[发明专利]一种言语增强助听方法

说明书

本发明公开了一种言语增强助听方法，包括以下步骤，步骤（A），多通道语音分解；步骤（B），子带增益调整；步骤（C），言语增强助听网络构建；步骤（D），语音补偿输出：将步骤（B）中进行增益调整后的子带信号输入步骤（C）模型训练后的深度学习网络中，生出补偿后的语音信号，并进行输出。本发明的言语增强助听方法，可以改善传统方法无法抑制与语音同分布噪声的问题，还解决现有技术中言语增强助听方法言语补偿的鲁棒性差、言语补偿效率低下，难以满足患者需求的技术问题，具有良好的应用前景。

技术领域

本发明涉及音频信号处理技术领域，具体涉及一种言语增强助听方法。

背景技术

听力损失会严重影响听障患者的身心健康，佩戴助听器是目前听障患者改善听力最有效的手段。随着人工智能领域的发展，基于语音信号的人机交互技术逐步成为研究热点之一。在人机交互过程中，语音不可避免的受到各种环境的影响，会引入各种各样的干扰信息。环境噪声的复杂性以及噪声与语音间可能存在的强相关性，都使得提高噪声环境下听障患者的语音理解度存在很多挑战。

语音增强技术是改善人耳在噪声环境下的感知能力的主要手段之一，其主要出发点是从含噪的原始语音信号中尽可能地恢复出纯净的输入语音，从而提高原始输入语音的听觉质量，降低人耳的疲劳感，进而提高语言可懂度。因此，大量学者针对如何从交叠的含噪信号中提取目标语音的问题进行了深入的研究，也提出了很多有效的方案，包括谱减法及其改进算法、统计模型法、子空间法和神经网络四个分支。

但是，目前上述的言语增强助听方法，主要关注在降噪方面，对于听障患者来说，由于听力损失的个性化，在降噪的同时还需要对语音信号进行针对性的增益补偿。而且，有效的补偿还需要减少噪声的干扰，否则，过多的放大噪声会严重影响患者的言语理解度。此外，当语音和噪声同时发生且频率范围相同时，还没有非常有效的方法能将它们分离，因此语音降噪算法的研究工作具有很大的挑战性。

由此可见，上述现有的言语增强助听方法，存在有不便与缺陷，而亟待加以进一步改进。因此，如何解决言语增强助听方法存在的问题，是当前急需解决的问题。

发明内容

本发明的目的是解决现有的言语增强助听方法，存在有不便与缺陷。本发明的言语增强助听方法，可以改善传统方法无法抑制与语音同分布噪声的问题，还解决现有技术中言语增强助听方法言语补偿的鲁棒性差、言语补偿效率低下，难以满足患者需求的技术问题，具有良好的应用前景。

为了达到上述目的，本发明所采用的技术方案是：

一种言语增强助听方法，包括以下步骤，

步骤(A)，多通道语音分解：将输入的语音信号进行多通道分解，分解成子带信号；

步骤(B)，子带增益调整：根据听障患者的听力图，对各子带信号进行增益调整；

步骤(C)，言语增强助听网络构建：构建包含患者的个性信息、听力图、不同噪声环境下的输入语音信号、期望补偿后的语音数据库，并按照编码层、解码层、输出层和注意层结构构建深度学习网络，并利用数据库对深度学习网络进行模型训练；

步骤(D)，语音补偿输出：将步骤(B)中进行增益调整后的子带信号输入步骤(C)模型训练后的深度学习网络中，生出补偿后的语音信号，并进行输出。

前述的一种言语增强助听方法，步骤(A)，多通道语音分解，包括以下步骤，

(A1)，根据人耳的伽马通刻度来设定32个子带滤波器的中心频率；

(A2)，根据听损患者的听力图，将随频率的变化趋势对响度值相等或波动小且低于波动阈值的连续频带进行合并；

(A3)，将均匀余弦调制滤波器组的相邻通道，根据(A2)的合并规则进行合并，生成所需非均匀滤波器组；