CN113486648A - 一种基于闭集中文短句测试的去信息掩蔽评估方法及*** - Google Patents
一种基于闭集中文短句测试的去信息掩蔽评估方法及*** Download PDFInfo
- Publication number
- CN113486648A CN113486648A CN202110686936.4A CN202110686936A CN113486648A CN 113486648 A CN113486648 A CN 113486648A CN 202110686936 A CN202110686936 A CN 202110686936A CN 113486648 A CN113486648 A CN 113486648A
- Authority
- CN
- China
- Prior art keywords
- test
- information
- masking
- obtaining
- tone
- 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
Links
- 238000012360 testing method Methods 0.000 title claims abstract description 369
- 230000000873 masking effect Effects 0.000 title claims abstract description 224
- 238000011156 evaluation Methods 0.000 title claims abstract description 99
- 238000012216 screening Methods 0.000 claims abstract description 17
- 238000000034 method Methods 0.000 claims description 53
- 238000004458 analytical method Methods 0.000 claims description 36
- 238000012549 training Methods 0.000 claims description 30
- 238000010276 construction Methods 0.000 claims description 17
- 238000001228 spectrum Methods 0.000 claims description 12
- 238000004088 simulation Methods 0.000 claims description 8
- 238000004590 computer program Methods 0.000 claims description 5
- 238000012163 sequencing technique Methods 0.000 claims description 4
- 230000000694 effects Effects 0.000 abstract description 18
- 230000008447 perception Effects 0.000 abstract description 7
- 238000012795 verification Methods 0.000 description 18
- 238000003062 neural network model Methods 0.000 description 12
- 230000008569 process Effects 0.000 description 9
- 238000004364 calculation method Methods 0.000 description 8
- 230000006870 function Effects 0.000 description 6
- 210000005069 ears Anatomy 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 5
- 239000007943 implant Substances 0.000 description 5
- 230000008859 change Effects 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 241001672694 Citrus reticulata Species 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 230000003247 decreasing effect Effects 0.000 description 2
- 230000009977 dual effect Effects 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000011002 quantification Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000002441 reversible effect Effects 0.000 description 2
- 101100134058 Caenorhabditis elegans nth-1 gene Proteins 0.000 description 1
- 241000282414 Homo sapiens Species 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000019771 cognition Effects 0.000 description 1
- 230000002860 competitive effect Effects 0.000 description 1
- 230000002354 daily effect Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 238000013100 final test Methods 0.000 description 1
- 230000000670 limiting effect Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000004445 quantitative analysis Methods 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/205—Parsing
- G06F40/211—Syntactic parsing, e.g. based on context-free grammar [CFG] or unification grammars
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
- G06F3/16—Sound input; Sound output
- G06F3/165—Management of the audio stream, e.g. setting of volume, audio stream path
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/279—Recognition of textual entities
- G06F40/289—Phrasal analysis, e.g. finite state techniques or chunking
-
- 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
- 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
- G10L2021/02087—Noise filtering the noise being separate speech, e.g. cocktail party
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Computational Linguistics (AREA)
- Artificial Intelligence (AREA)
- Multimedia (AREA)
- Human Computer Interaction (AREA)
- Quality & Reliability (AREA)
- Signal Processing (AREA)
- Acoustics & Sound (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本发明公开了一种基于闭集中文短句测试的去信息掩蔽评估方法及***,通过根据第一掩蔽声信息、测试短句信息,获得第一测试音,其中第一掩蔽声信息为能量掩蔽或信息掩蔽;基于第一测试音,获得第一测试结果;根据第一测试结果、第一测试音,获得第一测试调整音;基于第一测试调整音获得第二测试结果;根据第一测试音、第一测试调整音,获得第二测试调整音;获得第三测试结果;根据第一设定信噪比对第一、第二、第三测试结果进行筛选;根据筛选后的测试结果,获得第一评估结果。达到了通过对掩蔽声进行分类设定,并不断进行噪音的动态调整,能够将能量掩蔽与信息掩蔽分离,为信息掩蔽评估领域提供了更科学、可靠听觉感知评估手段的技术效果。
Description
技术领域
本发明涉及数据分析技术领域,尤其涉及一种基于闭集中文短句测试的去信息掩蔽评估方法及***。
背景技术
儿童言语感知能力时刻在发展,随年龄增长噪声下言语识别能力不断提高的过程非常复杂。对儿童以及人工耳蜗植入儿童言语感知能力的评估一直是学者们关注的重点。由于儿童在噪声下言语识别能力与成人有较大差距,故不能简单的用成人的测试工具对儿童进行评估。在我国,国内众多学者根据国外对儿童言语识别能力的研究,针对汉语普通话儿童的特点相继开发了一系列儿童噪声下言语识别能力测试材料。专为儿童设计开发的普通话儿童词汇相邻性测试引入多人谈话噪声和言语谱噪声后的研究显示,多人谈话噪声比言语谱噪声的掩蔽效应更明显。然而目前国内并没有针对人工耳蜗使用儿童在多人谈话即多人竞争语境下的听觉掩蔽效应的定量定性评估。
发明内容
本发明的旨在至少解决上述技术缺陷之一,通过提供一种基于闭集中文短句测试的去信息掩蔽评估方法及***,用以解决现有技术中主要对于能量掩蔽效应的评估,对于影响信息掩蔽效应因素缺乏严格控制,存在影响评估结果的技术问题。
为此,本发明第一个目的在于提出一种基于闭集中文短句测试的去信息掩蔽评估方法,所述方法包括:获得测试短句信息;获得掩蔽声信息种类集,所述掩蔽声信息种类集包括稳态背景噪声、动态噪声、语谱噪声、多人说话噪声;根据所述掩蔽声信息种类集,获得第一掩蔽声信息;根据所述第一掩蔽声信息、所述测试短句信息,获得第一测试音,其中,所述第一测试音中的第一掩蔽声信息为能量掩蔽或信息掩蔽;基于所述第一测试音,获得第一测试结果;根据所述第一测试结果、所述第一测试音,获得第一测试调整音;基于所述第一测试调整音,获得第二测试结果;根据所述第一测试音、所述第一测试调整音,获得第二测试调整音;基于所述第二测试调整音,获得第三测试结果;根据第一设定信噪比对所述第一测试结果、第二测试结果、第三测试结果进行筛选;根据筛选后的测试结果,获得第一评估结果。
本发明第二个目的在于提供一种基于闭集中文短句测试的去信息掩蔽评估***,所述***包括:
第一获得单元,所述第一获得单元用于获得测试短句信息;
第二获得单元,所述第二获得单元用于获得掩蔽声信息种类集,所述掩蔽声信息种类集包括稳态背景噪声、动态噪声、语谱噪声、多人说话噪声;
第三获得单元,所述第三获得单元用于根据所述掩蔽声信息种类集,获得第一掩蔽声信息;
第四获得单元,所述第四获得单元用于根据所述第一掩蔽声信息、所述测试短句信息,获得第一测试音,其中,所述第一测试音中的第一掩蔽声信息为能量掩蔽或信息掩蔽;
第五获得单元,所述第五获得单元用于基于所述第一测试音,获得第一测试结果;
第六获得单元,所述第六获得单元用于根据所述第一测试结果、所述第一测试音,获得第一测试调整音;
第七获得单元,所述第七获得单元用于基于所述第一测试调整音,获得第二测试结果;
第八获得单元,所述第八获得单元用于根据所述第一测试音、所述第一测试调整音,获得第二测试调整音;
第九获得单元,所述第九获得单元用于基于所述第二测试调整音,获得第三测试结果;
第一筛选单元,所述第一筛选单元用于根据第一设定信噪比对所述第一测试结果、第二测试结果、第三测试结果进行筛选;
第十获得单元,所述第十获得单元用于根据筛选后的测试结果,获得第一评估结果。
本发明第三个目的在于提供一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述方法。
本申请实施例中提供的一个或多个技术方案,至少具有如下技术效果或优点:
本发明实施例提供的一种基于闭集中文短句测试的去信息掩蔽评估方法及***,通过获得测试短句信息;获得掩蔽声信息种类集,所述掩蔽声信息种类集包括稳态背景噪声、动态噪声、语谱噪声、多人说话噪声;根据所述掩蔽声信息种类集,获得第一掩蔽声信息;根据所述第一掩蔽声信息、所述测试短句信息,获得第一测试音,其中,所述第一测试音中的第一掩蔽声信息为能量掩蔽或信息掩蔽;基于所述第一测试音,获得第一测试结果;根据所述第一测试结果、所述第一测试音,获得第一测试调整音;基于所述第一测试调整音,获得第二测试结果;根据所述第一测试音、所述第一测试调整音,获得第二测试调整音;基于所述第二测试调整音,获得第三测试结果;根据第一设定信噪比对所述第一测试结果、第二测试结果、第三测试结果进行筛选;根据筛选后的测试结果,获得第一评估结果。达到了通过对掩蔽声进行分类设定,并不断进行噪音的动态调整,实现精准评估人工耳蜗使用儿童多人竞争语境下其去信息掩蔽效应,能够将能量掩蔽与信息掩蔽分离,为信息掩蔽评估领域提供了更科学、可靠听觉感知评估手段的技术效果,从而解决了现有技术中主要对于能量掩蔽效应的评估,对于影响信息掩蔽效应因素缺乏严格控制,存在影响评估结果的技术问题。
上述说明仅是本申请技术方案的概述,为了能够更清楚了解本申请的技术手段,而可依照说明书的内容予以实施,并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂,以下特举本申请的具体实施方式。
附图说明
图1为本申请实施例一种基于闭集中文短句测试的去信息掩蔽评估方法的流程示意图;
图2为本申请实施例一种基于闭集中文短句测试的去信息掩蔽评估***的结构示意图;
图3为本申请实施例示例性电子设备的结构示意图。
附图标记说明:第一获得单元11,第二获得单元12,第三获得单元13,第四获得单元14,第五获得单元15,第六获得单元16,第七获得单元17,第八获得单元18,第九获得单元19,第一筛选单元20,第十获得单元21,总线300,接收器301,处理器302,发送器303,存储器304,总线接口305。
具体实施方式
下面详细描述本发明的实施例,实施例的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的,仅用于解释本发明,而不能理解为对本发明的限制。相反,本发明的实施例包括落入所附加权利要求书的精神和内涵范围内的所有变化、修改和等同物。
在本发明的描述中,需要说明的是,除非另有明确的规定和限定,术语“相连”、“连接”应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或一体地连接;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连。对于本领域的普通技术人员而言,可以具体情况理解上述术语在本发明中的具体含义。此外,在本发明的描述中,除非另有说明,“多个”的含义是两个或两个以上。
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为,表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分,并且本发明的优选实施方式的范围包括另外的实现,其中可以不按所示出或讨论的顺序,包括根据所涉及的功能按基本同时的方式或按相反的顺序,来执行功能,这应被本发明的实施例所属技术领域的技术人员所理解。
下面参考附图描述根据本发明实施例的一种基于闭集中文短句测试的去信息掩蔽评估方法。
本申请的技术方案为:获得测试短句信息;获得掩蔽声信息种类集,所述掩蔽声信息种类集包括稳态背景噪声、动态噪声、语谱噪声、多人说话噪声;根据所述掩蔽声信息种类集,获得第一掩蔽声信息;根据所述第一掩蔽声信息、所述测试短句信息,获得第一测试音,其中,所述第一测试音中的第一掩蔽声信息为能量掩蔽或信息掩蔽;基于所述第一测试音,获得第一测试结果;根据所述第一测试结果、所述第一测试音,获得第一测试调整音;基于所述第一测试调整音,获得第二测试结果;根据所述第一测试音、所述第一测试调整音,获得第二测试调整音;基于所述第二测试调整音,获得第三测试结果;根据第一设定信噪比对所述第一测试结果、第二测试结果、第三测试结果进行筛选;根据筛选后的测试结果,获得第一评估结果。解决了现有技术中主要对于能量掩蔽效应的评估,对于影响信息掩蔽效应因素缺乏严格控制,存在影响评估结果的技术问题。达到了通过对掩蔽声进行分类设定,并不断进行噪音的动态调整,实现精准评估人工耳蜗使用儿童多人竞争语境下其去信息掩蔽效应,能够将能量掩蔽与信息掩蔽分离,为信息掩蔽评估领域提供了更科学、可靠听觉感知评估手段的技术效果。
实施例一
如图1所示,本申请实施例提供了一种基于闭集中文短句测试的去信息掩蔽评估方法,所述方法包括:
步骤S100获得测试短句信息;
进一步的,所述获得测试短句信息,包括:获得预设测试词语库,所述预设测试词语库包括预设类型字词信息;获得预设句子结构,所述预设句子结构与字词信息的预设类型相对应;按照所述预设类型,从所述预设测试词语库中进行词语提取;将提取的字词信息、所述预设句子结构输入句子构建模型,获得所述测试短句信息。
具体而言,设定不同类型的测试词语构建预设测试词语库,其中包括多种词性的字词,如名词、动词、副词、形容词等,按照测试的要求和应用环境进行对应的设定,如按照测试对应的年龄、性别、或者兴趣爱好,如果用在特殊领域还可以结合领域的特色进行字词设定,举例而言对于3-5岁的孩子,面对的词语选择数量有限且内容要贴合他们的具体情况,面对10-15岁的儿童,测试的内容可以复杂化,若为了提高使用的通用性,也可以按照低水平设定,这样可以扩大测试的年龄范围。另外预设测试词语库的数量应有一定设定要求,以便于进行词语库的管理,但是为了提高测试的效率,设定数量不宜过多,本申请实施例优选设定的50-100个,词语类型分为5-10类,每类选择5-10个词语,在设定测试短句时,按照词语类型设定有固定的短句结构,从每类词语库总随机选择一个,对选择的字词进行组合,拼成一个完整的句子,按照类别设定的不同,选择出来的字词类型和数量也存在不同,这样组成的测试短句的难易度会存在不同,为了提供组件测试短句的效率和准确性,本申请实施例利用人工智能技术,通过构建神经网络模型,利用多组字词信息、预设句子结构作为训练数据对神经网络模型进行训练,获得对应的句子构建模型,这样将对应的输入信息输入句子构建模型将自动输出构建的句子结果,有效提供了计算效率和准确性。
步骤S200获得掩蔽声信息种类集,所述掩蔽声信息种类集包括稳态背景噪声、动态噪声、语谱噪声、多人说话噪声;
具体而言,本申请实施例为基于闭集中文短句测试的多人竞争语境去信息掩蔽进行评估,由于采用的固定的词语构建测试短句,选用闭集噪声评估材料,可初步排除受试者的年龄、认知、文化水平、记忆力等因素所造成的限制。通过采用不同的掩蔽声种类,比如稳态背景噪声、动态噪声、语谱噪声、多人说话噪声等,通过构建不同噪音中的掩蔽效应评估,从而将能量掩蔽和信息掩蔽进行分离。
步骤S300根据所述掩蔽声信息种类集,获得第一掩蔽声信息;
具体而言,按照掩蔽声信息种类集中的各类噪音进行对应设定,进行不同噪音的掩蔽评估,在进行评估时首先确定合适的音量,选择不同的噪音评估内容,包括稳态噪声、动态噪声、男声反向、女生反向、英文反向等,第一掩蔽声信息是按照掩蔽声信息种类集中进行选定的其中一个噪音信息对应构建一个测试项目,用户可以进行测试项目的设定和选择。
步骤S400根据所述第一掩蔽声信息、所述测试短句信息,获得第一测试音,其中,所述第一测试音中的第一掩蔽声信息为能量掩蔽或信息掩蔽;
具体而言,按照测试短句信息生成目标测试声音再将测试项目对应的第一掩蔽声信息进行叠加,生成对应的第一测试音,按照选择测试项目不同对应的可以是能量掩蔽或者信息掩蔽中的一种,从而可以实现能量掩蔽和信息掩蔽的分离评估。
步骤S500基于所述第一测试音,获得第一测试结果;
具体而言,测试用户按照听到的第一测试音,给出听到的结果,可以按照测试的难易程度,选择测试用户自己给出,按照给出的答案和测试短句信息进行比对,得到第一测试结果,还可以在显示界面给出选择内容,测试用户按照自己听到的内容从中选择最接近的内容,按照选择的内容和测试短句信息进行内容对比,按照正确的数量进行占比计算,从而确定第一测试结果。
步骤S600根据所述第一测试结果、所述第一测试音,获得第一测试调整音;
步骤S700基于所述第一测试调整音,获得第二测试结果;
具体而言,掩蔽音为随着测试结果进行动态改变,如增加频率、降低频率、增减音量等等手段进行掩蔽音的调整,继续进行测试,每一种测试项目可以选择多个测试结果进行平均,从而确保测试结果的可靠性。
步骤S800根据所述第一测试音、所述第一测试调整音,获得第二测试调整音;
步骤S900基于所述第二测试调整音,获得第三测试结果;
步骤S1000根据第一设定信噪比对所述第一测试结果、第二测试结果、第三测试结果进行筛选;
步骤S1100根据筛选后的测试结果,获得第一评估结果。
具体而言,每个测试项目优选测试3-5次,以提高准确性,当日也可以更多,本实施例不做限定,最后将测试结果选择满足一定识别率的信噪比作为参考信息,如50%、70%等比例的识别率的信噪比,再对筛选的各测试结果进行加权计算获得最终的评估结果,如选择的测试结果为第一测试结果、第二测试结果、第三测试结果,计算公式为(第一测试结果+第二测试结果+第三测试结果)/3。达到了通过对掩蔽声进行分类设定,并不断进行噪音的动态调整,实现精准评估人工耳蜗使用儿童多人竞争语境下其去信息掩蔽效应,能够将能量掩蔽与信息掩蔽分离,为信息掩蔽评估领域提供了更科学、可靠听觉感知评估手段的技术效果,解决了现有技术中主要对于能量掩蔽效应的评估,对于影响信息掩蔽效应因素缺乏严格控制,存在影响评估结果的技术问题。
进一步,所述方法包括:获得目标关键词数量要求;根据所述目标关键词数量要求从所述预设测试词语库中进行筛选,获得第一目标关键词;根据所述掩蔽声信息种类集,获得干扰评估内容集;将所述干扰评估内容集、所述第一目标关键词输入掩蔽分析模型,所述掩蔽分析模型为通过多组训练数据通过训练收敛获得,所述多组训练数据中每组训练数据均包括干扰评估内容、目标关键词及标识言语可懂度的标识信息;获得所述掩蔽分析模型的第一输出结果,所述第一输出结果包括言语可懂度信息,基于获得的所有言语可懂度信息构建言语可懂度排序表,所述言语可懂度排序表中各言语可懂度信息为自易到难排序;根据所述言语可懂度排序表、所述第一目标关键词,获得测试播放信息;根据所述测试播放信息,依次获得言语测试结果;根据所有言语测试结果,获得第二评估结果。
具体而言,利用设定要求数量的关键词,通过对目标关键词进行数量和掩蔽声音的可懂度进行控制,实现定量分析,从预设测试词语库中按照设定的数量选择对应数量的关键词作为目标关键词,干扰评估内容集为按照掩蔽声信息种类集中的掩蔽声音进行对应设定的,如噪音目标关键词、动态关键词、男声前向、女生前向、男生反向、女生反向、英文前向、英文反向等等,按照干扰评估内容和目标管关键词进行叠加出的效果进行可懂性评估,并将评估结果按照从易到难的顺序排序,在进行测试的适合选择正序播放或者倒序播放来定量评估不同影响因素下的信息掩蔽效应结果,测试在不同的噪音干扰下,测试的结果阈值,同样在测试时测试用户按照要求给出对应的答案,根据给出的答案和目标关键词进行比对,得到评估结果,为了提高评估结果的准确性,依然每类测试中选择多组进行测试,没测试完成一次按照测试结果进行噪音的动态调整,继续进行测试,得到最后的测试结果,如选择10组,最后进行评估时,将选择的测试结果进行加权平均计算,得到评估结果。为了提高言语可懂性评估的准确性和运算效率,本申请实施例加入了神经网络模型,掩蔽分析模型即为训练的神经网络模型,通过训练收敛实现掩蔽分析得到对应言语的可懂度。
进一步,所述方法包括:根据所述第一目标关键词,获得测试目标声;获得第一入射角度、第二入射角度,所述第一入射角度与所述第二入射角度不同;根据所述掩蔽声信息种类集,获得多组测试掩蔽声,其中,所述多组测试掩蔽声中各组的掩蔽声数量不同;按照所述第一入射角度传送所述测试目标声,按照第二入射角度依次发送多组测试掩蔽声,依次获得多组测试结果;根据所述多组测试结果,获得第三评估结果。
具体而言,由于声音的传播位置和角度会影响到接收的效果,因而通过调整目标关键词对应的测试目标声和噪音干扰声音即掩蔽声的入射角度,同时按照不同掩蔽声数量进行叠加干扰,达到了定量和相对位置改变双重条件下的掩蔽评估,实现了多方位的信息掩蔽评估。如目标声是男生送到左耳,另外两个男声掩蔽音一个到左耳一个到右耳,或者两个到左耳、一个到右耳,同时还可以改变掩蔽音,有男生有女生,通过掩蔽音的数量改变、入射角度的改变,实现定量与掩蔽声空间位置双重条件下对掩蔽效应的评估,进一步实现了通过对掩蔽声音的控制和改变来进行掩蔽音的分类评估,提高评估的全面性,丰富评估的角度,提高评估结果的可靠性,具有多角度综合评估各掩蔽效应的技术效果,从而解决了现有技术中主要对于能量掩蔽效应的评估,对于影响信息掩蔽效应因素缺乏严格控制,存在影响评估结果的技术问题。
进一步,所述方法包括:根据第一强度设定所述测试目标声;根据第二强度设定所述测试掩蔽声,其中所述第二强度与所述第一强度不同;获得双耳聆听记录信息;根据所述双耳聆听记录信息,获得第一模拟参数;根据所述第一模拟参数,获得双耳聆听时间差;根据所述双耳聆听时间差,依次发送所述测试目标声、所述测试掩蔽声,获得双耳测试结果。
具体而言,通过历史听测数据进行双耳聆听效应的评估和分析,得到双耳聆听时的频率和时间关系,得到第一模拟参数,第一模拟参数即为通过对历史听测记录分析,得到双耳在聆听中的频率和入耳时间的差异,根据双耳聆听时间差来控制目标声和掩蔽声的发送时间,模拟日常生活的双耳聆听效应,从而实现定量进行双耳信息掩蔽评估的效果,可以通过调整声音的类型、发送位置、声音大小几个方面的综合调整,实现的多种类型的掩蔽声,在不同掩蔽声下完成不同种类的测试。如目标为女声送到双耳,在一个耳朵设定两个男生干扰,一个耳朵设定一个男生干扰,两个耳朵处的干扰声音可以一样大,也可以设定右耳朵比左耳大几分贝,左耳比右耳大亦然,将各种因素进行综合和调整,实现多种模式的测试环境,实现对双耳信息掩蔽评估的效果。进一步丰富了信息掩蔽的方向和角度,提高了评估结果的全面性和可靠性。进一步解决了现有技术中主要对于能量掩蔽效应的评估,对于影响信息掩蔽效应因素缺乏严格控制,存在影响评估结果的技术问题。
进一步的,所述将提取的字词信息、所述预设句子结构输入句子构建模型,获得所述测试短句信息,包括:将所述字词信息、所述预设句子结构作为输入信息输入所述句子构建模型,所述句子构建模型为通过多组训练数据训练收敛获得,所述多组训练数据均包括所述字词信息、所述预设句子结构及标识所述短句信息的标识信息;获得所述句子构建模型的第二输出结果,所述第二输出结果为测试短句信息集合。
具体而言,所述预设句子结构为机器学习中的神经网络模型,它可以不断地进行学习和调整,是一个高度复杂的非线性动力学习***。简单地讲,它是一个数学模型。通过大量训练数据的训练,将大量的字词信息、所述预设句子结构作为训练训练数据进行模型训练,构建所述预设句子结构,将字词信息、所述预设句子结构输入神经网络模型,则输出测试短句信息。更进一步,所述训练的过程实质为监督学习的过程,每一组监督数据均包括所述字词信息、所述预设句子结构以及用于标识测试短句信息的标识信息,将所述字词信息、所述预设句子结构输入到神经网络模型中,根据用来标识所述测试短句信息的标识信息,所述神经网络模型进行不断的自我修正、调整,直至获得的输出结果与所述标识信息一致,则结束本组数据监督学习,进行下一组数据监督学习;当所述神经网络模型的输出信息达到预定的准确率/达到收敛状态时,则监督学习过程结束。通过对所述神经网络模型的监督学习,进而使得所述神经网络模型处理所述输入信息更加准确,进而获得更加准确、适合的测试短句信息,进而达到按照选择的字词和对应设定的短句结构进行短句的智能分析和构建,由于加入神经网络模型提高了数据运算处理结果的效率和准确度,为提供更加准确可靠的掩蔽信息评估夯实了基础。
进一步的,所述方法还包括:获得测试用户信息;根据所述测试用户信息,获得测试用户干扰因素;将所述测试用户干扰因素输入所述掩蔽分析模型,获得预测言语可懂信息;通过对所述预测言语可懂信息、所述言语可懂度信息进行损失分析,获得第一损失数据;将所述第一损失数据带入所述掩蔽分析模型进行增量学习,获得增量掩蔽分析模型,所述增量掩蔽分析模型为通过对所述掩蔽分析模型进行增量学习后的新模型。
具体而言,在进行言语可懂度分析时候,除了干扰评估内容和关键词的难易影响,同时也跟测试的用户个人特征有一定的关联性,为了提高掩蔽分析模型的应用范围,进一步扩大信息掩蔽评估的全面性,根据测试用户的个人信息进行个人干扰因素的分析,如年龄特征、生活环境、个人的兴趣爱好、接触的词汇量、对词语的敏感性等,按照个人的干扰因素对掩蔽分析模型进行增量学习,将新的影响因素输入模型进行计算得到对应的预测可懂信息,将原来的可懂度信息与增加的因素对应的可懂信息进行损失函数计算,得到其中对应的损失数据,利用损失数据进行模型的训练,提高掩蔽分析模型的包容性。增量学习是指一个学习***能不断地从新样本中学习新的知识,并能保存大部分以前已经学习到的知识。增量学习非常类似于人类自身的学习模式。因为人在成长过程中,每天学习和接收新的事物,学习是逐步进行的,而且,对已经学习到的知识,人类一般是不会遗忘的。具有减少训练过程,扩展模型的计算效果,使得言语可懂度分析更为贴合用户的特征,进而确保掩蔽评估结果的可靠性的技术效果。
进一步,所述方法还包括:获得第一评估结果、第二评估结果直至第N评估结果,根据所述第一评估结果生成第一验证码,所述第一验证码与所述第一评估结果一一对应,N为大于1的自然数;
步骤S1420:根据所述第二评估结果和第一验证码生成第二验证码,以此类推,根据所述第N评估结果和第N-1验证码生成第N验证码;
步骤S1430:将所有评估结果和验证码复制存储在M台电子设备上,其中,M为大于1的自然数。
具体而言,为了保证评估结果的安全性,通过区块链对每个评估结果或者各测试功能对应的测试结果进行存储,以为后期分析和评估提供保障。区块链技术也被称之为分布式账本技术,是一种由若干台计算设备共同参与“记账”,共同维护一份完整的分布式数据库的新兴技术。由于区块链技术具有去中心化、公开透明、每台计算设备可以参与数据库记录、并且各计算设备之间可以快速的进行数据同步的特性,使得区块链技术已在众多的领域中广泛的进行应用。根据所述第一评估结果生成第一验证码,所述第一验证码与第一评估结果一一对应;根据所述第二评估结果和第一验证码生成第二验证码,第二验证码与第二评估结果一一对应;以此类推,根据所述第N评估结果和第N-1验证码生成第N验证码,其中,N为大于1的自然数,将所有评估结果和验证码分别复制保存在M台设备上,其中,所述第一评估结果和所述第一验证码作为第一存储单元保存在一台设备上,所述第二评估结果和所述第二验证码作为第二存储单元保存在一台设备上,所述第N评估结果和所述第N验证码作为第N存储单元保存在一台设备上,当需要调用所述评估结果时,每后一个节点接收前一节点存储的数据后,通过“共识机制”进行校验后保存,通过哈希函数对于每一存储单元进行串接,使得评估结果不易丢失和遭到破坏,通过区块链的逻辑对所述评估结果进行加密处理,保证了所述评估结果的安全性,进而保证了用户的信息安全,确保信息掩蔽评估的可靠性。
实施例二
基于与前述实施例中一种基于闭集中文短句测试的去信息掩蔽评估方法同样发明构思,本发明还提供了一种基于闭集中文短句测试的去信息掩蔽评估***,如图2所示,所述***包括:
第一获得单元11,所述第一获得单元11用于获得测试短句信息;
第二获得单元12,所述第二获得单元12用于获得掩蔽声信息种类集,所述掩蔽声信息种类集包括稳态背景噪声、动态噪声、语谱噪声、多人说话噪声;
第三获得单元13,所述第三获得单元13用于根据所述掩蔽声信息种类集,获得第一掩蔽声信息;
第四获得单元14,所述第四获得单元14用于根据所述第一掩蔽声信息、所述测试短句信息,获得第一测试音,其中,所述第一测试音中的第一掩蔽声信息为能量掩蔽或信息掩蔽;
第五获得单元15,所述第五获得单元15用于基于所述第一测试音,获得第一测试结果;
第六获得单元16,所述第六获得单元16用于根据所述第一测试结果、所述第一测试音,获得第一测试调整音;
第七获得单元17,所述第七获得单元17用于基于所述第一测试调整音,获得第二测试结果;
第八获得单元18,所述第八获得单元18用于根据所述第一测试音、所述第一测试调整音,获得第二测试调整音;
第九获得单元19,所述第九获得单元19用于基于所述第二测试调整音,获得第三测试结果;
第一筛选单元20,所述第一筛选单元20用于根据第一设定信噪比对所述第一测试结果、第二测试结果、第三测试结果进行筛选;
第十获得单元21,所述第十获得单元21用于根据筛选后的测试结果,获得第一评估结果。
进一步,所述***还包括:
第十一获得单元,所述第十一获得单元用于获得预设测试词语库,所述预设测试词语库包括预设类型字词信息;
第十二获得单元,所述第十二获得单元用于获得预设句子结构,所述预设句子结构与字词信息的预设类型相对应;
第一执行单元,所述第一执行单元用于按照所述预设类型,从所述预设测试词语库中进行词语提取;
第十三获得单元,所述第十三获得单元用于将提取的字词信息、所述预设句子结构输入句子构建模型,获得所述测试短句信息。
进一步,所述方法包括:
第十四获得单元,所述第十四获得单元用于获得目标关键词数量要求;
第十五获得单元,所述第十五获得单元用于根据所述目标关键词数量要求从所述预设测试词语库中进行筛选,获得第一目标关键词;
第十六获得单元,所述第十六获得单元用于根据所述掩蔽声信息种类集,获得干扰评估内容集;
第一输入单元,所述第一输入单元用于将所述干扰评估内容集、所述第一目标关键词输入掩蔽分析模型,所述掩蔽分析模型为通过多组训练数据通过训练收敛获得,所述多组训练数据中每组训练数据均包括干扰评估内容、目标关键词及标识言语可懂度的标识信息;
第十七获得单元,所述第十七获得单元用于获得所述掩蔽分析模型的第一输出结果,所述第一输出结果包括言语可懂度信息,基于获得的所有言语可懂度信息构建言语可懂度排序表,所述言语可懂度排序表中各言语可懂度信息为自易到难排序;
第十八获得单元,所述第十八获得单元用于根据所述言语可懂度排序表、所述第一目标关键词,获得测试播放信息;
第十九获得单元,所述第十九获得单元用于根据所述测试播放信息,依次获得言语测试结果;
第二十获得单元,所述第二十获得单元用于根据所有言语测试结果,获得第二评估结果。
进一步,所述***还包括:
第二十一获得单元,所述第二十一获得单元用于根据所述第一目标关键词,获得测试目标声;
第二十二获得单元,所述第二十二获得单元用于获得第一入射角度、第二入射角度,所述第一入射角度与所述第二入射角度不同;
第二十三获得单元,所述第二十三获得单元用于根据所述掩蔽声信息种类集,获得多组测试掩蔽声,其中,所述多组测试掩蔽声中各组的掩蔽声数量不同;
第二执行单元,所述第二执行单元用于按照所述第一入射角度传送所述测试目标声,按照第二入射角度依次发送多组测试掩蔽声,依次获得多组测试结果;
第二十四获得单元,所述第二十四获得单元用于根据所述多组测试结果,获得第三评估结果。
进一步,所述***还包括:
第三执行单元,所述第三执行单元用于根据第一强度设定所述测试目标声;
第四执行单元,所述第四执行单元用于根据第二强度设定所述测试掩蔽声,其中所述第二强度与所述第一强度不同;
第二十五获得单元,所述第二十五获得单元用于获得双耳聆听记录信息;
第二十六获得单元,所述第二十六获得单元用于根据所述双耳聆听记录信息,获得第一模拟参数;
第二十七获得单元,所述第二十七获得单元用于根据所述第一模拟参数,获得双耳聆听时间差;
第二十八获得单元,所述第二十八获得单元用于根据所述双耳聆听时间差,依次发送所述测试目标声、所述测试掩蔽声,获得双耳测试结果。
进一步,所述***还包括:
第二输入单元,所述第二输入单元用于将所述字词信息、所述预设句子结构作为输入信息输入所述句子构建模型,所述句子构建模型为通过多组训练数据训练收敛获得,所述多组训练数据均包括所述字词信息、所述预设句子结构及标识所述短句信息的标识信息;
第二十九获得单元,所述第二十九获得单元用于获得所述句子构建模型的第二输出结果,所述第二输出结果为测试短句信息集合。
进一步,所述***还包括:
第三十获得单元,所述第三十获得单元用于获得测试用户信息;
第三十一获得单元,所述第三十一获得单元用于根据所述测试用户信息,获得测试用户干扰因素;
第三十二获得单元,所述第三十二获得单元用于将所述测试用户干扰因素输入所述掩蔽分析模型,获得预测言语可懂信息;
第三十三获得单元,所述第三十三获得单元用于通过对所述预测言语可懂信息、所述言语可懂度信息进行损失分析,获得第一损失数据;
第三十四获得单元,所述第三十四获得单元用于将所述第一损失数据带入所述掩蔽分析模型进行增量学习,获得增量掩蔽分析模型,所述增量掩蔽分析模型为通过对所述掩蔽分析模型进行增量学习后的新模型。
前述图1实施例一中的一种基于闭集中文短句测试的去信息掩蔽评估方法的各种变化方式和具体实例同样适用于本实施例的一种基于闭集中文短句测试的去信息掩蔽评估***,通过前述对一种基于闭集中文短句测试的去信息掩蔽评估方法的详细描述,本领域技术人员可以清楚的知道本实施例中一种基于闭集中文短句测试的去信息掩蔽评估***的实施方法,所以为了说明书的简洁,在此不再详述。
示例性电子设备
下面参考图3来描述本申请实施例的电子设备。
图3图示了根据本申请实施例的电子设备的结构示意图。
基于与前述实施例中一种基于闭集中文短句测试的去信息掩蔽评估方法的发明构思,本发明还提供一种计算机设备,其上存储有计算机程序,该程序被处理器执行时实现前文所述一种基于闭集中文短句测试的去信息掩蔽评估方法的任一方法的步骤。
其中,在图3中,总线架构(用总线300来代表),总线300可以包括任意数量的互联的总线和桥,总线300将包括由处理器302代表的一个或多个处理器和存储器304代表的存储器的各种电路链接在一起。总线300还可以将诸如***设备、稳压器和功率管理电路等之类的各种其他电路链接在一起,这些都是本领域所公知的,因此,本文不再对其进行进一步描述。总线接口305在总线300和接收器301和发送器303之间提供接口。接收器301和发送器303可以是同一个元件,即收发机,提供用于在传输介质上与各种其他***通信的单元。
处理器302负责管理总线300和通常的处理,而存储器304可以被用于存储处理器302在执行操作时所使用的数据。
本申请实施例中提供的一个或多个技术方案,至少具有如下技术效果或优点:
本发明实施例提供的一种基于闭集中文短句测试的去信息掩蔽评估方法及***,通过获得测试短句信息;获得掩蔽声信息种类集,所述掩蔽声信息种类集包括稳态背景噪声、动态噪声、语谱噪声、多人说话噪声;根据所述掩蔽声信息种类集,获得第一掩蔽声信息;根据所述第一掩蔽声信息、所述测试短句信息,获得第一测试音,其中,所述第一测试音中的第一掩蔽声信息为能量掩蔽或信息掩蔽;基于所述第一测试音,获得第一测试结果;根据所述第一测试结果、所述第一测试音,获得第一测试调整音;基于所述第一测试调整音,获得第二测试结果;根据所述第一测试音、所述第一测试调整音,获得第二测试调整音;基于所述第二测试调整音,获得第三测试结果;根据第一设定信噪比对所述第一测试结果、第二测试结果、第三测试结果进行筛选;根据筛选后的测试结果,获得第一评估结果。达到了通过对掩蔽声进行分类设定,并不断进行噪音的动态调整,实现精准评估人工耳蜗使用儿童多人竞争语境下其去信息掩蔽效应,能够将能量掩蔽与信息掩蔽分离,为信息掩蔽评估领域提供了更科学、可靠听觉感知评估手段的技术效果,从而解决了现有技术中主要对于能量掩蔽效应的评估,对于影响信息掩蔽效应因素缺乏严格控制,存在影响评估结果的技术问题。
在本申请所提供的几个实施例中,应该理解到,所揭露的***、装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个***,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-OnlyMemory)、随机存取存储器(RAM,RandomAccess Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
尽管已经示出和描述了本发明的实施例,对于本领域的普通技术人员而言,可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型,本发明的范围由所附权利要求及其等同限定。
Claims (9)
1.一种基于闭集中文短句测试的去信息掩蔽评估方法,其中,所述方法包括:
获得测试短句信息;
获得掩蔽声信息种类集,所述掩蔽声信息种类集包括稳态背景噪声、动态噪声、语谱噪声、多人说话噪声;
根据所述掩蔽声信息种类集,获得第一掩蔽声信息;
根据所述第一掩蔽声信息、所述测试短句信息,获得第一测试音,其中,所述第一测试音中的第一掩蔽声信息为能量掩蔽或信息掩蔽;
基于所述第一测试音,获得第一测试结果;
根据所述第一测试结果、所述第一测试音,获得第一测试调整音;
基于所述第一测试调整音,获得第二测试结果;
根据所述第一测试音、所述第一测试调整音,获得第二测试调整音;
基于所述第二测试调整音,获得第三测试结果;
根据第一设定信噪比对所述第一测试结果、第二测试结果、第三测试结果进行筛选;
根据筛选后的测试结果,获得第一评估结果。
2.如权利要求1所述的方法,其中,所述获得测试短句信息,包括:
获得预设测试词语库,所述预设测试词语库包括预设类型字词信息;
获得预设句子结构,所述预设句子结构与字词信息的预设类型相对应;
按照所述预设类型,从所述预设测试词语库中进行词语提取;
将提取的字词信息、所述预设句子结构输入句子构建模型,获得所述测试短句信息。
3.如权利要求2所述的方法,其中,所述方法包括:
获得目标关键词数量要求;
根据所述目标关键词数量要求从所述预设测试词语库中进行筛选,获得第一目标关键词;
根据所述掩蔽声信息种类集,获得干扰评估内容集;
将所述干扰评估内容集、所述第一目标关键词输入掩蔽分析模型,所述掩蔽分析模型为通过多组训练数据通过训练收敛获得,所述多组训练数据中每组训练数据均包括干扰评估内容、目标关键词及标识言语可懂度的标识信息;
获得所述掩蔽分析模型的第一输出结果,所述第一输出结果包括言语可懂度信息,基于获得的所有言语可懂度信息构建言语可懂度排序表,所述言语可懂度排序表中各言语可懂度信息为自易到难排序;
根据所述言语可懂度排序表、所述第一目标关键词,获得测试播放信息;
根据所述测试播放信息,依次获得言语测试结果;
根据所有言语测试结果,获得第二评估结果。
4.如权利要求3所述的方法,其中,所述方法包括:
根据所述第一目标关键词,获得测试目标声;
获得第一入射角度、第二入射角度,所述第一入射角度与所述第二入射角度不同;
根据所述掩蔽声信息种类集,获得多组测试掩蔽声,其中,所述多组测试掩蔽声中各组的掩蔽声数量不同;
按照所述第一入射角度传送所述测试目标声,按照第二入射角度依次发送多组测试掩蔽声,依次获得多组测试结果;
根据所述多组测试结果,获得第三评估结果。
5.如权利要求4所述的方法,其中,所述方法包括:
根据第一强度设定所述测试目标声;
根据第二强度设定所述测试掩蔽声,其中所述第二强度与所述第一强度不同;
获得双耳聆听记录信息;
根据所述双耳聆听记录信息,获得第一模拟参数;
根据所述第一模拟参数,获得双耳聆听时间差;
根据所述双耳聆听时间差,依次发送所述测试目标声、所述测试掩蔽声,获得双耳测试结果。
6.如权利要求2所述的方法,其中,所述将提取的字词信息、所述预设句子结构输入句子构建模型,获得所述测试短句信息,包括:
将所述字词信息、所述预设句子结构作为输入信息输入所述句子构建模型,所述句子构建模型为通过多组训练数据训练收敛获得,所述多组训练数据均包括所述字词信息、所述预设句子结构及标识所述短句信息的标识信息;
获得所述句子构建模型的第二输出结果,所述第二输出结果为测试短句信息集合。
7.如权利要求3所述的方法,其中,所述方法还包括:
获得测试用户信息;
根据所述测试用户信息,获得测试用户干扰因素;
将所述测试用户干扰因素输入所述掩蔽分析模型,获得预测言语可懂信息;
通过对所述预测言语可懂信息、所述言语可懂度信息进行损失分析,获得第一损失数据;
将所述第一损失数据带入所述掩蔽分析模型进行增量学习,获得增量掩蔽分析模型,所述增量掩蔽分析模型为通过对所述掩蔽分析模型进行增量学习后的新模型。
8.一种基于闭集中文短句测试的去信息掩蔽评估***,其中,所述***应用于权利要求1-7任一所述方法中,所述***包括:
第一获得单元,所述第一获得单元用于获得测试短句信息;
第二获得单元,所述第二获得单元用于获得掩蔽声信息种类集,所述掩蔽声信息种类集包括稳态背景噪声、动态噪声、语谱噪声、多人说话噪声;
第三获得单元,所述第三获得单元用于根据所述掩蔽声信息种类集,获得第一掩蔽声信息;
第四获得单元,所述第四获得单元用于根据所述第一掩蔽声信息、所述测试短句信息,获得第一测试音,其中,所述第一测试音中的第一掩蔽声信息为能量掩蔽或信息掩蔽;
第五获得单元,所述第五获得单元用于基于所述第一测试音,获得第一测试结果;
第六获得单元,所述第六获得单元用于根据所述第一测试结果、所述第一测试音,获得第一测试调整音;
第七获得单元,所述第七获得单元用于基于所述第一测试调整音,获得第二测试结果;
第八获得单元,所述第八获得单元用于根据所述第一测试音、所述第一测试调整音,获得第二测试调整音;
第九获得单元,所述第九获得单元用于基于所述第二测试调整音,获得第三测试结果;
第一筛选单元,所述第一筛选单元用于根据第一设定信噪比对所述第一测试结果、第二测试结果、第三测试结果进行筛选;
第十获得单元,所述第十获得单元用于根据筛选后的测试结果,获得第一评估结果。
9.一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其中,所述处理器执行所述计算机程序时实现上述权利要求1-7中任一项的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110686936.4A CN113486648B (zh) | 2021-06-21 | 2021-06-21 | 一种基于闭集中文短句测试的去信息掩蔽评估方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110686936.4A CN113486648B (zh) | 2021-06-21 | 2021-06-21 | 一种基于闭集中文短句测试的去信息掩蔽评估方法及*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113486648A true CN113486648A (zh) | 2021-10-08 |
CN113486648B CN113486648B (zh) | 2023-09-19 |
Family
ID=77935687
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110686936.4A Active CN113486648B (zh) | 2021-06-21 | 2021-06-21 | 一种基于闭集中文短句测试的去信息掩蔽评估方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113486648B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117746828A (zh) * | 2024-02-20 | 2024-03-22 | 华侨大学 | 开放式办公室的噪声掩蔽控制方法、装置、设备及介质 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104299613A (zh) * | 2014-09-16 | 2015-01-21 | 中国科学院信息工程研究所 | 声掩蔽信号产生方法及*** |
CN105118519A (zh) * | 2015-07-10 | 2015-12-02 | 中山大学孙逸仙纪念医院 | 一种听力评估*** |
CN105336322A (zh) * | 2015-09-30 | 2016-02-17 | 百度在线网络技术(北京)有限公司 | 多音字模型训练方法、语音合成方法及装置 |
CN106473699A (zh) * | 2015-09-02 | 2017-03-08 | 中国科学院声学研究所 | 一种汉语声调双耳分听测试***及其测试方法 |
CN107851434A (zh) * | 2015-05-26 | 2018-03-27 | 鲁汶大学 | 使用自适应增量学习方法的语音识别***和方法 |
CN108091348A (zh) * | 2018-01-31 | 2018-05-29 | 佛山博智医疗科技有限公司 | 言语测听响应识别测试装置和方法 |
CN109246567A (zh) * | 2018-09-29 | 2019-01-18 | 湖南可孚医疗科技发展有限公司 | 一种听力评估检测*** |
US20190130887A1 (en) * | 2017-11-02 | 2019-05-02 | Panasonic Intellectual Property Management Co., Lt d. | Noise masking device, vehicle and noise masking method |
CN110367997A (zh) * | 2019-03-27 | 2019-10-25 | 美律电子(深圳)有限公司 | 听力测试方法以及听力测试*** |
KR20190124911A (ko) * | 2018-04-27 | 2019-11-06 | 한림대학교 산학협력단 | 한국어 특성 기반의 청력 검사 장치 및 방법 |
CN111493883A (zh) * | 2020-03-31 | 2020-08-07 | 北京大学第一医院 | 汉语重复-回忆言语认知功能测试评估*** |
-
2021
- 2021-06-21 CN CN202110686936.4A patent/CN113486648B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104299613A (zh) * | 2014-09-16 | 2015-01-21 | 中国科学院信息工程研究所 | 声掩蔽信号产生方法及*** |
CN107851434A (zh) * | 2015-05-26 | 2018-03-27 | 鲁汶大学 | 使用自适应增量学习方法的语音识别***和方法 |
CN105118519A (zh) * | 2015-07-10 | 2015-12-02 | 中山大学孙逸仙纪念医院 | 一种听力评估*** |
CN106473699A (zh) * | 2015-09-02 | 2017-03-08 | 中国科学院声学研究所 | 一种汉语声调双耳分听测试***及其测试方法 |
CN105336322A (zh) * | 2015-09-30 | 2016-02-17 | 百度在线网络技术(北京)有限公司 | 多音字模型训练方法、语音合成方法及装置 |
US20190130887A1 (en) * | 2017-11-02 | 2019-05-02 | Panasonic Intellectual Property Management Co., Lt d. | Noise masking device, vehicle and noise masking method |
CN108091348A (zh) * | 2018-01-31 | 2018-05-29 | 佛山博智医疗科技有限公司 | 言语测听响应识别测试装置和方法 |
KR20190124911A (ko) * | 2018-04-27 | 2019-11-06 | 한림대학교 산학협력단 | 한국어 특성 기반의 청력 검사 장치 및 방법 |
CN109246567A (zh) * | 2018-09-29 | 2019-01-18 | 湖南可孚医疗科技发展有限公司 | 一种听力评估检测*** |
CN110367997A (zh) * | 2019-03-27 | 2019-10-25 | 美律电子(深圳)有限公司 | 听力测试方法以及听力测试*** |
CN111493883A (zh) * | 2020-03-31 | 2020-08-07 | 北京大学第一医院 | 汉语重复-回忆言语认知功能测试评估*** |
Non-Patent Citations (1)
Title |
---|
徐克慧, 白忠, 马燕, 吕操, 周小英.: ""噪声性耳鸣评估与治疗的研究进展"", 《世界最新医学信息文摘》, vol. 82, no. 19 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117746828A (zh) * | 2024-02-20 | 2024-03-22 | 华侨大学 | 开放式办公室的噪声掩蔽控制方法、装置、设备及介质 |
CN117746828B (zh) * | 2024-02-20 | 2024-04-30 | 华侨大学 | 开放式办公室的噪声掩蔽控制方法、装置、设备及介质 |
Also Published As
Publication number | Publication date |
---|---|
CN113486648B (zh) | 2023-09-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Wilson | Learning phonology with substantive bias: An experimental and computational study of velar palatalization | |
CN117149989B (zh) | 大语言模型训练方法、文本处理方法及装置 | |
CN113314100B (zh) | 口语测试的评估、结果显示方法、装置、设备及存储介质 | |
Davidson et al. | Modeling accuracy as a function of response time with the generalized linear mixed effects model | |
Xie et al. | Cross-talker generalization in the perception of nonnative speech: A large-scale replication. | |
CN113486648B (zh) | 一种基于闭集中文短句测试的去信息掩蔽评估方法及*** | |
Sourirajan et al. | A machine learning approach to detect suicidal ideation in us veterans based on acoustic and linguistic features of speech | |
Gong et al. | Simulating the effects of cross-generational cultural transmission on language change | |
Aryadoust | Predicting item difficulty in a language test with an Adaptive Neuro Fuzzy Inference System | |
Na et al. | Is Your Chatbot Perplexing?: Confident Personalized Conversational Agent for Consistent Chit-Chat Dialogue. | |
Vajjala | Machine learning and applied linguistics | |
CN114333790A (zh) | 数据处理方法、装置、设备、存储介质及程序产品 | |
Liu et al. | Deep learning scoring model in the evaluation of oral English teaching | |
Zhang | Research on the Application of Speech Database based on Emotional Feature Extraction in International Chinese Education and Teaching | |
Higgins et al. | The effects of phonological short-term memory and speech perception on spoken sentence comprehension in children: Simulating deficits in an experimental design | |
Yang et al. | Distributional Learning of Mandarin Lexical Tones in Bidirectional Deep Neural Network | |
Rey | Quantifying the Role of Prosody in the Perception of Deception | |
Kirov | A Bayesian approach to speech production | |
Zhang et al. | Endowing Neural Language Learners with Human-like Biases: A Case Study on Dependency Length Minimization | |
Xie et al. | Xie, Liu, & Jaeger (2020). Cross-talker generalization during foreign-accented speech perception | |
CN114329040A (zh) | 音频数据处理方法、装置、存储介质、设备及程序产品 | |
Gruenenfelder et al. | Modeling the mental lexicon as a complex system: Some preliminary results using graph theoretic measures | |
Beechey | Ordinal Pattern Analysis: A Tutorial on Assessing the Fit of Hypotheses to Individual Repeated Measures Data | |
Houghton et al. | Frequency-dependent preference extremity arises from a noisy-channel processing model | |
Hughes | Probing a Neural Network Model of Sound Change for Perceptual Integration |
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 |