随着智能数字信息化技术的高速发展,一方面深度神经网络算法已成为热点研究问题,尤其在语音处理方面,大多应用在语音识别、去混响等方面。另外一方面VoIP电话因为具有优质、廉价、便捷的优势,所以一经推出就受到广泛欢迎。随着VoIP电话技术的广泛应用,也出现了一些问题,尤其是在实现通话功能中一方面受环境因素例如噪音大的影响产生回声,另一方面语音信号的处理和网络传输也会造成延时产生回声,在回声路径过大时就会影响通话质量,甚至无法继续实现通话功能。本文在深入研究常用的回声消除算法结构的基础之上,一方面研究改进传统回声消除算法实现回声消除效果的提升,另一方面借鉴当下热门的深度神经网络进行语音去混响的原理,尝试将深度神经网络算法用于回声消除。首先对回声消除以及深度神经的现状进行研究,在对传统NLMS算法进行研究时,针对NLMS算法在回声消除的过程中,算法复杂度高,稳定性差的问题进行研究,通过采用在不同时期改变步长因子的方法改进NLMS算法,理论分析发现可以明显降低了自适应滤波器的计算复杂度,提高了回声消除的稳定性,随后在仿真实验分析验证改进后的算法在复杂度以及稳定性方面有所提高,但是回声返回损耗增益值和NLMS算法的值相差不大,所以对回声消除效果的影响不大。而后针对使用自适应滤波器架构模拟回声路径在进行回声消除的过程中,尤其在噪音大的地方回声处理弱的问题,本文研究一种基于深度神经网络算法的结构,使用深度神经网络算法来代替传统算法中的自适应滤波器,对路径冲击进行表征,映射出回声信号,继而进行消除,经过仿真分析,基于深度神经网络算法的回声返回损耗增益值要比采用在不同时期改变步长因子的方法改进NLMS算法要好,也可以大大提高回声消除的效果。最后将基于深度神经网络算法的回声消除结构和WEBRTC技术相结合应用到应急指挥救援软件上,通过在Android系统上用此算法,来改善应急通信过程中的回声问题。最后将软件在手机上的运行测试,对语音信息进行录制分析发现在双端通话或者复杂环境下,该算法结构在回声消除方面达到了预期效果,实现了语音通信质量的提高。