面向认知补偿的助听器数据驱动模型及其自验配算法研究

Hearing impairment seriously affects physical and mental health of patients. The trend of aging population in China makes this issue particularly prominent. Acoustic signal loss is often accompanied by auditory cognition obstacle for hearing-impaired person, so the fragile and changeable cognitive ability of patient has become the bottleneck to restrict the extension of hearing aids. Breaking through the concept of mechanical thinking, this project takes the light-severe patients as the study object to study the data-driven model for cognition compensation and self-fitting algorithm in hearing aids. The detailed contents are as follows: 1) Research and establishment of comprehensive information database for hearing-impaired patients; 2) Enlightened by human auditory peripheral characteristics, the multichannel speech decomposition algorithm is studied; 3) Simulated by the human learning and reasoning ability, the Long Short-Term Memory (LSTM) networks are constructed for speech enhancement; 4) Combined with Gaussian processes and active learning, the parameters optimization model for hearing aids is built. Based on this model, the self-fitting method is studied for hearing aids. The focuses of the project include the LSTM networks model for speech enhancement and the self-fitting algorithm for cognition compensation. Our study is of great significance to improve the hearing level and makes the life quality of the aging people. It also lays down a solid theoretical and experimental basis for the promotion and application of this project.

听力障碍严重影响患者身心健康，中国的老龄化现状使得这一问题尤为突出。听障患者在缺失声信号感知能力的同时往往伴随有听觉认知障碍，患者脆弱多变的认知能力成为制约助听器推广使用的瓶颈。本项目以轻-重度听障患者为研究对象，突破机械思维设计理念，研究面向认知补偿的助听器数据驱动模型及其自验配算法。研究内容包括：1）研究建立完备的听障患者综合信息数据库；2）仿人耳听觉外周特性，研究语音的多通道分解算法；3）模拟人类的学习推理能力，构建长短期记忆深度神经网络实现言语增强；4）结合主动学习和高斯回归过程，建立神经网络参数群优化模型，并研究助听器自验配方法。重点研究基于长短期记忆深度神经网络的言语增强模型和面向认知补偿的助听器自验配算法。本课题对于提高听障患者听力康复水平，改善听障人群的生活质量，缓解社会压力有重要意义，也为该项成果在实际中的推广应用打下扎实的理论和实验基础。

听力障碍是世界第一大慢性疾病，易造成老年人情绪压抑、沟通和认知障碍，严重影响老年人身心健康。根据我国“健康老龄化”和“主动健康”的战略需求，如何遵循听力治疗的“早发现，早诊断，早干预”原则，克服现有个性化可验配编程助听器操作复杂、专业性强的应用障碍，研究智能助听器产品成为智能康复辅具领域的热点。. 课题组以轻-重度听障患者为研究对象，结合生理学、心理学以及信号处理学科的研究成果，通过理论建模、仿真实验、临床验证相结合的研究手段，建立了一套智能数字助听器信号处理方法并与国内厂家进行助听器进行商业化合作。主要研究工作包括：1）为提升语音增强算法的泛化能力，提出一种无标签的语音增强算法；2）针对传统单通道语音增强算法对环境敏感且性能不佳的问题，提出一种基于深度学习的语音增强算法；3）通过对患者和验配过程的深入分析，提出一种基于深度学习网络的智能助听器自验配模型；4）将听力补偿和声音美化相结合，提出一种可提升个性化音质功能的智能耳机及方法；5）提出在时间和特征维度以及注意门上的改进长短时记忆网络，并用于语音情感分类中来验证算法的有效性；6）为了提高回声抵消器在声学路径突变时的跟踪能力，提出一种基于滤波器状态信息和软判决的频域变步长回声消除算法；7）积极进行科技成果转化，参与完成国内第一款商用助听器芯片的研发；与国内一流音视频会议产品研发企业合作，获江苏信息通信行业科技进步一等奖。基于上述研究，课题组累计发表或录用论文5篇，申请或授权发明专利7项，出版专著1部，培养博士研究生1名，硕士研究生2名。研究成果将提高数字助听器语音处理算法性能，促进数字助听器产业的发展，提高听损患者的听力矫正水平，进而改变我国在听力康复治疗领域的落后现状。. 由于应用的特殊性和研究时间较短，导致本课题的数据采集量不足。为此，本课题组会继续和国内一流企业和医院合作采集助听器验配数据，进行助听器的免验配和自验配研究工作。