引导式测验 · 中等等级

声学回声消除测验

了解回声消除器如何在通话和改变房间条件期间使用远端参考音频、自适应滤波器和神经残留抑制。

声学回声消除主要解决什么问题？

预览每个问题8 问题

当您参加测验时，就会出现答案和解释。

声学回声消除主要解决什么问题？
- 阻止扬声器的声音被麦克风拾取并发送回远端
- 压缩音频文件以节省带宽
- 将语音翻译成另一种语言
- 提高静音扬声器的音量
AEC 系统依靠什么“参考”信号来预测回声？
- 近端发言者的麦克风输入
- 从扬声器中播放的远端信号
- 预先录制的房间模板
- 背景噪音水平
哪种情况对 AEC 来说非常困难并且可能导致自适应滤波器出现故障？
- 两端完全沉默
- 一个人慢慢地说话
- 双语，指双方同时讲话
- 在没人说话的情况下播放音乐
经典 AEC 中的自适应滤波器实际上试图估计什么？
- 说话者的情绪语气
- Wi-Fi 信号强度
- 正在使用的压缩编解码器
- 房间内从扬声器到麦克风的声学路径（脉冲响应）
为什么神经网络越来越多地添加到经典 AEC 滤波器之上？
- 处理线性滤波器遗漏的非线性失真和残余回声
- 使通话费用更高
- 更换麦克风硬件
- 放慢处理速度以获得准确性
哪种自适应算法通常与传统回声消除相关？
- RSA加密
- 归一化最小均方 (NLMS)
- JPEG 压缩
- 迪杰斯特拉算法
为什么自适应回声路径滤波器在通话过程中必须不断更新？
- 远端参考信号每秒改变其语言
- 每当开门时麦克风就会停止录音
- 人员或物体的移动会改变房间声学特性，从而改变从扬声器到麦克风的传输路径
- 固定滤波器无需更新即可自动学习新的房间条件
Microsoft 的 AEC 挑战赛数据集中包含哪些类型的录音？
- 仅限在消音室中录制的音乐
- 仅限没有麦克风信号的远端语音
- 仅限没有回声或近端发言者的语音
- 来自真实设备和发言者的单讲和双讲录音，以及合成数据