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
HASA-net: A non-intrusive hearing-aid speech assessment network
Research Center for Information Technology Innovation, Academia Sinica（中央研究院资讯科技创新研究中心）；Nagoya University（名古屋大学）；Institute of Information Science, Academia Sinica（中央研究院资讯科学研究所）；University of Illinois at Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）
不需要一个干净的参考，非侵入性的语音评估方法已经引起了极大的关注，客观的评价。最近，深度神经网络（DNN）模型已被应用于构建非侵入式语音评估方法，并被证实具有良好的性能。然而，大多数基于DNN的方法都是为听力正常的听众设计的，而没有考虑听力损失因素。在这项研究中，我们提出了一个基于DNN的助听器语音评估网络（HASA-Net），由双向长短期记忆（BLSTM）模型形成，根据输入语音信号和指定的听力损失模式同时预测语音质量和可懂度分数。据我们所知，HASA-Net是第一个利用统一的基于DNN的非侵入式助听器模型进行质量和清晰度评估的工作。实验结果表明，预测的语音质量和清晰度分数的HASA-Net是高度相关的两个著名的侵入式助听器的评估指标，助听器语音质量指数（HASQI）和助听器语音感知指数（HASPI），分别。
2021-11-10 cs.AI cs.SD eess.AS
Non-uniform FIR Digital Filter Bank for Hearing Aid Application Using Frequency Response Masking Technique: A Review
School of Biomedical Engineering, University of Sydney（悉尼大学生物医学工程学院）；School of Engg. & IT, UNSW Canberra（新南威尔士大学堪培拉分校工程与信息技术学院）；Curtin University（科廷大学）
助听器是一种电声设备，用于选择性地放大音频声音，目的是使听力受损的人更容易理解讲话。滤波器组是数字助听器的重要组成部分之一，其中每个滤波器的子带增益可以被调谐以补偿个人独特的听力损失模式。由于人类的感知是基于对数尺度的，非均匀滤波器组优于均匀滤波器组。非均匀滤波器组的主要优点是它需要较少的子带滤波器，从而导致低硬件复杂度和成本。许多努力已经投入到设计这些非均匀滤波器组的助听器应用。本文旨在提供一个回顾以往的研究基于非均匀有限脉冲响应（FIR）数字滤波器组的助听器应用中使用的频率响应掩蔽（FRM）技术。通过回顾滤波器组，我们试图找到固定和可变频带滤波器组之间的差异，并了解哪种方法更适合匹配最常见的听力损失类型。本文综述了滤波器组的设计方法、理论计算和仿真结果。
2020-12-19 cs.SD eess.AS
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
The future of hearing aid technology
University of Oldenburg（奥尔登堡大学）；Hörzentrum Oldenburg gGmbH（奥尔登堡听力中心有限责任公司）；Cluster of Excellence Hearing4all Oldenburg（奥尔登堡Hearing4all卓越集群）
该研究分析助听器技术现状与局限，结合文献梳理机器学习、多模态信号处理、虚拟现实、移动医疗等新兴技术的应用潜力，指出其将推动听力康复相关技术发展。
2023-04-27 cs.SD eess.AS
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
Evaluating and Optimizing Hearing-Aid Self-Fitting Methods using Population Coverage
University of Iowa（爱荷华大学）；University of Wisconsin-Madison（威斯康星大学麦迪逊分校）
患有轻度至中度听力损失的成年人可以使用非处方助听器来治疗听力损失，其费用仅为传统听力保健费用的一小部分。这些产品采用了自适应方法，允许最终用户在没有听力学家帮助的情况下配置助听器。自适应方法可帮助用户配置增益-频率响应，以控制传入声音的每个频带的放大。本文考虑如何设计有效的自适应方法，以及我们是否可以评估其设计的某些方面，而不诉诸昂贵的用户研究。大多数现有的适配方法提供各种用户界面以允许用户从预定的一组适配器中选择配置。我们提出了一种新的度量方法，通过计算其人口覆盖率来评估基于预设的方法的性能。人口覆盖率估计有可能找到他们喜欢的配置的用户的比例。我们方法的一个独特方面是一个概率模型，它可以捕捉用户的独特偏好与其他具有类似听力损失的用户的不同之处。接下来，我们开发了确定最大化人口覆盖率的方法。探索性的结果表明，所提出的算法可以有效地选择一个小的数量，提供更高的人口覆盖率比基于聚类的方法。此外，我们可以使用我们的算法来配置基于滑块的方法的增量数量。
2022-10-25 cs.HC cs.LG cs.SD
CLCNet: Deep learning-based Noise Reduction for Hearing Aids using Complex Linear Coding
Sivantos GmbH（西万拓有限公司）
降噪是现代助听器的重要组成部分，并且包括在大多数市售设备中。然而，基于深度学习的最先进算法要么不考虑实时和频率分辨率约束，要么在非常嘈杂的条件下导致质量差。为了改善噪声环境下的单声道语音增强，我们提出了CLCNet，一个基于复值线性编码的框架。首先，我们定义了复线性编码（CLC）的线性预测编码（LPC），这是应用在复频域的动机。其次，我们提出了一个框架，结合复杂的频谱图输入和系数输出。第三，我们定义了一个参数归一化复值频谱图，符合低延迟和在线处理。我们的CLCNet进行了评估的混合EUROM数据库和现实世界的噪声数据集记录与助听器，并与传统的实值维纳滤波器增益。
2020-01-28 cs.LG 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
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 Microphone Array and Voice Algorithm based Smart Hearing Aid
Data Science Institute（数据科学研究所）；National University of Ireland Galway（爱尔兰国立高威大学）
世界上大约有6.2%的人口（4.66亿人）患有听力障碍[1]。听力障碍对一个人的教育，经济成功[2][3]，儿童时期的认知发展[4]产生负面影响，包括老年痴呆症的风险增加[5]。由于听力障碍而导致的社会交往缺乏或减少会影响在家庭，学校和工作中建立或维持健康的关系[5]。因此，听力障碍确实影响整体生活质量和福祉。鸡尾酒会效应是一个健康听力个体在其他声音或声音的杂音中理解一个声音的能力，是听力障碍者缺乏的一种重要能力。这种无能导致简单的日常活动困难，例如参加小组讨论或在嘈杂的餐馆交谈[6]。这款智能助听器旨在为在嘈杂环境中理解语音提供急需的帮助。例如，如果一个人想要参与小组讨论，他/她需要将基于麦克风阵列的单元放置在他/她前面的平坦表面上，诸如桌子。当对话发生时，麦克风阵列将捕捉和处理来自各个方向的声音，智能地优先考虑并通过抑制不必要的噪音（包括其他人的讲话）来提供主发言者的声音。该设备使用语音算法自动选择和交替扬声器之间的语音。此外，用户可以根据需要通过智能手机界面进一步微调声学参数。本文介绍了这种新型智能助听器的发展和功能。
2020-06-05 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
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
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
Multi-objective Non-intrusive Hearing-aid Speech Assessment Model
Academia Sinica（中央研究院）；Nvidia（英伟达）
提出HASA-Net Large多目标非侵入式助听器语音评估模型，利用预训练SSL模型和听力损失模式预测语音质量与可懂度，显著提升性能及OOD迁移性。
2023-11-15 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
Head-steered channel selection method for hearing aid applications using remote microphones
本文提出了一种利用头部指向方向选择远程通道的方法，用于在多个竞争说话者存在时更准确地捕捉目标说话者信号，无需额外传感器。
2025-08-09 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
The First Cadenza Signal Processing Challenge: Improving Music for Those With a Hearing Loss
University of Salford（索尔福德大学）；University of Leeds（利兹大学）；University of Nottingham（诺丁汉大学）；University of Sheffield（谢菲尔德大学）；Peoples' Friendship University of Russia (RUDN University)（俄罗斯人民友谊大学（RUDN大学））；Joint Institute for Nuclear Research（联合核研究所）；Vrije Universiteit Amsterdam（阿姆斯特丹自由大学）；University of Skövde（舍夫德大学）
首届Cadenza信号处理挑战赛针对听损人群，设置耳机听音乐与车内助听器听音乐两类场景，通过分离重混、噪声掩蔽抵消等方案优化音乐质量，并结合客观指标与听损用户主观评价参赛作品。
2023-10-09 cs.LG 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
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
Frame-Aligned Fusion of Canary and WavLM for Non-Intrusive Intelligibility Prediction of Hearing-Aid-Processed Speech
Advanced Media, Inc.（先进媒体公司）
针对无干净参考的助听器处理语音清晰度预测任务，研究了两种冻结语音编码器Canary和WavLM的互补表示融合策略，提出帧对齐融合方法，在3rd Clarity Prediction Challenge中达到Eval RMSE 24.96和Eval Corr 0.796。
2026-05-22 cs.SD eess.AS
Circular Statistics-based low complexity DOA estimation for hearing aid application
Widex A/S（唯听公司）
所提出的基于圆极化的麦克风间相位差估计定位器（CIMPL）方法是针对每个单元中具有麦克风阵列的双耳助听器系统定制的。该方法利用不同麦克风对的麦克风间相位差（IPD）的圆形统计（圆形均值和圆形方差）。该方法首先通过方差加权线性拟合将这些IPD映射到时延，然后映射到方位波达方向（DoA），最后将不同麦克风对的信息进行组合。方差通过不同的变换进行，并作为估计角度的可靠性指标。所得到的角度和方差都被馈送到包裹的卡尔曼滤波器中，该滤波器提供DoA的平滑估计。与LOCATA挑战赛提供的基准方法相比，所提出的方法提高了单个移动源的跟踪角度的精度，并且运行速度快了约75倍。
2018-12-17 cs.SD eess.AS
Real-time multichannel deep speech enhancement in hearing aids: Comparing monaural and binaural processing in complex acoustic scenarios
Carl von Ossietzky Universität Oldenburg（卡尔·冯·奥西茨基奥尔登堡大学）；Hörzentrum Oldenburg gGmbH（奥尔登堡听力中心有限责任公司）
本研究针对助听器实时低延迟需求，探索深度语音增强方法，对比单耳与双耳深度算法及传统策略在复杂声学场景的表现，发现双耳深度学习方法在空间干扰场景下性能最优。
2024-10-30 cs.SD eess.AS
TinyLSTMs: Efficient Neural Speech Enhancement for Hearing Aids
Arm（Arm公司）；Bose（Bose公司）
现代语音增强算法通过使用大型递归神经网络（RNN）实现了显著的噪声抑制。然而，大型RNN限制了助听器硬件（HW）形状因子的实际部署，这些硬件是电池供电的，并且在具有有限存储容量和计算能力的资源受限的微控制器单元（MCU）上运行。在这项工作中，我们使用模型压缩技术来弥合这一差距。我们定义了HW对RNN施加的约束，并描述了满足这些约束的方法。尽管模型压缩技术是一个活跃的研究领域，但我们是第一个使用权重/激活的修剪和整数量化来证明其对RNN语音增强的功效的。我们还演示了状态更新跳过，这减少了计算负载。最后，我们对压缩模型进行感知评估，以验证人类评分员的音频质量。结果显示，与压缩模型的基线相比，模型大小和操作分别减少了11.9 $\times$和2.9 $\times$，在收听偏好方面没有统计学差异，仅表现出0.55 dB SDR的损失。我们的模型实现了2.39毫秒的计算延迟，以及在10毫秒的目标和351 $\times$比以前的工作更好。
2020-05-20 cs.LG 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
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
Noise dependent Super Gaussian-Coherence based dual microphone Speech Enhancement for hearing aid application using smartphone
本文利用语音和噪声信号的相干性，结合超高斯联合最大后验概率（SGJMAP）单麦克风语音增强增益函数，得到一种语音增强（SE）增益函数。所提出的SE方法可以在智能手机上实现，该智能手机用作助听器的辅助设备。相干SE增益函数虽然能很好地抑制背景噪声，但也会使语音失真。相反，SE使用SGJMAP提高语音质量与额外的音乐噪声，我们包含使用后滤波器。这两个增益函数的加权联合在噪声抑制和语音失真之间取得了平衡。在导出的增益函数中引入“加权”参数，以允许智能手机用户基于不同的背景噪声和他们的听觉舒适度来控制加权因子。所提出的方法的客观和主观的措施相比，本文考虑的几个嘈杂的条件下，在信噪比水平为-5 dB，0 dB和5 dB的标准技术显示出有效的改善。
2020-01-27 eess.AS
DNN-Based Frequency-Dependent Estimation of Speech, Music, and Noise Power in Acoustic Mixtures for Hearing-Aid Scene Analysis
WSA
针对助听器场景分析中多独立估计器的问题，提出用深度神经网络估计混合信号的语音、音乐、噪声功率分量，以VAD验证其性能与SOTA相当且场景描述更丰富。
2026-08-19 eess.AS
Noise-Robust Hearing Aid Voice Control
本文构建多麦克风助听器带噪自听语音数据集，并评估轻量级关键词检测模型，证明骨导语音结合耳背式宽带信号可提升噪声鲁棒语音控制性能。
2024-12-03 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
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
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
Active noise cancellation extends the benefit of AI speech enhancement in real hearing-aid recordings
Bose Corporation（博士公司）
该研究验证了主动噪声消除（ANC）可衰减助听器的直接声通路，结合AI语音增强算法（AI-SE）能显著提升鼓膜处的信噪比，将AI-SE的益处扩展至更低频率，为助听器性能优化提供了新方向。
2026-10-14 eess.AS
EvolveCaptions: Empowering DHH Users Through Real-Time Collaborative Captioning
University of Michigan（密歇根大学）
针对现有ASR系统难以准确转写听障人士语音、个性化适配负担重的问题，提出协作式实时适配系统EvolveCaptions，借助健听者纠错生成提示录音微调模型，实验证实其可有效降低词错误率，提升沟通公平性。
2025-10-02 cs.AI cs.HC cs.SD
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
Head shadow enhancement with low-frequency beamforming improves sound localization and speech perception for simulated bimodal listeners
KU Leuven – University of Leuven（鲁汶大学）
由于双耳线索的可用性差，许多听力受损的听众难以定位声音。带有人工耳蜗和对侧助听器的听众--所谓的双峰听众--是表现最差的，因为两耳间的时间和水平差都很难传递。提出了一种新的低频头部阴影增强方法。头部阴影增强是通过在每只耳朵中使用对侧衰减的固定波束形成器来实现的。该方法导致耳间水平差随角度单调变化。在语音和噪声空间分离的情况下，它还提高了低频信噪比。我们验证了该方法在两个实验中的声学模拟双峰听。在定位实验中，与标准全向麦克风相比，性能从50.5°提高到26.8°均方根误差。在噪声中的语音实验中，语音从正面方向呈现。当噪声来自人工耳蜗侧时，语音接收阈值提高了15.7 dB SNR，当噪声来自助听器侧时，语音接收阈值提高了7.6 dB SNR，当噪声来自各个方向时，语音接收阈值不受影响。除了双模态听众，该方法也可能是有前途的双侧人工耳蜗或助听器用户。其低计算复杂度使得该方法适合于在当前临床设备中的应用。保留字：头影增强、耳间水平差增强、声音定位、定向听力、噪声中言语、言语清晰度PACS：43.60.Fg、43.66.Pn、43.66.Qp、43.66.Rq、43.66.Ts、43.71.- k，43.71.Es，43.71.Ky
2018-03-14 cs.SD eess.AS
Keyword Spotting for Hearing Assistive Devices Robust to External Speakers
Aalborg University（奥尔堡大学）；Oticon A/S（奥迪康公司）
关键词识别（KWS）正在经历一个上升，由于小型电子设备的普及，允许通过语音与他们互动。通常，KWS系统是与说话者无关的，这意味着任何人-用户或非用户-都可能触发它们。对于像听力辅助设备的KWS这样的应用，这是不可接受的，因为必须只允许用户处理它们。在本文中，我们提出了KWS的听力辅助设备，是强大的外部扬声器。小型KWS的最先进的深度剩余网络被视为构建的基础。通过遵循多任务学习方案，该系统被扩展到联合执行KWS和用户的自己的语音/外部扬声器检测与参数的数量可以忽略不计的增加。对于实验，我们从Google Speech Commands Dataset生成一个语音语料库，将助听器作为捕获设备。我们的研究结果表明，这种多任务深度残差网络能够实现KWS精度相对提高约32%，相对于不处理外部扬声器的系统。
2019-06-26 cs.HC cs.LG cs.SD
Exploiting an External Microphone for Binaural RTF-Vector-Based Direction of Arrival Estimation for Multiple Speakers
本文提出一种利用外部麦克风降低计算复杂度的双耳RTF向量基多说话人方向估计方法，通过空间相干性假设提升性能。
2023-07-10 cs.SD eess.AS eess.SP
Signal processing algorithm effective for sound quality of hearing loss simulators
Faculty / Graduate School of Systems Engineering, Wakayama University（和歌山大学系统工程学院/研究生院）
本研究比较了CamHLS和WHIS两种听力损失模拟器的音质，发现采用DTVF算法的WHIS在非线性处理下仍能显著减少语音失真，为信号合成应用提供了有效方案。
2024-06-07 cs.SD eess.AS
Hearing-Loss Compensation Using Deep Neural Networks: A Framework and Results From a Listening Test
针对传统助听器听力损失补偿效果有限的问题，提出基于DNN的补偿方法，构建DNN听觉模拟框架并线性化分析，通过听损者听力测试验证其在语音清晰度和偏好度上优于传统方法。
2024-12-13 eess.AS
A convolutional neural-network model of human cochlear mechanics and filter tuning for real-time applications
Ghent University（根特大学）
听觉模型通常被用作自动语音识别系统的特征提取器，或者用作机器人、机器听力和助听器应用的前端。虽然听觉模型可以非常详细地捕获人类听觉的生物物理和非线性特性，但这些生物物理模型在计算上是昂贵的，并且不能用于实时应用。我们提出了一种混合方法，其中卷积神经网络与计算神经科学相结合，以产生人类耳蜗力学的实时端到端模型，包括电平相关滤波器调谐（CoNNear）。在声学语音材料上训练CoNNear模型，并使用耳蜗力学研究中常用的（看不见的）声音刺激来评估其性能和适用性。CoNNear模型准确地模拟了人类耳蜗的频率选择性及其对声音强度的依赖性，这是在负语音与背景噪声比下实现鲁棒语音清晰度的基本品质。CoNNear架构基于并行和可微分计算，具有实现实时人类性能的能力。这些独特的CoNNear功能将使下一代类人机器听觉应用成为可能。
2020-12-04 cs.CE cs.LG cs.SD
dCoNNear: An Artifact-Free Neural Network Architecture for Closed-loop Audio Signal Processing
Hearing Technology Lab, Department of Information Technology, Ghent University（信息科技系听力技术实验室，根特大学）；IDLAB, Department of Information Technology, Ghent University（信息科技系IDLAB，根特大学）
本文提出无伪影神经网络架构dCoNNear，通过消除闭环音频处理中非理想采样引起的音调与混叠伪影，在助听器个性化设计和语音增强任务中显著提升感知音质。
2025-11-06 cs.SD eess.AS
Non-Intrusive Speech Intelligibility Prediction for Hearing-Impaired Users using Intermediate ASR Features and Human Memory Models
University of Sheffield（谢菲尔德大学）
本文提出结合 Whisper ASR 解码器中间特征与基于样例的人类记忆模型，用于预测听障用户的语音可懂度，并在未见增强系统和听者上显著优于 HASPI 基线。
2024-01-24 cs.AI cs.SD eess.AS
Pruning-aware Loss Functions for STOI-Optimized Pruned Recurrent Autoencoders for the Compression of the Stimulation Patterns of Cochlear Implants at Zero Delay
Leibniz University Hannover（莱比锡大学汉诺威分校）
本文提出剪枝感知损失函数，在训练深度循环自编码器压缩人工耳蜗刺激模式时兼顾模型压缩与语音可懂度，在剪枝率超过45%时显著优于传统幅值剪枝方法。
2025-02-04 cs.LG cs.SD eess.AS
UserLibri: A Dataset for ASR Personalization Using Only Text
Google Inc.（谷歌公司）
移动设备上语音模型的个性化（设备上个性化）是一个活跃的研究领域，但通常情况下，移动设备的纯文本数据比配对的音频文本数据更多。我们探索在纯文本数据上训练个性化的语言模型，在推理过程中使用该模型来提高该用户的语音识别性能。我们实验的用户集群LibriSpeech语料库，补充个性化的纯文本数据为每个用户从古腾堡项目。我们发布了这个用户特定的LibriSpeech（UserLibri）数据集，以帮助未来的个性化研究。LibriSpeech音频转录对被分组为来自测试干净数据集的55个用户和来自测试其他数据集的52个用户。我们能够在流和非流模型中降低每个用户的平均单词错误率，包括在流时更难测试其他用户的2.5的改进。
2022-07-02 cs.CL cs.LG eess.AS
Decoding Envelope and Frequency-Following EEG Responses to Continuous Speech Using Deep Neural Networks
Imperial College London（帝国理工学院）；Friedrich-Alexander-University Erlangen-Nürnberg（埃尔朗根-纽伦堡弗里德里希-亚历山大大学）
本研究全面记录了为ICASSP SPGC开发的深度神经网络EEG语音匹配解码器，探究说话人特征对性能的影响，验证了其准确鲁棒的分类效果与跨数据集泛化能力，且可直接用作听觉注意力解码器。
2023-12-15 cs.SD eess.AS
