从“听得见”到“听得清”:启英泰伦AEC硬件设计实战指南

封面.png

从选型到调试,一篇讲透回声消除的硬件设计全流程

在智能语音产品的开发中,我们经常面临一个令人头疼的问题:设备自己播放的声音被麦克风重新拾取,导致语音识别准确率大幅下降,全双工通话更是“自说自话”难以进行。这个问题的核心,就是声学回声消除(Acoustic Echo Cancellation, AEC)

作为一家专注于AI语音芯片及算法研发的全栈技术企业,启英泰伦在端侧语音芯片市场占有率行业领先,构建了全链路深度学习神经网络模型,在回声消除、深度学习降噪、声源定位等关键技术上均有深厚积累。本文将结合我们多年的实战经验,从开发者视角出发,系统梳理AEC硬件设计的完整流程——从元器件选型、原理图设计,到整机结构布局、效果调试与问题排查,帮助大家少走弯路,一次性把AEC做好。


一、AEC是什么?为什么它如此重要?

AEC的全称是声学回声消除(Acoustic Echo Cancellation)。简单来说,它是一种以参考信号为基准,自适应追踪回声路径变化、实时抑制扬声器到达麦克风终端回声信号的算法。它的核心工作,就是把麦克风拾取到的、由自身产品喇叭播放的声音“抹掉”,只保留原始的人声或环境音,从而显著提升后端音频处理的质量。

哪些场景离不开AEC?

  • 音乐打断(Voice Interrupt):设备正在播放音乐,用户说出唤醒词,系统需要准确识别——如果播放的音乐没有被有效消除,唤醒率会大打折扣。
  • 全双工通话(Full-Duplex Communication):双方同时说话时,如果本地播放的远端声音被麦克风重新拾取并传回远端,就会产生严重的回声,通话体验直接“翻车”。

AEC算法的效果,三分靠算法,七分靠硬件。硬件设计不合理,再好的算法也无力回天。下面我们就从硬件设计说起。

回声消除原理框图
图1:回声消除原理框图


二、硬件设计——打好AEC的地基

1. 元器件选型——好的开始是成功的一半

功放选型
功放是AEC参考信号的源头。我们的经验是:在最大音量状态下,功放输出功率的失真度必须小于10%。失真过大会导致参考信号“不干净”,AEC算法无法准确追踪回声路径。我司常用型号包括FM8002A、SGM4890等AB类功放。如果选用D类功放,反馈信号端必须增加RC滤波,将脉冲宽度调制(PWM)信号滤为模拟信号后再送入AEC参考通道。

喇叭选型
喇叭直接决定了声学回声的“原始面貌”。建议:

  • 优先选用带独立音腔的喇叭,避免声音在整机内部四处传播。
  • 喇叭最大功率状态下,THD的最佳值应 ≤5%,最大允许值为 ≤10%

2. 原理图设计——照着做,别自己“发明”

我们强烈建议:第一次设计AEC电路时,直接参考启英泰伦官方平台提供的参考电路。设计完成后,建议发给我司市场或FAE团队确认,避免因细节疏忽导致整机返工。

根据不同的产品形态,我们提供以下几种典型参考电路方案:

  • 方案一:单MIC + 单喇叭,AB类功放
    基础方案,电路最简单。参考电路如下:
    1

  • 方案二:单MIC + 单喇叭,D类功放
    需加RC滤波,把PWM信号滤为模拟信号。注意电路留差分设计,但默认采用单端反馈方式。参考电路:
    2

  • 方案三:双MIC + 外置Codec(顺芯ES7243E)+ 单喇叭,AB类功放
    外置Codec可提升AEC效果。参考电路:
    3

  • 方案四:双MIC + 外置Codec(顺芯ES7243E)+ 单喇叭,D类功放
    需加RC滤波。参考电路:
    4

特别提醒:所有电路均预留差分设计,但默认采用单端反馈方式即可满足绝大多数场景。


三、整机结构——声学设计的“隐形战场”

很多开发者把精力都花在了电路上,却忽略了结构设计对AEC的决定性影响。以下八条原则,条条都是“血的教训”换来的:

1. MIC与喇叭“能离多远离多远”
在结构空间允许的条件下,MIC要尽量远离喇叭,且不要放在同一方向。尤其是喇叭输出功率大于2W的产品,这一点尤为重要。物理隔离是最有效的回声抑制手段。
MIC与喇叭位置关系
图:MIC与喇叭位置关系示意

2. MIC处喇叭音量
麦克风处喇叭声音要小于85dB。如果太大,会影响打断距离。如喇叭输出2W/4R功率时,麦克风与喇叭距离,至少最好大于5cm。

3. MIC人声
麦克处喇叭和人声的信回比大于-10dB 。如麦克风识别到喇叭的声音为85dB,则麦克风识别到的人声要大于75dB。

4. MIC必须密封
MIC需配备结构稳固且可密封的外壳,胶套厚度需超过1mm,确保MIC不会接收到整机内部喇叭产生的音源干扰。很多AEC效果不佳的案例,根源就在于MIC没有做好密封。

5. 内部结构固定
整机内部,电池、PCBA板需要固定卡死,不能松动。

6. 内部做隔音
整机内,喇叭与麦克风做隔音处理。如麦克风背面加一个密封壳体,用螺丝固定。密封壳体与主体之间加1mm厚的隔音棉。主要避免喇叭声音从整机内部传到麦克风处。确保气密性测试结果大于10dB。

7. 喇叭固定考虑减震
喇叭需要用螺丝固定。喇叭与外壳需要贴紧且加减震材料(如隔音棉,硅胶垫等),建议使用2-3mm厚的,压缩率为12%-18%,注意螺丝位也加上减震垫。

8. 模拟MIC选型参数有讲究
选择模拟麦克风时,建议灵敏度在 -32±3dB 范围内,信噪比 >65dB。这两个参数直接关系到环境噪声抑制能力和人声拾取清晰度。

9. 拾音孔设计有公式
拾音孔的直径与孔深度(即外壳厚度)密切相关,需要合理匹配。以下为推荐规格示意:
5
6
7

10. 喇叭选型避坑指南

  • 尽量使用带音腔的喇叭,避免声音传入整机内部。
  • 尽量避免使用微型扬声器、超薄扬声器等共振频率较高的单元——这类单体低频失真大,严重影响AEC效果。
  • 如果后腔结构允许,可以考虑加装被动辐射器或导向管,既能增加低频表现,又能减小喇叭的非线性振动。

11. 更多细节参考官方文档
以上仅为要点提炼,完整版结构设计规范请访问:
https://document.chipintelli.com/硬件开发/产品结构设计/


四、效果调试——两个关键指标必须过关

硬件设计完成、整机装配好后,怎么验证AEC硬件是否达标?两个测试必不可少:

测试一:AEC反馈幅值 < 150mV
在最大音量下播放音频,用示波器测试芯片AEC反馈引脚的音频幅值,喇叭可播放1KHz正弦波。如果超过150mV,会影响AEC算法效果。此时需要通过AEC电路的分压电阻进行调节(参考原理图中的分压网络说明)。
示波器测试AEC幅值

测试二:MIC处声压 < 85dB
在最大音量下播放音频,用分贝仪测试MIC位置接收到的喇叭声音。如果大于85dB,说明声学耦合过强,需要:

  • 减小喇叭输出音量,或
  • 在结构上让MIC与喇叭离得更远

五、问题分析——AEC效果不好?按这个顺序排查

如果AEC效果不理想,不要急着怀疑算法。按照以下顺序逐一排查,90%的问题都能找到根源:

第一步:硬件波形测试

  1. 最大音量下,用示波器测试芯片AEC反馈脚的音频幅值,确认是否出现削顶。削顶意味着功放失真严重(失真度 ≥ 10%),AEC算法无法正常工作。
  2. 确认AEC反馈幅值 是否超过150mV(同第四章测试一)。
  3. 检查MIC输入幅值是否过大——输入信号饱和同样会影响AEC效果。

第二步:采音数据分析

参考我司《启英泰伦-麦克风采音操作说明与底噪分析》文档:采音板使用说明 - 启英泰伦文档中心

  1. 采集反馈音,对比其与原始MIC拾音的幅值关系。
  2. 分析MIC原始音频与算法处理后的音频,判断消除效果。

第三步:结构问题排查

  1. 排除法:把MIC从整机结构中取出(不要放在整机内),测试AEC效果是否有提升。如果有明显提升,基本可以断定是结构问题
  2. 检查MIC是否密封与喇叭是否足够远
  3. 检查喇叭音腔是否密封——音腔不密封会导致声音在整机内部产生混响,严重干扰AEC。
  4. 必要时进行采音分析,可联系我司FAE或市场团队获取《启英泰伦-麦克风录音操作说明与底噪分析》文档。

六、真实案例——两个最常见的“坑”

案例一:MIC未密封
某客户产品AEC效果一直不达标。排查发现:MIC位置没有任何密封处理,喇叭也没有音腔密封,导致喇叭声音在整机内部自由传播,MIC拾取到的喇叭声音非常大。
未密封的MIC结构
未密封的喇叭结构
解决方案:对MIC进行密封处理。密封后,MIC拾取到的喇叭声音大幅减少,AEC效果显著改善。

案例二:喇叭未密封
另一客户的AEC消除不干净——播放音乐时,回声总是“残留”一部分。奇怪的是,把外壳拆掉后,AEC效果立刻变好。原因很快查明:喇叭没有密封,播放时声音在整机内部反复反射,产生严重的混响和谐波失真,导致麦克风拾取到的声音与参考信号不匹配,AEC算法无法有效消除。
喇叭未密封导致内部混响
解决方案:将喇叭上方的缝隙全部密封,或直接更换为自带音腔的喇叭。密封后,AEC消除效果达到理想状态。
喇叭密封处理示意


最后说两句

AEC 硬件设计看似复杂,但核心逻辑并不难 ——减少一切不必要的声学耦合,给算法提供一个 “干净” 的参考信号和拾音环境。从元器件选型到原理图设计,从整机结构到效果调试,每一个环节都做到位,AEC 回声消除效果自然水到渠成。

研发调试途中若遭遇相关难题,推荐直接使用启英泰伦语音 AI 平台:aiplatform.chipintelli.com,一站式获取硬件参考方案、算法调试工具与配套开发资料。

也可对接启英泰伦专业技术支持团队。品牌深耕 AI 语音芯片领域十余年,自研 BNPU 算力单元已迭代至 4.0 版本,在回声消除、深度学习降噪等音频前端算法上沉淀大量落地实战经验。从硬件电路设计指导到音频算法深度调优,全方位为开发者提供完整技术支撑。

让每一台设备都“听得懂听得清”,是我们共同的追求。


更多技术文档与参考设计,请访问启英泰伦官方网站:https://www.chipintelli.com/

posted @ 2026-07-03 16:20  启友玩AI  阅读(1)  评论(0)    收藏  举报