使用耳内麦克风在听力保护设备中进行本声重构的训练策略

听力保护设备中的耳内麦克风可用于在噪声环境中捕获佩戴者自身的语音。由于耳内记录的自声通常带限，需要一个本声重构系统从耳内信号中恢复干净的宽带语音。然而，由于设备特定的传输特性以及需要从原位测量中收集数据，该场景下的语音数据通常有限。在本文中，我们将基于深度学习的带宽扩展系统应用于本声重构任务，并研究不同的训练策略以克服训练数据有限的问题。实验结果表明，基于多名说话人录音的模拟训练数据结合使用真实数据的微调方法，相较于直接在小型真实数据集上训练更具优势。