利用可微听力损失模型优化噪声下语音的助听器适配

当前的助听器通常基于通用的处方式适配提供放大，尽管具备噪声抑制功能，助听器在不同聆听环境中带来的益处仍有差异。受此事实启发，本文提出一种数据驱动的机器学习技术，以开发针对不同噪声环境中语音定制的助听器适配。提出一种可微听力损失模型，并用于通过反向传播优化适配。该定制体现在不同噪声下语音的数据上，同时考虑了噪声抑制。客观评价显示了优化后的定制适配相对于通用处方式适配的优势。