基于序贯 LMMSE 估计的选择性听觉注意力推断
音频与语音处理
2021-02-04 v1 信号处理
摘要
在多说话人环境（如鸡尾酒会）中专注聆听需要抑制干扰说话人与周围噪声。听力正常的人在这种情况下的表现极为出色。使用脑电图（EEG）对皮层信号的分析表明，EEG 信号对注意语音包络的追踪强于对干扰语音的追踪。这使得在受控实验环境中开发可解码听者选择性注意的算法成为可能。然而，这类算法常需要较长的试验时长与计算昂贵的校准，以获得可靠的注意力推断。本文提出一种新框架，可在约两秒的试验时长内解码听者的注意力。其包含三个模块：1）使用序贯线性最小均方误差（LMMSE）估计器在每个试验中动态估计时间响应函数（TRF）；2）提取估计 TRF 的 N1-P2 峰值，作为与注意状态相关的标记；3）使用支持向量机继以逻辑回归获得注意状态的概率度量。所提解码框架的功效使用从 27 名受试者收集的 EEG 数据进行了评估。推断注意力所需电极总数为四个：一个用于信号估计，一个用于噪声估计，另两个分别为参考电极与接地电极。我们的结果向实现神经引导助听器又推进了一步。
引用
@article{arxiv.2102.01746,
title = {Inference of the Selective Auditory Attention using Sequential LMMSE Estimation},
author = {Ivine Kuruvila and Kubilay Can Demir and Eghart Fischer and Ulrich Hoppe},
journal= {arXiv preprint arXiv:2102.01746},
year = {2021}
}
备注
12 pages, 13 figures