Overview Of The 2023 Icassp Sp Clarity Challenge: Speech Enhancement For Hearing Aids
Acoustics Research Centre, University of Salford（索尔福德大学声学研究中心）；Department of Computer Science, University of Sheffield（谢菲尔德大学计算机科学系）；School of Medicine, University of Nottingham（诺丁汉大学医学院）；School of Psychology, Cardiff University（卡迪夫大学心理学院）
本文介绍了2023年ICASSP SP Clarity挑战赛的设计与结果，该挑战赛聚焦嘈杂家庭环境中的助听器语音增强任务，发现在仿真评估集上多个团队超越基线，但在真实测量集上性能显著下降。
2023-11-24 cs.SD eess.AS
Feasibility of Time-Domain DNN-Based Speech Enhancement on Embedded FPGA for Hearing Aids
Radboud University, Donders Institute for Brain, Cognition, and Behaviour, The Netherlands（拉德堡德大学，脑认知行为研究所，荷兰）；Mortimer B. Zuckerman Mind, Brain, Behavior Institute, Columbia University, USA（莫蒂默·B·齐克曼心智、大脑与行为研究所，哥伦比亚大学，美国）
本文在AMD-Xilinx Kria KV260上部署轻量级SuDoRM-RF++模型，通过FP32和16位定点精度评估语音分离和降噪，发现数据移动是主要瓶颈，定点降噪加速器达到9.7ms首样本延迟，满足10ms临床阈值。
2026-07-20 cs.AR cs.SD eess.AS
ABSE-NET: A Lightweight Neural Model for Active Binaural Speech Enhancement in Open-Fit Hearing Aids
College of Computer Science, Inner Mongolia University（内蒙古大学计算机学院）；College of Electronic and Information Engineering, Inner Mongolia University（内蒙古大学电子与信息工程学院）
本文针对开放式助听器的声泄漏问题，提出将ANC与BSE结合的轻量级ABSE-NET框架，级联BMVDR与带特征融合模块的LNN，无需入耳麦克风，性能优于现有最先进方法。
2026-09-02 cs.SD eess.AS
Model-based Speech Enhancement for Intelligibility Improvement in Binaural Hearing Aids
Aalborg University（奥尔堡大学）；GN Hearing（GN听力公司）
在诸如鸡尾酒会场景的情况下，听力受损个体的语音清晰度通常严重下降。目前的助听器技术的性能已经被观察到在这些情况下受到限制。在本文中，我们提出了一个双耳语音增强框架，考虑到语音产生模型。这里提出的增强框架是基于卡尔曼滤波器，使我们能够考虑到在增强过程中的语音生产动态。卡尔曼滤波器的使用需要估计干净语音和噪声短期预测器（STP）参数以及干净语音音调参数。在这项工作中，提出了一种基于双耳码本的方法来估计STP参数，并使用基于谐波模型和最大似然原理的方向性基音估计器来估计基音参数。所提出的用于估计STP和基音参数的方法联合使用来自左右耳的信息，导致滤波器参数的更鲁棒的估计。客观的措施，如PESQ和STOI已被用来评估在不同的声学场景代表鸡尾酒会的情况下的增强框架。我们还对9名听力正常的受试者进行了主观听力测试，以评估清晰度和质量改善方面的性能。听力测试表明，该算法，即使只有一个通道的噪声观察，显着提高整体语音质量，和语音清晰度高达15%。
2018-10-01 cs.SD eess.AS
Using Speech Foundational Models in Loss Functions for Hearing Aid Speech Enhancement
The University of Sheffield（谢菲尔德大学）；WS Audiology（西万拓听力技术公司）；Toshiba（东芝）
本文提出在助听器语音增强的损失函数中利用自监督语音表示距离，以提升可懂度，实验显示相比SNR损失，HASPI、STOI、PESQ和SI-SNR均提高，且仅训练时需大模型推理。
2024-07-18 cs.SD eess.AS
Towards Environmental Preference Based Speech Enhancement For Individualised Multi-Modal Hearing Aids
Edinburgh Napier University（爱丁堡纳皮尔大学）；Academia Sinica（中央研究院）
本文提出基于偏好学习的语音增强模型，通过多任务深度学习联合估计信噪比和声学场景，并结合用户偏好线性学习目标SNR，实现面向多模态助听器的上下文个性化语音增强。
2024-02-26 cs.SD eess.AS
An individualized super Gaussian single microphone Speech Enhancement for hearing aid users with smartphone as an assistive device
本文提出了一种基于超高斯联合最大后验概率的单麦克风语音增强增益函数。开发的语音增强方法在智能手机上实现，这种安排作为助听器的辅助设备。我们引入了一个权衡参数，在派生的增益函数，允许智能手机用户自定义他们的听力偏好，通过控制噪声抑制和语音失真的量在实时的基础上，他们在嘈杂的现实世界的声学环境中感知的听觉舒适度。客观的质量和可懂度的措施表明所提出的方法的有效性相比，基准技术在本文中考虑。主观结果反映了有用的开发语音增强应用在现实世界中的噪声条件下的信号噪声比水平为0 dB和5 dB。
2018-12-10 cs.SD eess.AS
Restoring speech intelligibility for hearing aid users with deep learning
Audatic（Audatic公司）；Charité – Universitätsmedizin Berlin（柏林夏里特医学院）；Technische Universität Berlin（柏林工业大学）；Bernstein Center for Computational Neuroscience Berlin（柏林伯恩斯坦计算神经科学中心）
全世界近5亿人患有致残性听力损失。虽然助听器可以部分弥补这一点，但很大一部分用户在有背景噪音的情况下难以理解语音。在这里，我们提出了一种基于深度学习的算法，该算法在保持语音信号的同时选择性地抑制噪声。该算法将助听器用户的语音清晰度恢复到正常听力的对照受试者的水平。它由一个深度网络组成，该网络在噪声语音信号的大型自定义数据库上进行训练，并通过神经架构搜索进行进一步优化，使用基于深度学习的语音清晰度度量。该网络在一系列人工分级评估中实现了最先进的去噪，在不同的噪声类别中进行推广，并且与经典的波束成形方法相比，它在单个麦克风上运行。该系统可在笔记本电脑上实时的运行，这表明助听器芯片的大规模部署可能在几年内实现。因此，基于深度学习的去噪有可能很快改善数百万听力受损者的生活质量。
2022-06-23 cs.SD eess.AS q-bio.NC
A Fully Convolutional Neural Network Approach to End-to-End Speech Enhancement
The Cooper Union（库珀联盟学院）
本文将描述一种新的方法，鸡尾酒会的问题，依赖于一个完全卷积神经网络（FCN）架构。FCN将噪声音频数据作为输入，并执行非线性滤波操作，以在输出端产生目标语音的干净音频数据。我们的方法为一个特定的扬声器学习一个模型，然后能够从串音背景噪声中提取扬声器的声音。实验结果表明，该方法具有推广到新的说话人的能力，并且对不同信噪比的新噪声环境具有鲁棒性。这种方法的一个潜在应用是用于助听器。预先训练的模型可以快速地为个人家庭成员和亲密的朋友进行微调，并部署到助听器上，以在嘈杂的环境中帮助听众。
2018-07-20 cs.LG cs.SD eess.AS
DPSNN: Spiking Neural Network for Low-Latency Streaming Speech Enhancement
CWI（荷兰国家数学和计算机科学研究院）；Machine Learning Group（机器学习组）
针对现有脉冲神经网络语音增强延迟高的问题，提出两阶段时域流式DPSNN框架，结合SCNNs与SRNNs并加入正则化，在极低延迟下实现了优异的增强效果与能效。
2024-08-14 cs.LG cs.NE cs.SD
Non-Intrusive Intelligibility Prediction for Hearing Aids: Recent Advances, Trends, and Challenges
Research Center for Information Technology Innovation（信息技术创新研究中心）；Academia Sinica（中国科学院）
本文综述了助听器非侵入式语音可懂度预测的最新进展，涵盖特征提取、听力损失建模等方向，讨论了适配与泛化策略及现存挑战，为该领域的发展提供参考。
2025-09-03 cs.SD eess.AS
Remixing Music for Hearing Aids Using Ensemble of Fine-Tuned Source Separators
Johns Hopkins University（约翰霍普金斯大学）
针对为助听器用户重混增强音乐的问题，提出基于赛事数据微调的深度学习音乐源分离器集成系统，在Cadenza ICASSP 2024 Grand Challenge中获第一名，取得最高平均HAAQI得分，并通过消融实验分析了各模块作用。
2024-02-01 cs.LG cs.SD eess.AS
RT-Tango: Real-Time Distributed Binaural Speech Enhancement for Low-Power Hearing Aid Devices
Université Paris-Saclay, CEA, List（巴黎-萨克雷大学，法国原子能委员会，List实验室）；Université de Lorraine, CNRS, Inria, LORIA（洛林大学，法国国家科学研究中心，法国国家信息与自动化研究所，洛林计算机科学及其应用实验室）
提出RT-Tango实时分布式双耳语音增强框架，通过ERB特征压缩、轻量级分组循环掩码估计和时间稀疏化降低计算成本，结合非对称STFT和因果推理实现8ms超低延迟，在资源受限平台上达到竞争性增强效果。
2026-07-03 cs.SD
DARF: A data-reduced FADE version for simulations of speech recognition thresholds with real hearing aids
CvO Universität Oldenburg（奥尔登堡卡尔·冯·奥西茨基大学）
开发和选择助听器是一个耗时的过程，使用客观模型可以简化这个过程。以前，听觉辨别实验（FADE）的框架准确地模拟了助听器算法的好处，均方根预测误差低于3 dB。一个FADE模拟需要几个小时的（未）处理信号，这在必须记录信号时是有障碍的。我们提出并评估了一个数据减少的FADE版本（DARF），这有利于模拟信号，不能进行数字处理，但只能实时记录。DARF用大约30分钟的（德语）矩阵句子测试的记录和处理信号模拟一个语音识别阈值（SRT）。进行基准实验以比较DARF和标准FADE，其对于静止掩蔽物（1dB）表现出小的差异，但是对于强烈波动掩蔽物（5dB）表现出较大的差异。听力障碍和助听器算法似乎减少了差异。在语音识别方面，使用三对真正的助听器在安静（$\geq$ 8 dB）、静止和波动的掩蔽物中进行了模拟。2 dB; fluct. 6 dB），以及空间分离的语音和噪声信号（统计。$\geq$ 8 dB;波动8 dB）。与文献中的数据相比，模拟是合理的，但与经验数据的比较仍然是开放的。DARF有助于在真实环境中使用具有未知信号处理的真实设备进行客观SRT仿真。然而，对于具有未知信号处理的设备的DARF的验证仍然悬而未决，因为它仅用三个类似设备进行了测试。尽管如此，DARF可用于改善以及开发或基于模型的助听器验配。
2021-02-11 cs.SD eess.AS
A Multi-stage Low-latency Enhancement System for Hearing Aids
本文提出一种用于助听器的多阶段低延迟增强系统，通过结合幅度与复数域处理、非对称窗、头部转动信息及后处理模块，在ICASSP 2023 Clarity挑战赛中提升增强效果和HASPI得分。
2025-08-06 cs.SD eess.AS
MBI-Net: A Non-Intrusive Multi-Branched Speech Intelligibility Prediction Model for Hearing Aids
National Taiwan University（国立台湾大学）；Academia Sinica（中央研究院）；Southern University of Science and Technology of China（南方科技大学）
提高用户在噪声环境中理解语音的听力能力对于助听器（HA）设备的发展至关重要。为此，重要的是要得到一个度量，可以公平地预测语音清晰度HA用户。一个直接的方法是进行主观听力测试，并使用测试结果作为评估指标。然而，进行大规模的听力测试既耗时又昂贵。因此，几个评估指标作为主观听力测试结果的替代品。在这项研究中，我们提出了一个多分支的语音清晰度预测模型（MBI-Net），用于预测HA用户的主观清晰度分数。MBI-Net由两个模型分支组成，每个分支由听力损失模型，跨域特征提取模块和语音可懂度预测模型组成，用于处理来自一个通道的语音信号。两个分支的输出通过线性层融合以获得预测的语音可懂度分数。实验结果证实了MBI-Net的有效性，它在Clarity Prediction Challenge 2022数据集上的Track 1和Track 2中产生了比基线系统更高的预测分数。
2022-08-31 cs.LG cs.SD eess.AS
The ICASSP SP Cadenza Challenge: Music Demixing/Remixing for Hearing Aids
University of Salford（萨尔福德大学）；University of Nottingham（诺丁汉大学）；University of Leeds（利兹大学）；University of Sheffield（谢菲尔德大学）
本研究介绍2024年ICASSP SP Cadenza助听器音乐分离/重混挑战赛的设计与结果，该赛要求分解并重混音乐，17个参赛系统中9个超基线，最优方案为模型集成。
2024-01-29 cs.LG eess.AS eess.SP
The Differentiable Auditory Loop (DAL): An ML Framework for Hyper-Personalized Hearing Aids
Google Research Australia（谷歌澳大利亚研究实验室）；Macquarie University（麦考瑞大学）
提出可微分听觉环路（DAL）框架，通过将CARFAC模型移植到JAX并优化SEANet深度神经网络，以正常听觉神经活动模式为参考补偿听力损失，在神经表征和信号保真度指标上优于传统助听器基线。
2026-06-02 cs.AI cs.LG cs.SD
A Study on Zero-Shot Non-Intrusive Speech Intelligibility for Hearing Aids Using Large Language Models
Academia Sinica（中国科学院）；National Chengchi University（中正大学）
本研究提出面向助听器的零样本非侵入式语音评估模型GPT-Whisper-HA，通过整合听力仿真、双ASR模块与GPT-4o评分平均的方案，较基线模型实现2.59%的相对RMSE提升，验证了大语言模型在助听器语音可懂度预测中的应用潜力。
2025-09-03 cs.SD eess.AS
Non-Intrusive Speech Intelligibility Prediction for Hearing Aids using Whisper and Metadata
National Taiwan University（台湾大学）；Academia Sinica（中央研究院）；Southern University of Science and Technology（南方科技大学）
本文提出 MBI-Net+，通过引入 Whisper 嵌入、语音增强方法元数据分类器和 HASPI 补充指标，在 Clarity Prediction Challenge 2023 数据集上超越多个侵入式基线，提升助听器语音可懂度预测精度。
2024-06-13 cs.LG cs.SD eess.AS
Efficient Personalization of Amplification in Hearing Aids via Multi-band Bayesian Machine Learning
本文提出一种多频带独立、并行执行贝叶斯机器学习的助听器放大个性化方法，可基于更少成对比较估计听力偏好，并在临床实验中显著优于标准处方增益。
2024-06-13 eess.AS eess.SP
Perceptually Relevant Preservation of Interaural Time Differences in Binaural Hearing Aids
本文提出了一种双耳助听器中残余噪声的耳间时间差（ITD）的感知相关保留的降噪方法。耳间相干性（IC）的概念，以前应用到多通道维纳滤波器（MWF）的空间主观感觉的弥漫性噪声场的保存，在这里提出既保存和强调ITD双耳线索的方向性声学噪声源。它表明，以前开发的MWF-ITD技术可能会降低处理后的噪声的原始IC幅度，从而增加输出信号的耳间相位差（IPD）的方差。它示出的MWF-IC技术伴随着最小化的输入和输出IPD，这是严格相关的ITD之间的差异的非线性函数，并保留由参考麦克风捕获的方向性噪声的自然相干性。客观措施和心理声学实验证实了理论研究结果，显示MWF-IC技术提供了相关的降噪，同时保留了原始的ITD主观感知和原始的定向噪声源的偏侧化。这些结果对于助听器设计者来说尤其重要，因为它们表明MWF-IC是一种降噪技术，可以为频率低于1.5 kHz的扩散和定向噪声源提供残留噪声空间保留。
2018-06-24 cs.SD eess.AS
NeuroAMP: A Novel End-to-end General Purpose Deep Neural Amplifier for Personalized Hearing Aids
IEEE Member（IEEE会员）；IEEE Senior Member（IEEE高级会员）
针对传统助听器放大流程优化难的问题，提出端到端个性化深度神经放大器NeuroAMP及去噪扩展版，验证了Transformer架构最优，数据增强提升泛化性，性能优于传统方法。
2025-09-01 cs.AI cs.SD eess.AS
A Novel Frame Structure for Cloud-Based Audio-Visual Speech Enhancement in Multimodal Hearing-aids
University of Edinburgh（爱丁堡大学）；Edinburgh Napier University（爱丁堡龙比亚大学）；University of Wolverhampton（伍尔弗汉普顿大学）
在本文中，我们设计了第一个基于云的视听（AV）语音增强（SE）的收发器（PHY层）原型，符合未来多模态听力辅助技术的高数据速率和低延迟要求。创新设计需要满足多个具有挑战性的约束，包括上/下行链路通信，传输和信号处理的延迟，以及实时AV SE模型处理。收发器包括设备检测、帧检测、频率偏移估计和信道估计能力。我们根据数据速率和延迟要求开发上行链路（助听器到云）和下行链路（云到助听器）帧结构。由于上行链路信息（音频和唇读）的变化性质，上行链路信道支持多数据速率帧结构，而下行链路信道具有固定数据速率帧结构。此外，我们使用LabVIEW NXG开发的帧结构的收发器的不同PHY层块的延迟进行评估。这可以与软件定义的无线电（例如通用软件无线电外设）一起用于实时演示场景。
2022-10-24 cs.SD eess.AS eess.SP
Feature Importance across Domains for Improving Non-Intrusive Speech Intelligibility Prediction in Hearing Aids
Academia Sinica（台湾“中央研究院）
针对助听器中非侵入式语音可懂度评估需求，提出跨域特征重要性方法FiDo，通过估计多类特征重要性并投影加权来提升模型性能，集成到MBI-Net+后RMSE显著降低，效果优于2023年相关挑战赛最优系统。
2025-07-31 cs.SD eess.AS
Multi-Speaker DOA Estimation in Binaural Hearing Aids using Deep Learning and Speaker Count Fusion
School of Electrical Engineering and Computer Science, University of Ottawa, Canada（Ottawa大学电气与计算机科学学院, 加拿大）；Department of Electrical and Computer Engineering, Universite de Sherbrooke, Canada（Sherbrooke大学电气与计算机工程系, 加拿大）；WS Audiology, Germany（德国WS听觉学）
本文探讨了在双耳助听器中利用深度学习和说话人计数融合进行多说话人方向估计，通过双任务训练和源计数作为辅助特征提升方向估计性能，实验表明源计数作为辅助特征可使F1分数提高14%。
2026-04-29 cs.SD eess.AS
A Novel Chaos-based Light-weight Image Encryption Scheme for Multi-modal Hearing Aids
Edinburgh Napier University（爱丁堡龙比亚大学）；University of Wolverhampton（伍尔弗汉普顿大学）；University of Edinburgh（爱丁堡大学）
多模态助听器（HA）旨在通过上下文感测和处理不仅是音频而且是视觉信息（例如唇读）形式的数据来在嘈杂环境中传递更可理解的音频。机器学习技术可以在多模态数据的上下文处理中发挥关键作用。然而，由于HA设备的计算能力较低，因此必须在边缘或云端处理这些数据，这反过来又会对敏感的用户数据造成隐私问题。现有文献提出了几种用于数据加密的技术，但它们的计算复杂性是满足未来多模态助听器开发的严格延迟要求的主要瓶颈。针对这一问题，提出了一种基于切延迟椭圆反射腔映射系统（TD-ERCS）映射和非线性混沌（NCA）算法的混沌加密方案，用于实时音视频数据加密。针对不同的安全参数，包括相关系数，统一平均变化强度（UACI），关键敏感性分析，改变像素速率的数量（NPCR），均方误差（MSE），峰值信噪比（PSNR），熵检验和卡方检验，表明，新提出的方案是更轻量级的，由于其较低的执行时间相比，现有的方案和更安全，由于增加的密钥-空间对抗现代蛮干攻击。
2022-02-11 cs.CR cs.SD eess.AS
Audio-Visual Feature Synchronization for Robust Speech Enhancement in Hearing Aids
本文提出一种轻量级交叉注意力音视频特征同步模型，用于助听器实时语音增强，在AVSEC3数据集上以36毫秒低延迟显著提升噪声抑制、语音可懂度和保真度。
2025-08-26 eess.AS
A Novel Uncertainty Parameter SR (Signal To Residual Spectrum Ratio) Evaluation Approach For Speech Enhancement
Gudlavalleru Engineering College（古德拉瓦莱鲁工程学院）
通常，听力受损的人使用助听器，其使用语音增强算法来实现。单通道语音增强系统中的语音估计和噪声估计是两个重要的组成部分。任何语音增强算法的主要目标都是在非平稳环境中估计噪声功率谱。VAD（语音活动检测器）用于识别语音停顿，并且在这些停顿期间仅估计噪声。MMSE（Minimum Mean Square Error）语音增强算法并没有增强语音的可懂度，语音质量和听者疲劳感是语音感知的方面。针对听障人群在非平稳环境中的失真控制问题，提出了一种基于不确定性参数的信号剩余谱比（SR）评价方法。该方法基于多阈值条件，将原始纯信号分为纯语音、准语音和非语音帧三部分，对噪声进行估计和更新。SR和LLR的不同值表明衰减和放大失真的量。该方法将与任何一种方法WAT（加权平均技术），因此，通过使用参数SR（信号与剩余频谱比）和LLR（对数像罩比），MMSE（最小均方误差）分段SNR和LLR。
2014-11-07 cs.SD
Directivity-Conditioned Low-Latency Neural Filtering for Speech Enhancement in Hearing Aids
University of Hamburg（汉堡大学）
本文提出一种低延迟（10毫秒）的深度神经网络，利用特征级线性调制（FiLM）调整方向性模式，并设计保持跨通道频谱关系的损失函数，在助听器场景下实现与宽松延迟方法相当的语音增强效果。
2026-09-15 eess.AS
Audiovisual joint learning for end-to-end hearing aids
Graduate Institute of Communication Engineering, National Taiwan University（国立台湾大学通讯工程学研究所）；Research Center for Information Technology Innovation, Academia Sinica（中央研究院资讯科技创新研究中心）；Department of Otolaryngology-Head and Neck Surgery, Taipei Veterans General Hospital（台北荣民总医院耳鼻喉头颈外科）；School of Medicine, National Yang Ming Chiao Tung University（国立阳明交通大学医学院）；Center for Hearing Research, University of California, Irvine（加州大学欧文分校听力研究中心）
针对助听器在竞争语音下性能受限的问题，提出端到端视听框架AV-NeuroAMP，融合语音、视频和听力图，联合增强与个性化放大，实验证明优于传统方法。
2026-10-07 eess.AS
Deep Multi-Frame Filtering for Hearing Aids
本文针对助听器低延迟场景，比较了深度滤波、MF-MVDR和MF-WF等多帧滤波方法，评估不同协方差估计，证明基于MVDR/WF的方法优于直接DF估计，显著提升性能并改善运行效率。
2023-05-14 eess.AS
Advances in Intelligent Hearing Aids: Deep Learning Approaches to Selective Noise Cancellation
Department of Electrical Engineering, National University of Sciences and Technology (NUST), Center for Excellence in Manufacturing Engineering (CEME)（电子工程系，国立科学与技术大学（NUST），制造工程卓越中心）
本文系统综述了深度学习在助听器选择性噪声消除中的进展，涵盖架构演进、部署挑战，指出最新模型在嘈杂混响基准上SI-SDR提升达18.3 dB，并强调轻量化、持续学习与临床转化等未来方向。
2025-08-01 cs.AI cs.SD eess.AS
Canonical Cortical Graph Neural Networks and its Application for Speech Enhancement in Audio-Visual Hearing Aids
University of Wolverhampton（伍尔弗汉普顿大学）；São Paulo State University（圣保罗州立大学）；Edinburgh Napier University（爱丁堡龙比亚大学）
尽管机器学习算法最近取得了成功，但在考虑需要不同来源之间交互的更复杂任务时，大多数模型都面临着缺点，例如多模态输入数据和逻辑时间序列。另一方面，生物大脑在这个意义上高度敏锐，能够自动管理和整合这些信息流。在这种情况下，这项工作的灵感来自大脑皮层电路的最新发现，提出了一个生物学上更合理的自我监督机器学习方法。这将使用层内调制的多模态信息与典型相关分析以及用于跟踪时间数据的记忆机制相结合，整体方法称为典型皮层图神经网络。这被证明优于最近的国家的最先进的模型在干净的音频重建和能源效率的基准视听语音数据集。通过减少和窒息神经元放电率分布证明了增强的性能。这表明所提出的模型适用于未来视听助听器设备中的语音增强。
2023-01-31 cs.CV cs.SD eess.AS
In-the-Loop Training of Deep Feedback Cancellation for Hearing Aids
Carl von Ossietzky Universität Oldenburg（奥尔登堡卡尔·冯·奥西茨基大学）
针对助听器中声反馈限制最大增益的问题，提出一种环路内训练的深度反馈消除方法，通过两阶段训练策略使模型在高增益下保持稳定，实验证明其性能优于开环训练方法和自适应滤波器。
2026-06-02 eess.AS
A Large-Scale Database and Predictive Model of Listener-Rated Ease of Speech Understanding in Commercial Hearing Aids
HearAdvisor
构建大规模感知数据集（104,298条评分），使用冻结Whisper编码器提取差异嵌入并训练MLP头，预测听众对商用助听器语音理解容易度的评分，在场景级别显著优于HASPIv2。
2026-06-26 eess.AS
A Probabilistic Generative Model for Spectral Speech Enhancement
本文提出一种统一框架，通过贝叶斯推断实现语音处理、学习和个性化，以适应不同用户和环境，提升助听器语音增强效果。
2026-03-30 cs.SD
Deep learning-based denoising streamed from mobile phones improves speech-in-noise understanding for hearing aid users
Audatic（奥迪克公司）；Charité – Universitätsmedizin Berlin（柏林夏里特医学院）；Sonova AG（索诺瓦公司）；Hörzentrum Oldenburg GmbH（奥尔登堡听力中心有限公司）
针对现有助听器在真实噪声环境中效果不佳的问题，研究团队开发了可在手机上实时运行的深度学习降噪系统，音频流式传输至助听器总延迟约75ms，经测试可显著提升听损用户的言语理解能力与主观满意度。
2023-08-22 cs.SD eess.AS
Robust parameter design for Wiener-based binaural noise reduction methods in hearing aids
Federal University of Santa Catarina（圣卡塔琳娜联邦大学）
本文提出了一种基于维纳的双耳降噪方法所需的加权参数的设计方法。该参数在助听器应用中建立了降噪和双耳线索保留之间的期望折衷。提出的策略是专门为保存双耳水平差，双耳时间差和双耳相干性双耳线索。它被定义为麦克风处的平均输入噪声功率的函数，提供针对噪声和语音功率的联合变化（朗巴德效应）以及信噪比（SNR）变化的影响的鲁棒性。一个理论框架，基于数学定义的均匀度，并施加到一个通用的增广维纳为基础的代价函数。所获得的理论见解支持通过计算模拟和心理声学实验使用多通道维纳滤波器与耳间传递函数保存技术（MWF-ITF），作为一个案例研究。统计分析表明，所提出的动态结构的加权参数和其固定部分的设计方法提供了显着的鲁棒性对语音和残留噪声的原始双耳线索的变化，在一个小的降低噪声降低性能的成本相比，使用一个纯粹的固定加权参数。
2021-04-19 cs.SD eess.AS eess.SP
Low bit rate binaural link for improved ultra low-latency low-complexity multichannel speech enhancement in Hearing Aids
本文提出低复杂度、2ms 延迟的 GCFSnet 多通道语音增强模型，并通过低比特率双耳链路利用延迟双耳特征，使单侧配置在客观指标上达到非低延迟 oracle 双耳 LCMV 波束形成器水平。
2023-07-17 eess.AS
Low-latency Monaural Speech Enhancement with Deep Filter-bank Equalizer
University of Chinese Academy of Sciences（中国科学院大学）；Institute of Acoustics, Chinese Academy of Sciences（中国科学院声学研究所）
对于诸如数字助听器、透声听力设备和公共广播系统的许多应用，高度期望语音增强算法能够实现良好的性能，同时保持低延迟。为了提高传统低时延语音增强算法的性能，提出了一种深度滤波器组均衡器（FBE）框架，该框架集成了基于深度学习的子带降噪网络和基于深度学习的缩短数字滤波器映射网络。在第一个网络中，使用可控的小帧移位来训练深度学习模型，以满足低延迟需求，即，$\le$ 4 ms，以便获得（复数）子带增益，其可以被视为每帧中的自适应数字滤波器。在第二个网络中，为了减少延迟，这种自适应数字滤波器通过基于深度学习的框架隐式缩短，然后应用于含噪语音，以重建增强的语音，而不使用叠加方法。在WSJ 0-SI 84语料库上的实验结果表明，该算法在PESQ、STOI和降噪量等指标上均优于传统的低延迟语音增强算法，且延迟仅为4 ms.
2022-02-14 cs.SD eess.AS eess.SP
HAAQI-Net: A Non-intrusive Neural Music Audio Quality Assessment Model for Hearing Aids
Academia Sinica（中央研究院）；National Chengchi University（国立政治大学）；National Yang Ming Chiao Tung University（国立阳明交通大学）；Research Center for Information Technology Innovation, Academia Sinica（中央研究院资讯科技创新研究中心）；Institute of Information Science, Academia Sinica（中央研究院资讯科学研究所）；College of Informatics, National Chengchi University（国立政治大学资讯学院）；Institute of Communications Engineering, National Yang Ming Chiao Tung University（国立阳明交通大学通讯工程研究所）
本文提出非侵入式 HAAQI-Net，融合 BEATs 特征、BLSTM 与注意力机制预测助听器音乐质量，并通过知识蒸馏和微调实现高效、鲁棒的主客观评分预测。
2025-01-09 cs.LG cs.SD eess.AS
A Robust Target Linearly Constrained Minimum Variance Beamformer With Spatial Cues Preservation for Binaural Hearing Aids
WS Audiology（西万拓听力技术公司）
本文介绍了一种用于助听器的双耳波束形成算法，该算法被设计为对目标说话人方向估计中的误差具有鲁棒性。该算法有两个主要组成部分：一个强大的目标线性约束最小方差（TLCMV）算法的基础上施加两个约束周围的目标信号的估计方向，和一个后处理器，以帮助保存双耳线索。鲁棒TLCMV提供了一个良好的降噪水平和低水平的目标失真在现实条件下。后处理器增强了波束形成器的能力，以保留针对扩散样背景噪声和定向干扰者（竞争扬声器）的双耳线索，同时保持良好的降噪水平。该算法不需要知道或估计定向干扰源的方向，也不需要噪声分量的二阶统计量。所介绍的算法需要估计的目标扬声器的方向，但它的目的是强大的一些偏离估计的方向。与最近提出的国家的最先进的方法相比，综合评估下，在消声和轻度混响环境中产生的复杂的现实的声学场景，考虑到估计和真实的源到达波达方向之间的失配。还考虑了用于波束形成器设计的消声传播模型与用于生成模拟定向信号的轻度混响传播模型之间的失配。结果表明，该算法的鲁棒性，这样的不匹配。
2019-11-20 cs.SD eess.AS
Thoughts on the potential to compensate a hearing loss in noise
Universität Oldenburg（奥尔登堡大学）；Cluster of Excellence Hearing4all（卓越集群Hearing4all）；Medizinische Physik（医学物理）
Plomp（1978）将听力损伤对言语感知的影响描述为由于信号衰减而导致的A类损失和由于信号失真而导致的D类损失的总和。虽然A类损失可以通过线性放大来补偿，但严重限制助听器在嘈杂听力条件下的益处的D类损失却不能。不少助听器的使用者一直抱怨他们的设备在嘈杂的环境中效果有限。最近，在一种通过重新设计的自动语音识别系统对人类语音识别进行建模的方法中，通过引入降低频谱-时间信号电平的个体精度的电平不确定性来解释D类的损失。基于这一发现，提出了一种专利动态范围操纵方案（PLATT）的实现，其目的是通过在2到4 ERB的范围内扩展频谱调制模式来减轻噪声中语音识别的水平不确定性增加的影响。使用基于ASR的语音识别模型对噪声中语音识别阈值的益处进行客观评价表明，由于水平不确定性增加而导致的D类损失的一半以上可能是可补偿的。
2021-02-24 cs.SD eess.AS
Influence of Lossy Speech Codecs on Hearing-aid, Binaural Sound Source Localisation using DNNs
本文研究 BLE 场景下 LC3plus 有损编解码对双耳 DNN 声源定位的影响，比较单耳与中心处理条件，并扩展 Pyroomacoustics 支持 HD-HRTF。
2023-06-04 eess.AS
Towards Sub-millisecond Latency Real-Time Speech Enhancement Models on Hearables
Google DeepMind（谷歌DeepMind）；Google Research（谷歌研究院）
本文提出一种基于最小相位FIR滤波器和轻量级LSTM的可听戴设备语音增强方法，实现0.32-1.25毫秒算法延迟和3.35毫秒端到端延迟，单麦克风下SI-SDRi达4.1 dB。
2025-03-07 cs.LG cs.SD eess.AS
Optimal Binaural LCMV Beamforming in Complex Acoustic Scenarios: Theoretical and Practical Insights
University of Oldenburg（奥尔登堡大学）；Starkey Hearing Technologies（斯达克听力技术公司）
用于头戴式助听设备的双耳波束形成算法对于提高噪声环境中的语音质量和语音可懂度，同时保持声学场景的空间印象至关重要。虽然众所周知的BMVDR波束形成器能够保留一个期望源的双耳线索，但BLCMV波束形成器使用附加约束来也保留干扰源的双耳线索。在本文中，我们提供了理论和实践的见解如何最佳地设置在BLCMV波束形成器的干扰缩放参数为任意数量的干扰源。此外，由于在实践中，只有有限的时间观察间隔可用于估计所有所需的波束形成器的数量，我们提供了一个实验评估在一个复杂的声学场景中使用测量的脉冲响应助听器在自助餐厅不同的观察间隔。结果表明，即使是相当短的观察间隔是足够的，以实现体面的降噪性能和建议的阈值上的最佳干扰缩放参数导致较小的双耳提示错误在实践中。
2018-07-12 cs.SD eess.AS
New insights on the optimality of parameterized wiener filters for speech enhancement applications
Federal University of Santa Catarina（圣卡塔琳娜联邦大学）；Wavetech ST（Wavetech ST公司）
这项工作提出了一个统一的框架，定义了一个家庭的降噪技术的语音增强应用。所提出的方法为一些广泛应用的软和硬时频掩模提供了独特的理论基础，其中包括著名的维纳滤波器和精确设计的二进制掩模。这些技术现在可以被认为是相同的最小化问题的最佳解决方案。所提出的代价函数由两个设计参数定义，这两个设计参数不仅在降噪和语音失真之间建立了所需的权衡，而且还提供了与掩模形态的深刻关系。这样的特性对于需要根据声学场景的变化在线适配抑制函数的应用可能是有用的。仿真实例表明，推导出的一致性抑制掩模具有近似相同的质量和可懂度性能的经典的几何定义的参数维纳滤波器的能力。所提出的方法可能是特别感兴趣的实时嵌入式语音增强应用，如助听器和人工耳蜗植入。
2018-09-19 cs.SD eess.AS eess.SP
A Novel Binaural Cue Preservation Loss for DNN-Based Binaural Speech Enhancement
WSA
针对基于DNN的双耳语音增强易失真左右信号关系的问题，提出两种新型双耳线索保留损失函数，实验证明其在保持降噪性能的同时减少了掩蔽失真，第二种联合损失在ILD保留上更优。
2026-08-18 cs.SD eess.AS
Ranking the Impact of Contextual Specialization in Neural Speech Enhancement
该研究探究不同规模神经语音增强系统的上下文专业化效果，发现面向说话人身份的专业化增益最高，小尺寸专用模型性能可媲美大10倍的通用模型，适用于资源受限场景。
2026-07-07 cs.SD eess.AS
DNN-Based Online Source Counting Based on Spatial Generalized Magnitude Squared Coherence
Department of Medical Physics and Acoustics and Cluster of Excellence Hearing4all（医学物理与声学系和Hearing4all卓越中心）
本文提出基于空间广义幅度平方相干度的深度神经网络方法，用于在混响声学场景中实现在线声源计数。
2026-01-28 cs.SD eess.AS
Deep Denoising for Hearing Aid Applications
Sivantos GmbH（西万拓有限公司）；TU Darmstadt（达姆施塔特工业大学）
减少不必要的环境噪声是当今助听器（HA）的重要特征，这就是为什么现在几乎所有市售设备都包括降噪功能。然而，这些算法中的大多数仅限于平稳噪声的减少。在这项工作中，我们提出了一种基于三隐藏层全连接深度学习网络的去噪方法，旨在预测具有非对称输入上下文的维纳滤波增益，从而实现对信号延迟具有高约束的实时应用。该方法采用助听器级滤波器组，并符合典型的助听器要求，例如低延迟和在线处理。它还可以与现有HA信号处理链中的其他算法很好地集成。我们可以在真实世界噪声信号的数据库上显示，无论是使用客观指标还是使用主题测试，我们的算法都能够优于最先进的基线方法。
2018-05-03 cs.SD eess.AS
Knowledge Distillation for Speech Denoising by Latent Representation Alignment with Cosine Distance
Tampere University（塔尔库大学）；Nokia Technologies（诺基亚技术）
本文提出一种基于降噪自编码器、线性倒置瓶颈和余弦相似度的知识蒸馏方法，用于语音降噪，实验表明学生模型在多种师生不匹配场景下性能优于基线并具有更强鲁棒性。
2025-05-06 cs.LG cs.SD eess.AS
Speech Enhancement using Kernel and Normalized Kernel Affine Projection Algorithm
Vignan University（维格南大学）；NIT Warangal（瓦朗加尔国立理工学院）
本文研究了核仿射投影算法和归一化核仿射投影算法在语音信号增强中的应用。背景噪声的去除是非常重要的，在许多应用中，如语音识别，电话交谈，助听器，法医等核自适应滤波器显示出良好的性能去除噪声。如果背景噪声的评估比语音慢，即，噪声信号比语音更平稳，我们可以很容易地估计语音中停顿期间的噪声。否则，噪声的估计将更加困难，这将导致语音质量的下降。为了提高语音的质量和可懂度，与时域和频域不同，我们可以在新的域中处理信号，如高维的再生核希尔伯特空间（RKHS），以产生更强大的非线性扩展。在实验中，我们使用了噪声语音语料库（NOIZEUS）。从结果中，我们观察到在RKHS去除噪声有很大的性能，在信噪比值相比，传统的自适应滤波器。
2013-09-10 cs.MM cs.SD
