面向零延迟人工耳蜗刺激模式压缩的 STOI 优化剪枝递归自编码器的剪枝感知损失函数

人工耳蜗（CI）是一种通过手术植入的听力设备，能够使重度听力损失患者恢复听觉。从外部设备向 CI 信号处理器无线传输音频流已变得普遍。基于深度递归自编码器对 CI 刺激模式进行专门压缩，可通过在零延迟下降低比特率来减少此类无线流传输应用的功耗。尽管先前的研究实现了可观的比特率降低，但忽略了模型大小，而这在助听器中由于计算资源有限可能至关重要。本研究旨在最大化深度递归自编码器编码刺激模式的客观语音可懂度，同时最小化模型大小。为此，我们提出了一种剪枝感知损失函数，该函数在训练过程中捕捉剪枝的影响。我们将这种使用剪枝感知损失的训练与传统的幅度感知剪枝进行了比较，发现前者在客观可懂度方面有显著提升，尤其是在较高剪枝率下。经过微调后，在高达约 55% 的剪枝率下，客观可懂度几乎没有或完全没有下降。与幅度感知基线相比，所提出的剪枝感知损失在剪枝率超过 45% 时，显著提高了剪枝后的客观语音可懂度分数。