基于电刺激信号信噪比估计与电听觉机理的电子耳蜗降噪算法

Cochlear implant (CI) devices play an important role in hearing recovery for patients with severe hearing loss. However, implantees with state-of-the-art CI devices still perform poor in speech understanding in noisy environments. To deal with this problem, this study will develop an effective noise reduction algorithm for CI devices. Firstly, the acoustical-electric transforming mechanism, with which the acoustical signal input to CI system is transformed to the electric stimuli to the auditory nerve, will be studied, with the objective of disclosing signal-to-noise ratio mapping function from the acoustical input to the electric output. Then, a set of psychoacoustic experiments will be conducted with CI implantees to study the perceptual mechanism of the auditory system with the electric stimuli, aiming at disclosing the noise suppression capability of the electric hearing. Upon these, a new noise reduction algorithm will be developed to suppress the noise components in the electric stimuli. The effectiveness of the proposed denoising algorithm will be evaluated via a set of speech perception experiments with CI implantees. The output of this study will benefit the ongoing research and development on robust signal processing for CI devices, and will improve the speech understanding and communicating capabilities of CI implantees. It will also enrich the state-of-the-art research on the perceptual mechanism of electric hearing.

电子耳蜗(cochlear implant, CI)是帮助重度听力损失者恢复听力的主要手段。本项目针对CI植入者在噪声环境下言语识别能力差这一关键问题，以CI系统传输给听神经的电刺激信号为处理对象，研究一种应用于CI的降噪算法。以两种特定的CI信号处理策略为研究平台，分析CI信号处理系统两端（输入的声学信号、输出的电刺激信号）的声-电转换规律，从系统分析角度揭示CI对声-电信号信噪比的映射机制，实现对电刺激信号信噪比的准确估计；通过心理声学实验分析CI植入者听觉神经系统对电刺激信号的感知机理和噪声抑制能力；在此基础上，以抑制电刺激信号中影响语音感知的噪声分量为目标设计一种高效的降噪算法，并通过CI植入者听觉实验验证其性能。本研究将进一步促进强鲁棒性CI信号处理策略的研究和开发，提高CI产品的抗噪声性能，提升植入者在日常生活中的言语交流能力，也将进一步丰富对神经系统电听觉机理的研究。

人工耳蜗(Cochlear Implant, CI)是帮助重度听障者恢复听力的仿生设备，对聋人恢复部分听觉机能，融入社会生活具有重要的意义。现有的CI植入者在安静环境下能够进行一对一开放式交谈，但在噪声环境下聆听效果依然很差。其原因主要在于CI是对人类耳蜗极为粗糙的仿生模拟，其所提供的粗糙的时频分辨率无法让植入者获得良好的抗噪声能力。.本项目重点研究CI植入者的电听觉在噪声感知与抑制方面有别于正常听力者的独特的感知机制，并基于此研究有效的降噪算法。主要包括：（1）研究了CI信号处理中的声-电信号信噪比映射统计特性，提出了一种基于电刺激信号（时域包络信号）信噪比估计的降噪算法；（2）研究并提出了基于植入者电听觉特性的降噪算法，通过心理声学实验分析了植入者对降噪中语音失真与残余噪声的不同感知效应，并基于二者的权衡分析了CI的降噪效果。CI植入者的言语测听结果表明，在语谱噪声干扰下，基于最优噪声-失真权衡的降噪方案能够获得8.6 dB的信噪比提升，相较于当前主流的基于最小均方误差的降噪方案，该方案也获得2.8dB的信噪比优势；（3）提出了一种基于小规模神经网络的新型CI信号处理策略，该策略在输出电刺激信号兼容现有CI植入电极的同时，具备更强的噪声鲁棒性。CI仿真声言语测试结果表明，在干净语音条件下，所提策略跟现有主流CI产品的处理策略具有相当的电听觉质量，但是在噪声干扰下，所提策略较现有的降噪策略有接近4dB的信噪比优势。.本项目围绕CI降噪策略的研究，联合信号处理、心理声学、医学、神经科学等多领域专家进行跨学科合作，同时积极引入深度学习最新研究进展拓展CI信号处理新路线。研究成果兼具理论价值与实用价值。通过项目实施为国内人工听觉基础研究和技术发展储备专业人才。