基于循环神经网络的双耳助听器语音增强算法

基于神经网络的语音增强算法相比于传统方法具有更好的语音增强效果,但因网络规模大导致其难以实时实施于助听器中。对此,本文提出了一种具有低复杂度的循环神经网络用于增强双耳语音。该算法结合双耳语音提取梅尔频率倒谱系数和耳间相位差作为网络的输入特征,在使用双耳语音振幅信息的基础上结合语音空间线索更好的映射目标语音和带噪语音之间的关系。实验结果表明,与助听器常用算法相比,本文算法的双耳平均信噪比和短时语音可懂度平均提高了4.68 dB和4.5%;与基于神经网络的算法相比,本文算法的双耳平均信噪比和短时语音可懂度分别提高了1.63 dB和4.8%。当时钟频率为10 MHz时,本文网络的硬件设计需要4.2 ms左右的处理时间,可以满足助听器的实时需求。

非对称性听力损失使用信号对传式助听器干预效果研究

目的采用真耳分析和不同信噪比下的言语识别率测试初步评价双耳信号对传式(BICROS)助听器的助听效果。方法选自2019年2月~2020年1月20例一侧全聋、一侧听力为中度听力损失(简称听损)患者在通过真耳分析验证达到验配公式目标值后,分别在单耳佩戴助听器和双耳佩戴BICROS助听器干预前后的安静环境和噪声环境进行言语测试和声场助听听阈评估。结果患者单耳佩戴助听器与双耳佩戴BICROS助听器在0.5~4 kHz的声场助听听阈高度相关(P值均<0.001);声场下65 dB SPL言语识别率测试显示:安静环境、噪声环境(信噪比为5 dB)下双耳佩戴BICROS助听器与仅较好耳佩戴助听器相比差异均有统计学意义(P值均<0.001)。安静环境下裸耳和双耳佩戴BICROS的最大言语识别率显著相关(r=0.911,P<0.001)。结论安静环境、噪音环境下单耳极重度非对称性听损患者通过较好耳单侧佩戴助听器和使用BICROS助听器均能受益,双耳佩戴BICROS助听器在噪声环境下受益更明显。

言语识别评估:不可能的任务?

对一个3岁双耳中度听力损失、并双耳选配助听器的儿童评估其助听后的言语识别率（助听器已尽可能接近DSL目标值），如果30秒内不能决定选用哪种测试材料和条件刺激进行评估，那么儿童就会失去耐心。听力损失儿童一般会在6月龄前被诊断并选配助听器，或12月龄左右行耳蜗植入，但对这些儿童往往很难或无法进行言语识别评估直到他们接近3岁。对年龄较小儿童进行言语识别测试是一件很有挑战的事情，因此记录听觉技能的发展过程就显得尤为重要。