數(shù)字助聽器聲信號處理關(guān)鍵算法研究.pdf

1、隨著老齡化社會的到來，老齡聽損患者的數(shù)量持續(xù)增加。聽損對老年人精神上造成的困擾僅次于位居第一的消化系統(tǒng)疾病，長期患有老年性聽損會嚴(yán)重影響老年人的身心健康并降低其生活質(zhì)量。對于輕度、中度甚至重度感音性聽損患者來說，配戴助聽器是最有效的聽力干預(yù)和康復(fù)手段。近一個世紀(jì)以來，助聽器技術(shù)取得了長足進(jìn)步，用戶對助聽器的滿意度從1980年的59.6％上升至2008年的74.0％。但是，現(xiàn)有助聽器的性能因受到嘯叫、信號畸變以及噪聲的影響而難以提高。部分

2、患者已經(jīng)驗(yàn)配了助聽器，但是沒有佩戴，其中一個重要的原因就是助聽器不能提供足夠的益處。因此，面向聽損患者的數(shù)字助聽器技術(shù)亟需進(jìn)一步研究。本文從響度補(bǔ)償、自適應(yīng)聲反饋抑制、非線性頻率壓縮算法和語音可懂度增強(qiáng)等方面對漢語數(shù)字助聽器的幾種關(guān)鍵技術(shù)進(jìn)行了研究，主要研究內(nèi)容如下:
　　1、論文提出了一種自適應(yīng)響度補(bǔ)償方法，用于緩解傳統(tǒng)的響度補(bǔ)償算法中信號可聽和畸變之間的矛盾。首先，利用gammatone濾波器組對信號進(jìn)行多通道分解來模擬人耳聽

3、覺特性;然后，根據(jù)患者的聽覺動態(tài)范圍和通道信號的聲壓級來確定補(bǔ)償方法。若采用非線性補(bǔ)償方法，則在補(bǔ)償過程中使用自適應(yīng)寬動態(tài)范圍壓縮(Wide Dynamic Range Compression，WDRC)技術(shù)，該技術(shù)根據(jù)患者的聽覺范圍和輸出信號的聲壓級自適應(yīng)地調(diào)整壓縮比，使其盡量接近于1。自適應(yīng)調(diào)整壓縮比的目的是在信號可聽的前提下，減小信號的畸變。并且，自適應(yīng)WDRC技術(shù)可以提高噪聲環(huán)境下的輸出信噪比(Signal to Noise R

4、atio，SNR)。實(shí)驗(yàn)結(jié)果表明，與WDRC補(bǔ)償方法相比，所提方法在語噪聲環(huán)境下提高了輸出SNR;與線性和WDRC補(bǔ)償方法相比，提出的方法提高了語音可懂度和語音質(zhì)量。
　　2、論文提出了一種應(yīng)用于助聽器聲反饋抑制的變步長算法，用于緩解自適應(yīng)濾波算法在快收斂速度和低失調(diào)量之間的矛盾。算法根據(jù)自適應(yīng)濾波器系數(shù)歸一化的短時平均和長時平均之間的距離，將濾波器的更新狀態(tài)分為收斂狀態(tài)、過渡狀態(tài)和穩(wěn)定狀態(tài)，并在不同的自適應(yīng)狀態(tài)下使用不同的步長。

5、在收斂狀態(tài)使用大步長保證收斂速度;在過渡狀態(tài)使用階梯狀步長，以進(jìn)一步降低失調(diào)量;在穩(wěn)定狀態(tài)使用小步長，以保證系統(tǒng)收斂至穩(wěn)態(tài)解。該變步長算法分別被應(yīng)用于歸一化的最小均方誤差(Normalized Least Mean Error，NLMS)自適應(yīng)濾波器和歸一化的子帶自適應(yīng)濾波器(Normalized Subband Adaptive Filter，NSAF)算法，形成了變步長NLMS(Variable Step Size NLMS，VSS

6、-NLMS)和變步長NSAF(Variable Step Size NSAF，VSS-NSAF)算法。實(shí)驗(yàn)結(jié)果表明，本文提出的算法具有收斂速度快，穩(wěn)態(tài)失調(diào)量低，輸出語音的語音感知質(zhì)量(Perceptual Evaluation of Speech Quality，PESQ)評價值高等特點(diǎn)。
　　3、論文提出了一種自適應(yīng)非線性頻率壓縮算法，以充分利用聽損患者殘余的可聽頻帶，提高高頻聽損患者的語音可懂度。首先，對高于截止頻率的信號按照

7、BARK尺度進(jìn)行臨界帶分割;其次，根據(jù)患者的截止頻率和最大可聽頻率確定全局壓縮比;再次，根據(jù)全局壓縮比和子帶信號歸一化的平均能量自適應(yīng)地確定子帶壓縮比，從而確定子帶信號壓縮后的頻帶范圍;最后，通過映射的方法將高頻信號壓縮至低頻，使得高頻不可聽的信號變得可聽。語音可懂度實(shí)驗(yàn)結(jié)果表明，與WDRC算法和非線性頻率壓縮算法相比，本文提出的算法可顯著提高聲母以及不同信噪比條件下句子的可懂度。
　　4、論文提出了一種新的語音特征——多分辨率功

8、率歸一化倒譜系數(shù)(Multi-Resolution PowerNormalized Cepstrum Coefficients，MRPNCC)特征來獲取語音的局部信息和上下文信息。并且，基于MRPNCC特征，提出了一種語音可懂度增強(qiáng)算法，以提高聽損患者的語音可懂度。首先，利用MRPNCC特征向量訓(xùn)練支撐矢量機(jī)(Support Vector Machine，SVM)模型;其次，利用訓(xùn)練好的模型對語音的時頻單元進(jìn)行分類，移除以噪聲為主導(dǎo)的時