[发明专利]高级包络编码音调声音处理方法和系统

说明书

相关申请的交叉参考

本申请要求2009年2月3日提交的澳大利亚临时专利申请号2009900365的优先权的权益，其内容通过参考并入本文。

发明领域

本发明涉及一种用于处理从声音信号中提取出的信号的系统和方法，具体来说，是涉及一种系统和方法用于处理从声音信号中提取出的信号，以在听觉假体中产生刺激，包括人工耳蜗植入和其他需要以声码器为基础的声音处理或编码系统。

发明背景

人工耳蜗植入在临床上已被证明能够有效地向患有严重听力损失的患者提供听觉。这些设备通常包含一系列被置于患者耳蜗内的可植入电极，这些电极可直接将电刺激作用于尚未坏死的听觉神经元，被大脑感知后辨别为声音。作用于患者听觉通路的电刺激来源于一种声波信号，而声音处理器则负责根据各种声音处理方案对此声波信号进行处理。

传统上，大多数早期的声音处理方案主要是处理声信号，使接受者能够获得某种程度的开集言语识别。就这一点而论，现有的声音处理方案已经成功地使接受者能够在安静的环境中并且无唇读辅助的情况下理解对话言语。然而，在对比了正常听力和耳蜗植入听力后，研究者发现耳蜗植入使用者几乎感知不到音调以及形成音乐旋律基础的音高信息。

音调信息在言语感知中发挥着重要作用。音调信息能够提供重要的言语语言特征的线索，如能够帮助听者辨别说话人提问和陈述之间区别的语调以及说话人加在某个词语或某句话的重音。音调信息也能够提供重要的言语副语言特征的线索以辅助辨识说话人、确定说话人的情绪状态以及帮助听者隔除其他同时说话人的声音。

最重要的是，音调信息对感知如普通话和广东话这样的声调语言至关重要，这一点早已被确定。在这两种语言中，相同音素段内声音基频发生的变化会导致词义发生变化。

目前已经研发出多种处理声音信号的声音处理方案为刺激听觉假体所用，如人工耳蜗植入。有一种“多峰方案”主要集中于对言语的信号方式进行编码，如共振峰和声音基频(F0)。在这一方案中，音调信息主要通过电刺激速率的方式进行编码。但是，尽管这一方案的结果显示音高可以被感知到，但是在现实情况下性能会迅速衰退，这一点在有噪音的情况下尤甚。其他方案已经提出，通过幅度调制的方式、以一个等于或与音频相关的频率、在电刺激信号的包络中对音调信息(音频高达约300赫兹的)进行编码。这些方案包括“最大谱峰声音处理法”(Spectral Maxima Sound Processor，简称SMSP)(在McDermott和Vandali，1991年澳大利亚专利号657959和美国专利号5597380中有更所详细信息)，最近实现的被称为“谱峰法”(Spectral Peak，简称为SPEAK)(Skinner等人，1994；Whitford等人，1995)，及高级组合编码方案(Advanced Combinational Encoder，简称为ACE)(Vandali等人，2000；Skinner等人，2002)。但是，对以上方案的音高感知度进行检验的研究表明，对某些信号以及在现实状况下，音高线索的显著性和准确性很低，并且在噪音中其性能会迅速衰退。

一系列对现有声音编码方案的修改浮现出来，试图对声音和(或)音乐音高的编码进行改良。这其中包括由“增强调制深度法”(Modulation Depth Enhancement，简称为MDE)和“多渠道包络调制”(Multi-channel Envelope Modulation，简称为MEM)(Vandali等人，2005，公开于美国专利公开号20060080087)；Vandali，A.E.和van Hoesel，R.J.的“增强调制深度用于音调感知”(Modulation depth enhancement for tone perception)，美国专利号7561709；以及Vandali，A.E.、van Hoesel，R.J.和Seligman，P.M.的“听觉假体中的音高感知”(Pitch perception in an auditory prosthesis)，美国专利申请US 2006/0080087的部分接续专利申请。此外，MeDermott和McKay提出了一种改进人工耳蜗植入系统中音高编码的设备(McDermott，H.，和McKay，C.，“人工耳蜗植入声音处理方法和系统”，美国专利申请号US 2005/0107843)。以上所有文件都通过参考并入本文。