人工耳蜗中几种典型降噪方案性能比较及分析
发布时间：2020-05-08 10:54
【摘要】：人工耳蜗(cochlear implant,CI)是帮助重度以上听力损失者恢复听力的主要手段,其基本工作原理是通过植入耳蜗内的电极阵列直接刺激听神经,来代替缺失的毛细胞实现声电转换功能。由于语音信号所具有的高度冗余性,现代CI植入者仅利用少数通道的时域包络信息就能够在安静环境下进行一对一开放式交谈。对于噪声环境下的言语识别,由于CI产品无法为植入者提供足够的频率分辨率、时域精细结构等信息,其使用时的抗噪声掩蔽能力和音调辨识能力不高,导致CI植入者的聆听效果明显下降,直接影响了植入者的社会交往。在现有硬件结构基础上,研究CI言语处理策略,提高CI产品的抗噪声性能,是当前CI研究的关键前沿问题。针对CI植入者在噪声环境下的言语交流能力差的问题,本文介绍了几种典型的人工耳蜗降噪方案并对其降噪性能进行比较与分析。在参数维纳滤波降噪算法基础上,本文提出一种基于各子带的最优显示增益阈值(apparent Gain Threshold,aGT)的参数维纳滤波人工耳蜗降噪算法,通过优化参数,使得参数维纳滤波降噪算法性能得到提升。论文首先通过降噪后包络信噪比提高程度来评价几种典型降噪方案的降噪性能。理想噪声估计下性能分析表明,相比经典维纳滤波降噪算法,本文所提出算法对子带声学信号降噪和对子带包络信号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递归平均的噪声估计(Improved Minima Controlled Recursive Averaging,IMCRA)、基于最小值统计跟踪算法的噪声估计两种实际噪声估计算法估计噪声谱,使用经典维纳滤波对子带声学信号和子带包络信号降噪,各自的性能分析得出最小值递归平均算法的降噪效果最佳。最后,通过声码器仿真声的正常人的汉语识别实验表明:相对于经典维纳增益的降噪算法,本文所提基于各子带最优aGT值的参数维纳滤波降噪算法在言语识别率上有较明显的提升。例如,在纯净汉语句子加-5dB的white噪声时,在IMCRA噪声估计下,本文所提算法相比经典维纳滤波对子带声学信号降噪和对子带包络信号降噪的平均单词识别率分别提升了12%和35.19%。
【图文】：
人工耳蜗中几种典型降噪方案性能比较及分析脉冲信号舜酱竽云げ愕奶踔惺，
本文编号：2654560
【图文】：
人工耳蜗中几种典型降噪方案性能比较及分析脉冲信号舜酱竽云げ愕奶踔惺，
本文编号：2654560
本文链接：https://www.wllwen.com/kejilunwen/wltx/2654560.html
