人工耳蝸中幾種典型降噪方案性能比較及分析
發(fā)布時間:2020-05-08 10:54
【摘要】:人工耳蝸(cochlear implant,CI)是幫助重度以上聽力損失者恢復聽力的主要手段,其基本工作原理是通過植入耳蝸內(nèi)的電極陣列直接刺激聽神經(jīng),來代替缺失的毛細胞實現(xiàn)聲電轉(zhuǎn)換功能。由于語音信號所具有的高度冗余性,現(xiàn)代CI植入者僅利用少數(shù)通道的時域包絡信息就能夠在安靜環(huán)境下進行一對一開放式交談。對于噪聲環(huán)境下的言語識別,由于CI產(chǎn)品無法為植入者提供足夠的頻率分辨率、時域精細結構等信息,其使用時的抗噪聲掩蔽能力和音調(diào)辨識能力不高,導致CI植入者的聆聽效果明顯下降,直接影響了植入者的社會交往。在現(xiàn)有硬件結構基礎上,研究CI言語處理策略,提高CI產(chǎn)品的抗噪聲性能,是當前CI研究的關鍵前沿問題。針對CI植入者在噪聲環(huán)境下的言語交流能力差的問題,本文介紹了幾種典型的人工耳蝸降噪方案并對其降噪性能進行比較與分析。在參數(shù)維納濾波降噪算法基礎上,本文提出一種基于各子帶的最優(yōu)顯示增益閾值(apparent Gain Threshold,aGT)的參數(shù)維納濾波人工耳蝸降噪算法,通過優(yōu)化參數(shù),使得參數(shù)維納濾波降噪算法性能得到提升。論文首先通過降噪后包絡信噪比提高程度來評價幾種典型降噪方案的降噪性能。理想噪聲估計下性能分析表明,相比經(jīng)典維納濾波降噪算法,本文所提出算法對子帶聲學信號降噪和對子帶包絡信號降噪的降噪效果均有一定提高。然后采用基于改善的最小值遞歸平均的噪聲估計(Improved Minima Controlled Recursive Averaging,IMCRA)、基于最小值統(tǒng)計跟蹤算法的噪聲估計兩種實際噪聲估計算法估計噪聲譜,使用經(jīng)典維納濾波對子帶聲學信號和子帶包絡信號降噪,各自的性能分析得出最小值遞歸平均算法的降噪效果最佳。最后,通過聲碼器仿真聲的正常人的漢語識別實驗表明:相對于經(jīng)典維納增益的降噪算法,本文所提基于各子帶最優(yōu)aGT值的參數(shù)維納濾波降噪算法在言語識別率上有較明顯的提升。例如,在純凈漢語句子加-5dB的white噪聲時,在IMCRA噪聲估計下,本文所提算法相比經(jīng)典維納濾波對子帶聲學信號降噪和對子帶包絡信號降噪的平均單詞識別率分別提升了12%和35.19%。
【圖文】:
人工耳蝸中幾種典型降噪方案性能比較及分析脈沖信號舜醬竽云げ愕奶踔惺,
本文編號:2654560
【圖文】:
人工耳蝸中幾種典型降噪方案性能比較及分析脈沖信號舜醬竽云げ愕奶踔惺,
本文編號:2654560
本文鏈接:http://www.sikaile.net/kejilunwen/wltx/2654560.html
最近更新
教材專著