一种针对听觉系统频率选择性损伤的听力补偿方法技术方案

本发明专利技术公开了一种针对听觉系统频率选择性损伤的听力补偿方法，其步骤包括：1)使用全连接神经网络构建补偿模块，对训练集中的每一样本声音信号进行非线性变化，得到针对目标听力损伤程度人群补偿后的声音信号；2)对模拟听力损伤模型进行设置，作为该目标听力损伤程度人群的模拟听觉系统，对每一所述补偿后的声音信号进行非线性处理，生成非线性失真信号；3)将样本声音信号对应的补偿后的声音信号作为该样本声音信号对应的非线性失真信号的标签，生成一配对数据；4)利用生成的各所述配对数据训练所述神经网络；5)对于给定的一段声音信号，利用步骤4)训练后的神经网络进行处理，生成针对该目标听力损伤程度人群的补偿后的声音信号。音信号。音信号。

【技术实现步骤摘要】
一种针对听觉系统频率选择性损伤的听力补偿方法


[0001]本专利技术属于信号处理
，涉及智能助听技术，具体涉及一种针对听觉系统频率选择性损伤的听力补偿方法。

技术介绍

[0002]助听技术对于缓解听损人群沟通障碍、恢复听障人士交流能力具有重要意义。听力受损人群在嘈杂环境中的言语感知能力通常比在安静环境中差，而影响听障人士在噪声下言语感知能力的重要因素之一是其听觉系统的频率选择特性受损。频率选择性指听觉系统对不同频率的声音具有不同的灵敏度和分辨能力。而对于听损患者，尤其是感音神经性聋患者，其听觉系统频率选择特性受损，耳蜗外毛细胞失去了增加耳蜗对声音频率敏感性的能力，尤其是处于噪声背景下时，言语成分和噪声成分有频率接近，耳蜗则会有单一的较宽部位的兴奋，而不是两个精确分开的部位，使得大脑就很难从噪声中区别信号。导致听觉系统无法对特定频率的语音信号反应，影响噪声环境下言语辨别能力。
[0003]传统方法中，通过人工定义增益函数来增强频谱对比度从而缓解这一现象，即对信号做快速傅里叶变换后，得到对应幅度谱，增强幅度谱中较高的峰值对应的频率成分，削减幅度谱中较低的谷值对应的频率成分。但由于增强与削减的具体值均由人工设定，在真实场景中应用往往不具备推广性，实用性较差，且难以做到实时处理，因此目前的已实际应用于助听器的算法中，很少有专门针对患者频率选择性受损导致言语识别能力下降这一现象的听力补偿算法。

技术实现思路

[0004]针对现有技术方法中存在的缺点，本专利技术的目的在于提供一种针对频率选择性损伤的听力补偿方法，这种方法利用深度神经网络学习复杂的非线性映射对语音进行增强，提高语音的频谱对比度。将经由本方法处理后的声音信号放给用户听，可以有效提高用户满意程度以及言语识别能力。相较于传统的针对频率选择性听力补偿方法，这种方式不需要人工定义增益函数，具有更好推广性；且神经网络对非线性映射的刻画能力更强，能够更有效的针对听力损伤进行补偿；且本方法计算量小，能够有效地实时处理信号。因而本方法是一种更合适的听力补偿方法。
[0005]本专利技术所提出的针对频率选择性损伤的听力补偿方法的基本思想是：相对于正常听觉系统，听觉系统频率选择特性受损会造成对输入声音的频率分析产生变化，语音频谱对比度降低；利用神经网络学习某种补偿映射，增强输入语音的频谱对比度，使得经过补偿后的语音经过受损听觉系统处理，与原始语音经过正常听觉系统处理的效果一致，则可以有效的补偿患者的听力损失。本专利技术的重要创新之处在于，一方面，使用神经网络替代了传统频谱对比度增强方法；另一方面，引入模拟听力损伤模型模拟频率选择特性受损的听觉系统，并用于指导神经网络的训练。
[0006]本专利技术针对听觉系统频率选择性损伤的听力补偿方法，其步骤包括：
[0007]1)利用全连接神经网络作为针对于输入信号的补偿模块，其初始参数为随机生成；
[0008]2)引入模拟听力损伤模型(参考文献：Baer,T.,Moore,B.C.J.(1993).Effects of spectral smearing on the intelligibility of sentences in noise.The Journal of the Acoustical Society of America,94(3),1229
‑
1241)，来模拟受损听觉系统(模拟听觉系统频率选择特性受损)，并根据患者听力损失状况设置模拟听力损伤模型参数，对声音的非线性处理；
[0009]3)利用步骤1)中的神经网络与步骤2)中的模拟听力损伤模型联合生成配对数据(即数据
‑
标签)；
[0010]4)利用步骤3)生成的配对数据训练的1)中所述神经网络；
[0011]5)重复步骤3)～4)直至达到设定的终止条件，所述终止条件为训练轮次达到迭代次数上限或者误差达到限定值；
[0012]6)对于给定的一段声音信号，利用步骤4)中训练好的神经网络进行处理，生成补偿后的声音，即可播放给用户听。
[0013]进一步的，步骤1)所述的神经网络主要用于生成补偿的声音信号。具体地，网络的输入为原始声音信号，输出为经过某种非线性变化后的声音信号(即补偿的声音信号)。
[0014]进一步的，步骤2)所述的模拟听力损伤模型主要用于模拟受损听觉系统对声音的处理，其输入是声音信号，输出是模拟听力损伤患者听到的声音信号。
[0015]进一步的，步骤3)所述的利用步骤1)中的神经网络与步骤2)中的模拟听力损伤模型联合生成配对数据是指：给定一段声音信号x1，首先利用步骤1)中所述的神经网络处理，生成经过某种非线性变换的声音信号x2(即当前神经网络补偿后的声音信号)；再利用步骤2)所述的听力损伤模拟器对x2进行处理，生成非线性失真信号x3，即可得到神经网络训练用的配对数据(x3,x2)，其中x2为x3对应的标签。
[0016]一种针对听觉系统频率选择性损伤的听力补偿设备，其特征在于，包括听力损伤模拟模块、神经网络补偿模块和配对数据生成模块；其中
[0017]所述听力损伤模拟模块，用于对声音信号进行处理，使得处理后的信号与声音信号经过受损听觉系统处理后一致；
[0018]所述配对数据生成模块，利用听力损伤模拟模块与神经网络模块生成配对数据；
[0019]所述神经听力补偿模块，用于利用训练好的神经网络对声音进行处理生成经过某种非线性变化后的信号(即补偿后的信号)。
[0020]本专利技术侧重针对听觉系统频率选择性受损这一情形进行补偿，旨在使人“能听清”。
[0021]本专利技术所用听力损失模拟器包含一组听觉滤波器，利用听觉滤波器带宽变宽模拟频率选择性受损带来的影响。
[0022]本专利技术通过在频域上使用全连接网络实现对应补偿效果，这是本专利技术首次提出的。
[0023]本专利技术的技术方案为：
[0024]一种针对听觉系统频率选择性损伤的听力补偿方法，其步骤包括：
[0025]1)使用全连接神经网络构建补偿模块；所述补偿模块对训练集中的每一样本声音
信号进行非线性变化，得到针对目标听力损伤程度人群补偿后的声音信号；
[0026]2)针对该目标听力损伤程度人群对模拟听力损伤模型进行设置，利用所述模拟听力损伤模型作为该目标听力损伤程度人群的模拟听觉系统，对每一所述补偿后的声音信号进行非线性处理，生成非线性失真信号；
[0027]3)将样本声音信号对应的补偿后的声音信号作为该样本声音信号对应的非线性失真信号的标签，生成一配对数据；
[0028]4)利用生成的各所述配对数据训练所述神经网络；
[0029]5)对于给定的一段声音信号，利用步骤4)训练后的神经网络进行处理，生成针对该目标听力损伤程度人群的补偿后的声音信号。
[0030]进一步的，步骤1)中，生成补偿后的声音信号的方法为：对于一声音信号x，所述神经网络首先对该声音信号x进行短时傅里叶变换，得到该声音信号x的时本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种针对听觉系统频率选择性损伤的听力补偿方法，其步骤包括：1)使用全连接神经网络构建补偿模块；所述补偿模块对训练集中的每一样本声音信号进行非线性变化，得到针对目标听力损伤程度人群补偿后的声音信号；2)针对该目标听力损伤程度人群对模拟听力损伤模型进行设置，利用所述模拟听力损伤模型作为该目标听力损伤程度人群的模拟听觉系统，对每一所述补偿后的声音信号进行非线性处理，生成非线性失真信号；3)将样本声音信号对应的补偿后的声音信号作为该样本声音信号对应的非线性失真信号的标签，生成一配对数据；4)利用生成的各所述配对数据训练所述神经网络；5)对于给定的一段声音信号，利用步骤4)训练后的神经网络进行处理，生成针对该目标听力损伤程度人群的补偿后的声音信号。2.如权利要求1所述的方法，其特征在于，步骤1)中，生成补偿后的声音信号的方法为：对于一声音信号x，所述神经网络首先对该声音信号x进行短时傅里叶变换，得到该声音信号x的时频谱X；然后对该时频谱X进行非线性变换，得到补偿后的时频谱X
NC
；然后对补偿后的时频谱X
NC
做逆短时傅里叶变换，得到补偿信号y，作为针对该目标听力损伤程度人群补偿后的声音信号。3.如权利要求1所述的方法，其特征在于，利用所述模拟听力损伤模型生成非线性失真信号的方法为：对于一补偿后的声音信号y，所述模拟听力损伤模型首先对该声音信号y做短时傅里叶变换，得到时频谱Y，然后利用公式对时频谱Y进行处理，得到时频谱Z；其中W
NH
、W
HI
分别表示正常听觉系统听觉滤波器权重矩阵、模拟听觉系统听觉滤波器权重矩阵；然后对该时频谱Z做逆短时傅里叶变换，得到时域信号作为非线性失真信号z。4.如权利要求3所述的方法，其特征在于，通过公...

【专利技术属性】
技术研发人员：陈婧，吴玺宏，栗楠，牛亚东，
申请(专利权)人：北京大学，
类型：发明
国别省市：