频带划分作为AEC失效时全双工音频fallback机制的技术咨询

我一直在关注用户未佩戴耳机时，笔记本视频通话中的声学回声与反馈问题。当AEC（声学回声消除）在混响房间、双讲、突发声学变化等场景下失效时，Google Meet或Zoom这类系统通常会用音量压制作为fallback机制，但这会严重破坏全双工体验。

我正在探索一种替代方案：将语音频谱划分为交错对数频带，给每位参与者分配交替的频带。每个终端在传输前对麦克风信号滤波，只保留分配给自己的频带。由于远端扬声器只会播放互补频带，任何漏进麦克风的声学信号都会在传输前被结构性排除，从根源上避免回声问题。

我已经完成了基础概念验证原型，用MacBook Air的内置麦克风和扬声器测试后，两组交错频带单独使用时仍保持可懂度。

现在我有三个技术问题：

1. 该方法或类似方案是否已在WebRTC或会议系统中被研究或实现？
2. 是否存在非正式测试中未显现的已知失效原因？
3. 在AEC或全双工音频文献中，我需要了解哪些相关先验技术？

问题1：该方法或类似方案是否已在WebRTC或会议系统中被研究或实现？ #

这类基于频谱划分的伪全双工思路，在早期语音通信和小众场景里有过研究，比如早年间语音领域简化版的"频分双工（FDD）"应用，但WebRTC官方实现里并没有集成这类方案。主流会议系统（如Meet、Zoom）也没有公开采用这种方式做AEC fallback——一来语音频谱拆分后会损失音质，用户感知体验下降；二来多参与者场景下的频带分配逻辑会变得复杂，超过两人的会议里，频带拆分粒度太细会进一步降低可懂度。

不过学术研究里，类似"频谱交错全双工"的概念有过相关论文，比如针对免提通话的频谱分割方案，只是没大规模落地到商用会议系统中。

问题2：是否存在非正式测试中未显现的已知失效原因？ #

你目前的测试是单一设备、两人场景，还有几个潜在问题容易被忽略：

• 多参与者场景冲突：会议超过两人时，频带分配会出现瓶颈——拆分的频带越多，每个频带带宽越窄，语音可懂度会急剧下降，尤其是辅音这类高频信息损失会很严重。
• 非语音声学干扰：环境中的其他噪音（比如键盘声、背景音乐）频谱会覆盖所有频带，即便过滤了自己的频带，远端的噪音还是会通过互补频带传过来，反而可能造成更严重的干扰。
• 设备差异导致的频带偏移：不同设备的麦克风、扬声器频响曲线不同，可能出现你分配的频带在远端设备播放时，实际频谱和预期有偏移，导致漏网的回声信号进入传输路径。
• 语音动态范围问题：语音能量分布不均匀，低频能量远高于高频，只保留部分频带会让语音音量感知出现明显波动，用户会觉得声音忽大忽小。

问题3：在AEC或全双工音频文献中，我需要了解哪些相关先验技术？ #

可以从这几个方向入手：

• 传统频分双工（FDD）在语音中的应用：早期无线语音通信里的FDD思路，虽然和你的方案不完全一样，但核心都是用频谱划分实现双向通信，能帮你理解频谱拆分的基本限制。
• 语音可懂度与频谱带宽的关系研究：比如ITU关于语音可懂度的标准（如ITU-T P.800），了解不同频带宽度对语音感知的影响，这对你设计频带划分策略至关重要。
• 自适应频谱分割技术：一些针对免提通话的自适应频谱拆分方案，这类研究考虑了双讲、环境变化等场景，能给你的fallback机制设计提供参考。
• WebRTC的AEC fallback逻辑：WebRTC的AEC模块（如AEC3）有自己的 fallback 策略，研究它的源码或官方文档，能帮你理解商用系统对fallback机制的性能、体验要求。
• 回声抑制的频谱域技术：比如基于子带的回声抑制算法，这类技术和你的方案有交叉，能帮你优化滤波和频带分配的细节。

内容的提问来源于stack exchange，提问作者Julian Rodriguez Orihuela