CN108711419A - 一种人工耳蜗的环境声感知方法和*** - Google Patents

一种人工耳蜗的环境声感知方法和*** Download PDF

Info

Publication number
CN108711419A
CN108711419A CN201810856692.8A CN201810856692A CN108711419A CN 108711419 A CN108711419 A CN 108711419A CN 201810856692 A CN201810856692 A CN 201810856692A CN 108711419 A CN108711419 A CN 108711419A
Authority
CN
China
Prior art keywords
module
sound
neural network
characteristic
characteristic value
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201810856692.8A
Other languages
English (en)
Other versions
CN108711419B (zh
Inventor
张晓薇
韩彦
孙晓安
黄穗
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Zhejiang Nurotron Neural Electronic Technology Co Ltd
Original Assignee
Zhejiang Nurotron Neural Electronic Technology Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Zhejiang Nurotron Neural Electronic Technology Co Ltd filed Critical Zhejiang Nurotron Neural Electronic Technology Co Ltd
Priority to CN201810856692.8A priority Critical patent/CN108711419B/zh
Publication of CN108711419A publication Critical patent/CN108711419A/zh
Priority to PCT/CN2019/096648 priority patent/WO2020024807A1/zh
Priority to ES202190003A priority patent/ES2849124B2/es
Application granted granted Critical
Publication of CN108711419B publication Critical patent/CN108711419B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04R—LOUDSPEAKERS, MICROPHONES, GRAMOPHONE PICK-UPS OR LIKE ACOUSTIC ELECTROMECHANICAL TRANSDUCERS; DEAF-AID SETS; PUBLIC ADDRESS SYSTEMS
    • H04R25/00—Deaf-aid sets, i.e. electro-acoustic or electro-mechanical hearing aids; Electric tinnitus maskers providing an auditory perception
    • H04R25/50—Customised settings for obtaining desired overall acoustical characteristics
    • H04R25/505—Customised settings for obtaining desired overall acoustical characteristics using digital signal processing
    • H04R25/507—Customised settings for obtaining desired overall acoustical characteristics using digital signal processing implemented by neural network or fuzzy logic
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G10L15/02—Feature extraction for speech recognition; Selection of recognition unit
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G10L15/06—Creation of reference templates; Training of speech recognition systems, e.g. adaptation to the characteristics of the speaker's voice
    • G10L15/063—Training
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G10L15/08—Speech classification or search
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L21/00—Speech or voice signal processing techniques to produce another audible or non-audible signal, e.g. visual or tactile, in order to modify its quality or its intelligibility
    • G10L21/02—Speech enhancement, e.g. noise reduction or echo cancellation
    • G10L21/0208—Noise filtering
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L25/00—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
    • G10L25/27—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 characterised by the analysis technique
    • G10L25/30—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 characterised by the analysis technique using neural networks
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L25/00—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
    • G10L25/48—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use
    • G10L25/51—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use for comparison or discrimination
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04R—LOUDSPEAKERS, MICROPHONES, GRAMOPHONE PICK-UPS OR LIKE ACOUSTIC ELECTROMECHANICAL TRANSDUCERS; DEAF-AID SETS; PUBLIC ADDRESS SYSTEMS
    • H04R25/00—Deaf-aid sets, i.e. electro-acoustic or electro-mechanical hearing aids; Electric tinnitus maskers providing an auditory perception

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Acoustics & Sound (AREA)
  • Multimedia (AREA)
  • Human Computer Interaction (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Computational Linguistics (AREA)
  • Signal Processing (AREA)
  • Artificial Intelligence (AREA)
  • Neurosurgery (AREA)
  • Otolaryngology (AREA)
  • General Health & Medical Sciences (AREA)
  • Evolutionary Computation (AREA)
  • Software Systems (AREA)
  • Mathematical Physics (AREA)
  • Fuzzy Systems (AREA)
  • Automation & Control Theory (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Quality & Reliability (AREA)
  • Circuit For Audible Band Transducer (AREA)
  • Prostheses (AREA)
  • Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)

Abstract

本发明公开了人工耳蜗的环境声感知方法和***，方法包括以下步骤：声音采集模块采用麦克风实时采集环境声，将采集到的一段离散声音信号输出给声音特征提取模块；声音特征提取模块将声音采集模块发送来的声音信号作处理，提取一组代表声音信号特点的特征值，输出给神经网络分类模块；神经网络分类模块在收到声音特征提取模块提取的一组特征值，通过训练好的神经网络对该组特征值进行分类，然后将分类结果输出给综合决策模块；综合决策模块在收到神经网络分类模块的分类结果之后，综合分析给出当前场景的判定，并将判定结果输出给语音处理选择模块；语音处理选择模块根据综合决策模块对当前场景的判定结果，选择最优的语音处理程序及其参数配置。

Description

一种人工耳蜗的环境声感知方法和***
技术领域
本发明属于信号处理领域，涉及一种人工耳蜗的环境声感知方法和***。
背景技术
人工耳蜗是目前市场上唯一一种可以有效地让重度或极重度耳聋患者恢复听力的医疗器械。一般的人工耳蜗的工作原理是将麦克风采集的声音信号，经过信号处理单元，将声音信号转为刺激编码发送给植入体，植入体按照刺激编码，通过微电极刺激听神经，从而使植入者恢复听力。跟助听器等其他辅听设备一样，这类***缺少常人听力***的一项重要功能，即可以在复杂的声音场景中分辨目标信号，并将其提取出来。比如在一群人或者相对嘈杂的环境下，听清聊天对象所说的话。通常的解决办法是通过一定的去噪算法，减少噪音对听声的影响。然而不同的环境(比如纯语音、待噪语音或者噪音环境)下的去噪算法和算法的参数配置是不同的。
为了解决这类问题，又引入了环境声感知算法，***可以根据环境声感知算法的判定结果，有针对性的开启降噪算法并配置相关参数。早期的人工耳蜗或者助听器的***中，环境声感知算法的分类器采用的是隐马尔可夫模型。该模型相对简单，理论成熟较早，对训练数据要求不高，也保有一定的正确识别率。并且其运算量比较低，能够适应人工耳蜗这种运算能力有限的设备。随着近几年模式识别，机器学习等领域的不断创新，算力算法上的不断进步，更多的分类算法(支持向量机、神经网络等)在环境声感知领域上的表现更为突出，分类正确率更高。而且支持向量机、神经网络这类分类器相对于隐马尔可夫模型，将重心放在区别类别上，而无须提供类别转换的先验概率。也就是说只需要分析不同环境声的数据，不需要考虑从一种环境声转换另一种环境声的概率是多少。得到这种转换概率非常困难，而且从数据上分析又不够准确。但是神经网络的变化很多，根据输入特征值的数目，隐含层的数目，每层网络节点数目的不同，其网络结构可以有很多种组合。而且通常神经网络的分类正确率跟其规模成正比，因而所需运算量也比较大。
发明内容
为解决上述问题，本发明针对现有声音感知处理的缺点，提出了一种人工耳蜗的环境声感知方法，采用神经网络，对环境声分类，该神经网络的输入特征值、网络结构是在人工耳蜗***上进行的优化，即在满足一定的分类正确率的情况下，使运算量达到最小。
为实现上述目的，本发明的技术方案为一种人工耳蜗的环境声感知方法，包括以下步骤：
声音采集模块采用麦克风实时采集环境声，然后将采集到的一段离散声音信号输出给声音特征提取模块；
声音特征提取模块将声音采集模块发送来的声音信号作处理，提取一组代表声音信号特点的特征值，输出给神经网络分类模块；
神经网络分类模块在收到声音特征提取模块提取的一组特征值之后，通过训练好的神经网络对该组特征值进行分类，然后将分类结果输出给综合决策模块；
综合决策模块在收到神经网络分类模块的分类结果之后，综合分析给出当前场景的判定，并将判定结果输出给语音处理选择模块；
语音处理选择模块根据综合决策模块对当前场景的判定结果，选择最优的语音处理程序及其参数配置。
优选地，所述麦克风实时采集环境声使用全向麦克风或者麦克风阵列。
优选地，所述声音采集模块的采样率为16K。
优选地，所述提取一组代表声音信号特点的特征值提取的特征值在8个。
优选地，所述神经网络分类模块采用包含两个隐含层、每层15个神经元的深度神经网络或者延迟神经网络。
优选地，8个所述特征值从60个特征值中筛选而来。
优选地，所述特征值筛选采用综合分析特征值的统计值和高斯混合模型、平均影响值算法、序列前向选择算法、以及分类器训练结果评估的方法。
优选地，所述特征值的计算量和神经网络的计算量不超过人工耳蜗言语处理器运算能力的20％。
基于上述目的，本发明还提供了一种人工耳蜗的环境声感知***，包括依次连接的声音采集模块、声音特征提取模块、神经网络分类模块、综合决策模块、语音处理选择模块，其中，
所述声音采集模块，用于采用麦克风实时采集环境声，然后将采集到的一段离散声音信号输出给声音特征提取模块；
所述声音特征提取模块，用于将声音采集模块发送来的声音信号作处理，提取一组代表声音信号特点的特征值，输出给神经网络分类模块；
所述神经网络分类模块，用于在收到声音特征提取模块提取的一组特征值之后，通过训练好的神经网络对该组特征值进行分类，然后将分类结果输出给综合决策模块；
所述综合决策模块，用于在收到神经网络分类模块的分类结果之后，综合分析给出当前场景的判定，并将判定结果输出给语音处理选择模块；
所述语音处理选择模块，用于根据综合决策模块对当前场景的判定结果，选择最优的语音处理程序及其参数配置。
附图说明
图1为本发明实施例的人工耳蜗的环境声感知方法的步骤流程图；
图2为本发明实施例的人工耳蜗的环境声感知***的结构框图；
图3为本发明实施例的人工耳蜗的环境声感知方法和***的神经网络分类模块具体示意图；
图4为本发明实施例的人工耳蜗的环境声感知方法的对不同隐含层和不同神经元数目的网络的运算量和正确率的对比图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
相反，本发明涵盖任何由权利要求定义的在本发明的精髓和范围上做的替代、修改、等效方法以及方案。进一步，为了使公众对本发明有更好的了解，在下文对本发明的细节描述中，详尽描述了一些特定的细节部分。对本领域技术人员来说没有这些细节部分的描述也可以完全理解本发明。
参见图1，为本发明实施例的本发明的技术方案为人工耳蜗的环境声感知方法的步骤流程图，包括以下步骤：
S10，声音采集模块采用麦克风实时采集环境声，然后将采集到的一段离散声音信号输出给声音特征提取模块；
S20，声音特征提取模块将声音采集模块发送来的声音信号作处理，提取一组代表声音信号特点的特征值，输出给神经网络分类模块；
S30，神经网络分类模块在收到声音特征提取模块提取的一组特征值之后，通过训练好的神经网络对该组特征值进行分类，然后将分类结果输出给综合决策模块；
S40，综合决策模块在收到神经网络分类模块的分类结果之后，综合分析给出当前场景的判定，并将判定结果输出给语音处理选择模块；
S50，语音处理选择模块根据综合决策模块对当前场景的判定结果，选择最优的语音处理程序及其参数配置。
本发明的***实施例参见图2，包括依次连接的声音采集模块10、声音特征提取模块20、神经网络分类模块30、综合决策模块40、语音处理选择模块50，其中，
声音采集模块10，用于采用麦克风实时采集环境声，然后将采集到的一段离散声音信号输出给声音特征提取模块20；
声音特征提取模块20，用于将声音采集模块发送来的声音信号作处理，提取一组代表声音信号特点的特征值，输出给神经网络分类模块30；
神经网络分类模块30，用于在收到声音特征提取模块提取的一组特征值之后，通过训练好的神经网络对该组特征值进行分类，然后将分类结果输出给综合决策模块40；
综合决策模块40，用于在收到神经网络分类模块的分类结果之后，综合分析给出当前场景的判定，并将判定结果输出给语音处理选择模块50；
语音处理选择模块50，用于根据综合决策模块对当前场景的判定结果，选择最优的语音处理程序及其参数配置。
具体实施例中，S10中麦克风实时采集环境声使用全向麦克风或者麦克风阵列，声音采集模块10的采样率为16K。
S20中提取一组代表声音信号特点的特征值提取的特征值在8个，8个特征值从60个特征值中筛选而来。在提取特征值之前做归一化处理，公式如下：
其中，xnorm为归一化结果，Xmax为该特征值所在训练样本最大值，Xmin为该特征值所在训练样本最小值。
S30中神经网络分类模块采用包含两个隐含层、每层15个神经元的深度神经网络或者延迟神经网络。神经网络模块是通过大量数据样本训练得到的，以判别4类环境声(纯语音、带噪语音、噪音、音乐和安静)为例，其神经网络模型参见图3。特征值选取1、2、3、4、5和6，一共六种组成一组。训练样本是从大量收集的音频文件中提取出来，一共包含了144000组样本特征值，每类环境声包含36000组特征值。为了找到运算量与正确率的平衡点，参见图4，我们尝试了1隐含层和2隐含层，每层不同神经元数目。从图中可以看出，两隐含层的神经网络的正确率明显高于单隐含层的神经网络，最佳神经元数目为15。
S40中神经网络判定公式如下：
其中，Xinput为输入特征值矩阵，W1、W2、W3为训练好的神经网络每层权值矩阵，B1、B2、B3为训练好的神经网络每层偏置矩阵，activeFcn为激活函数，Yout为网络计算结果。
为了减少运算量，我们将隐含层的激活函数activeFcnH和输出层的激活函数activeFcnO分别定义为：
其中，x为激活函数的输入，i为环境声类别。
综合决策模块在收到神经网络分类模块的分类结果之后，综合分析一系列因素，主要包括一小段时间内神经网络的识别结果和声音能量大小，给出当前场景的判定，并将判定结果输出给语音处理选择模块。
语音处理选择模块根据综合决策模块对当前场景的判定结果，选择最优的语音处理程序及其参数配置。
特征值筛选采用综合分析特征值的统计值和高斯混合模型、平均影响值算法、序列前向选择算法、以及分类器训练结果评估的方法。
特征值的计算量和神经网络的计算量不超过人工耳蜗言语处理器运算能力的20％。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (9)

1.一种人工耳蜗的环境声感知方法，其特征在于，包括以下步骤：
声音采集模块采用麦克风实时采集环境声，然后将采集到的一段离散声音信号输出给声音特征提取模块；
声音特征提取模块将声音采集模块发送来的声音信号作处理，提取一组代表声音信号特点的特征值，输出给神经网络分类模块；
神经网络分类模块在收到声音特征提取模块提取的一组特征值之后，通过训练好的神经网络对该组特征值进行分类，然后将分类结果输出给综合决策模块；
综合决策模块在收到神经网络分类模块的分类结果之后，综合分析给出当前场景的判定，并将判定结果输出给语音处理选择模块；
语音处理选择模块根据综合决策模块对当前场景的判定结果，选择最优的语音处理程序及其参数配置。
2.根据权利要求1所述的方法，其特征在于，所述麦克风实时采集环境声使用全向麦克风或者麦克风阵列。
3.根据权利要求1所述的方法，其特征在于，所述声音采集模块的采样率为16K。
4.根据权利要求1所述的方法，其特征在于，所述提取一组代表声音信号特点的特征值提取的特征值在8个。
5.根据权利要求1所述的方法，其特征在于，所述神经网络分类模块采用包含两个隐含层、每层15个神经元的深度神经网络或者延迟神经网络。
6.根据权利要求4所述的方法，其特征在于，8个所述特征值从60个特征值中筛选而来。
7.根据权利要求6所述的方法，其特征在于，所述特征值筛选采用综合分析特征值的统计值和高斯混合模型、平均影响值算法、序列前向选择算法、以及分类器训练结果评估的方法。
8.根据权利要求1所述的方法，其特征在于，所述特征值的计算量和神经网络的计算量不超过人工耳蜗言语处理器运算能力的20％。
9.采用权利要求1-8之一所述方法的***，其特征在于，包括依次连接的声音采集模块、声音特征提取模块、神经网络分类模块、综合决策模块、语音处理选择模块，其中，
所述声音采集模块，用于采用麦克风实时采集环境声，然后将采集到的一段离散声音信号输出给声音特征提取模块；
所述声音特征提取模块，用于将声音采集模块发送来的声音信号作处理，提取一组代表声音信号特点的特征值，输出给神经网络分类模块；
所述神经网络分类模块，用于在收到声音特征提取模块提取的一组特征值之后，通过训练好的神经网络对该组特征值进行分类，然后将分类结果输出给综合决策模块；
所述综合决策模块，用于在收到神经网络分类模块的分类结果之后，综合分析给出当前场景的判定，并将判定结果输出给语音处理选择模块；
所述语音处理选择模块，用于根据综合决策模块对当前场景的判定结果，选择最优的语音处理程序及其参数配置。
CN201810856692.8A 2018-07-31 2018-07-31 一种人工耳蜗的环境声感知方法和*** Active CN108711419B (zh)

Priority Applications (3)

Application Number Priority Date Filing Date Title
CN201810856692.8A CN108711419B (zh) 2018-07-31 2018-07-31 一种人工耳蜗的环境声感知方法和***
PCT/CN2019/096648 WO2020024807A1 (zh) 2018-07-31 2019-07-19 一种人工耳蜗的环境声感知方法和***
ES202190003A ES2849124B2 (es) 2018-07-31 2019-07-19 Metodo y sistema de deteccion de sonido ambiental para un implante coclear

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810856692.8A CN108711419B (zh) 2018-07-31 2018-07-31 一种人工耳蜗的环境声感知方法和***

Publications (2)

Publication Number Publication Date
CN108711419A true CN108711419A (zh) 2018-10-26
CN108711419B CN108711419B (zh) 2020-07-31

Family

ID=63874461

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810856692.8A Active CN108711419B (zh) 2018-07-31 2018-07-31 一种人工耳蜗的环境声感知方法和***

Country Status (3)

Country Link
CN (1) CN108711419B (zh)
ES (1) ES2849124B2 (zh)
WO (1) WO2020024807A1 (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109448703A (zh) * 2018-11-14 2019-03-08 山东师范大学 结合深度神经网络和主题模型的音频场景识别方法及***
WO2020024807A1 (zh) * 2018-07-31 2020-02-06 浙江诺尔康神经电子科技股份有限公司 一种人工耳蜗的环境声感知方法和***
CN111491245A (zh) * 2020-03-13 2020-08-04 天津大学 基于循环神经网络的数字助听器声场识别算法及硬件实现方法
CN112151056A (zh) * 2020-09-27 2020-12-29 浙江诺尔康神经电子科技股份有限公司 带自定义的智能耳蜗声音处理***和方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103456301A (zh) * 2012-05-28 2013-12-18 中兴通讯股份有限公司 一种基于环境声音的场景识别方法及装置及移动终端
CN105845127A (zh) * 2015-01-13 2016-08-10 阿里巴巴集团控股有限公司 语音识别方法及其***
CN107103901A (zh) * 2017-04-03 2017-08-29 浙江诺尔康神经电子科技股份有限公司 人工耳蜗声音场景识别***和方法

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1879449B (zh) * 2003-11-24 2011-09-28 唯听助听器公司 助听器和减少噪声的方法
DK2064918T3 (en) * 2006-09-05 2015-01-26 Gn Resound As A hearing-aid with histogram based lydmiljøklassifikation
CN105611477B (zh) * 2015-12-27 2018-06-01 北京工业大学 数字助听器中深度和广度神经网络相结合的语音增强算法
CN108172238B (zh) * 2018-01-06 2021-08-13 广州音书科技有限公司 一种语音识别***中基于多个卷积神经网络的语音增强算法
CN108231067A (zh) * 2018-01-13 2018-06-29 福州大学 基于卷积神经网络与随机森林分类的声音场景识别方法
CN108711419B (zh) * 2018-07-31 2020-07-31 浙江诺尔康神经电子科技股份有限公司 一种人工耳蜗的环境声感知方法和***

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103456301A (zh) * 2012-05-28 2013-12-18 中兴通讯股份有限公司 一种基于环境声音的场景识别方法及装置及移动终端
CN105845127A (zh) * 2015-01-13 2016-08-10 阿里巴巴集团控股有限公司 语音识别方法及其***
CN107103901A (zh) * 2017-04-03 2017-08-29 浙江诺尔康神经电子科技股份有限公司 人工耳蜗声音场景识别***和方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
TOBIAS GOEHRING等: "Speech enhancement based on neural networks improves speech intelligibility in noise for cochlear implant users", 《HEARING RESEARCH》 *
杨铭: "自然与城市声特征及自动识别", 《声景观 新建筑》 *

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2020024807A1 (zh) * 2018-07-31 2020-02-06 浙江诺尔康神经电子科技股份有限公司 一种人工耳蜗的环境声感知方法和***
CN109448703A (zh) * 2018-11-14 2019-03-08 山东师范大学 结合深度神经网络和主题模型的音频场景识别方法及***
CN109448703B (zh) * 2018-11-14 2021-05-11 山东师范大学 结合深度神经网络和主题模型的音频场景识别方法及***
CN111491245A (zh) * 2020-03-13 2020-08-04 天津大学 基于循环神经网络的数字助听器声场识别算法及硬件实现方法
CN111491245B (zh) * 2020-03-13 2022-03-04 天津大学 基于循环神经网络的数字助听器声场识别算法及实现方法
CN112151056A (zh) * 2020-09-27 2020-12-29 浙江诺尔康神经电子科技股份有限公司 带自定义的智能耳蜗声音处理***和方法
CN112151056B (zh) * 2020-09-27 2023-08-04 浙江诺尔康神经电子科技股份有限公司 带自定义的智能耳蜗声音处理***和方法

Also Published As

Publication number Publication date
ES2849124A1 (es) 2021-08-13
WO2020024807A1 (zh) 2020-02-06
ES2849124B2 (es) 2022-11-16
CN108711419B (zh) 2020-07-31

Similar Documents

Publication Publication Date Title
CN108711419A (zh) 一种人工耳蜗的环境声感知方法和***
CN109326302B (zh) 一种基于声纹比对和生成对抗网络的语音增强方法
CN107103901B (zh) 人工耳蜗声音场景识别***和方法
CN102270451B (zh) 说话人识别方法及***
CN108766459B (zh) 一种多人语音混合中目标说话人估计方法及***
CN112151056B (zh) 带自定义的智能耳蜗声音处理***和方法
CN108305615A (zh) 一种对象识别方法及其设备、存储介质、终端
CN110072434A (zh) 用于辅助听力设备使用的声音声学生物标记的使用
CN107945790A (zh) 一种情感识别方法和情感识别***
CN101716108B (zh) 一种电子耳蜗信号处理及电刺激编码***
CN110428843A (zh) 一种语音性别识别深度学习方法
WO2010068997A1 (en) Music pre-processing for hearing prostheses
CN110197665A (zh) 一种用于公安刑侦监听的语音分离与跟踪方法
CN109448755A (zh) 人工耳蜗听觉场景识别方法
CN110111769A (zh) 一种电子耳蜗控制方法、装置、可读存储介质及电子耳蜗
WO2020087716A1 (zh) 人工耳蜗听觉场景识别方法
Hüwel et al. Hearing aid research data set for acoustic environment recognition
CN115705841A (zh) 使用加速度计感测骨传导的语音识别
CN116092512A (zh) 一种基于数据生成的小样本语音分离方法
CN113850013B (zh) 一种舰船辐射噪声分类方法
CN116434758A (zh) 声纹识别模型训练方法、装置、电子设备及存储介质
Shekar et al. Development of CNN-based cochlear implant and normal hearing sound recognition models using natural and auralized environmental audio
CN108922616A (zh) 一种助听器快速自验配方法
CN114938487A (zh) 基于声场景判别的助听器自验配方法
CN112420063A (zh) 一种语音增强方法和装置

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant