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。

基于振膜耦合增益原理的飞轮型光纤F-P声矢量传感器

提出一种飞轮型耦合振膜光纤法布里-珀罗(F-P)声矢量传感器。该传感器通过两个飞轮结构振膜的相邻辐条自然耦合,形成面内膜间桥耦合结构。仿真结果表明,基于振膜耦合增益原理的飞轮型光纤声矢量传感器振膜具有摇摆和弯曲两种振动模态,可实现数千赫兹宽频率范围的相位差放大,从而提高传感器定向精度。两个飞轮型振膜与光纤端面构成两个独立的F-P微腔传感单元,通过光学干涉信号强度提取得到振膜的振动信号。对所制备的传感器在5~7.4 kHz频率范围内进行二维平面声源定向实验,实验结果与仿真结果符合良好,该传感器在5~7.4 kHz的宽频率范围内具有相位差放大效果,在7.2 kHz处取得最大相位差增益5.05。