用于双侧人工耳蜗的融合深度去噪声音编码策略
音频与语音处理
2023-10-03 v1
摘要
人工耳蜗（CIs）为重度感音神经性听力损失患者提供了恢复听力的解决方案。当双耳均经历此种听力损伤时，可配备两台独立的 CI 设备，通常可进一步改善 CI 获益。这种空间听觉在应对噪声环境下言语理解的挑战（CI 使用者的常见问题）时尤为关键。目前，大量研究致力于开发能够自动从目标语音信号中滤除不期望背景噪声的算法。当前部分研究关注实现端到端去噪，既可作为初始 CI 信号处理的组成部分，也可将去噪过程完全整合进 CI 声音编码策略。本工作置于双侧 CI（BiCI）系统背景下，我们提出了一种基于深度学习的双侧语音增强模型，在两侧听觉间共享信息。具体而言，我们通过中间潜在融合层连接两种单耳端到端深度去噪声音编码技术。这些层通过将两种技术生成的潜在表示相乘来融合，从而增强降噪能力与学习泛化性。客观仪器结果表明，相较于基线方法，所提出的融合 BiCI 声音编码策略获得了更高的双耳间相干性、更优的降噪效果以及更高的预测言语可懂度得分。此外，我们在 BiCI 使用者中的噪声下言语可懂度结果显示，该深度去噪声音编码策略可达到与安静条件下相当的得分。
引用
@article{arxiv.2310.01122,
title = {A Fused Deep Denoising Sound Coding Strategy for Bilateral Cochlear Implants},
author = {Tom Gajecki and Waldo Nogueira},
journal= {arXiv preprint arXiv:2310.01122},
year = {2023}
}