使用深度神经网络进行听力损失补偿：框架与听音测试结果
音频与语音处理
2024-12-16 v3
摘要
本文研究了深度神经网络 (DNN) 在听力损失补偿中的应用。听力损失是一个影响全球数百万人的普遍问题，而传统助听器在提供令人满意的补偿方面存在局限性。DNN 在各种听觉任务中表现出了卓越的性能，包括语音识别、说话人识别和音乐分类。在本研究中，我们提出了一种基于 DNN 的听力损失补偿方法，该方法通过基于 DNN 的听觉模型对语音信号的响应输出进行训练，涵盖了听力受损与正常听力的模型。首先，我们引入了一个使用 DNN 模拟听觉模型的框架，重点关注听觉通路中的听觉神经模型。我们提出了基于 DNN 方法的线性化，用于分析基于 DNN 的听力损失补偿。此外，我们开发了一种简单的方法来选择用于补偿策略的听觉模型的声学中心频率。最后，据我们所知，我们首次使用听力受损听者的听音测试对基于 DNN 的听力损失补偿策略进行了评估。结果表明，所提出的方法能够产生可行的听力损失补偿策略。我们提出的方法被证明相较于未处理的基线提高了语音可懂度，并且在可懂度和偏好性方面均优于传统方法。
引用
@article{arxiv.2403.10420,
title = {Hearing-Loss Compensation Using Deep Neural Networks: A Framework and Results From a Listening Test},
author = {Peter Leer and Jesper Jensen and Laurel H. Carney and Zheng-Hua Tan and Jan Østergaard and Lars Bramsløw},
journal= {arXiv preprint arXiv:2403.10420},
year = {2024}
}