算法处理录制好的数据，得到处理后的近端信号。
- 计算ERLE：分段计算ERLE，画出时变曲线，观察是否有异常波动。
- 计算PESQ：用ITU-T参考软件或开源实现（如pypesq）计算PESQ分数。
- 主观听音：找3-5个人做盲听测试，给出MOS分。
我的经验：不要只看一个指标。ERLE高但PESQ低，说明AEC「用力过猛」；PESQ高但ERLE低，说明回声没消干净。三个指标要综合看，才能全面评估AEC性能。
13.5 知识体系图
下面这张图展示了AEC性能评估的核心逻辑：
13.6 避坑指南
做AEC评估这些年，我踩过不少坑。挑几个典型的说说：
- ERLE计算时没对齐延迟：回声路径有延迟，直接计算ERLE会得到负值。一定要先做延迟估计，对齐后再算。
- PESQ对采样率敏感：PESQ标准要求16kHz采样率。如果你用48kHz的数据直接算，结果会偏差很大。记得先降采样。
- MOS分不要只看平均值：我见过一个项目，MOS平均分3.8，但有个别样本只有1.5——后来发现是特定场景下AEC崩溃了。一定要看分布，不要被平均值骗了。
我的建议：建立自动化测试流水线。每次修改AEC算法后，自动跑一遍ERLE、PESQ、MOS的测试集，生成对比报告。这样能快速发现回归问题，避免「改了一个bug，引出三个新bug」的尴尬局面。
好了，这一章的内容就到这里。评估AEC性能，说白了就是三个维度：消得干净（ERLE）、说得清楚（PESQ）、听着舒服（MOS）。三者缺一不可，别偷懒。
公众号:蓝海资料掘金营，微信deep3321