[发明专利]一种基于卷积神经网络的数字助听器声源定向方法

说明书

本发明公开一种基于卷积神经网络的数字助听器声源定向方法，包括步骤：制作训练用的语音数据，播放该语音数据并利用助听器及智能终端采集；将助听器与智能终端采集的训练用的语音数据作为输入、声源方向数据为输出进行神经网络训练，并将训练完成后的卷积神经网络输入智能终端中；使用时，将助听器与智能终端建立通信连接，助听器接收到外部语音后传送给智能终端，所述卷积神经网络根据助听器接收的语音数据以及智能终端实时接收的语音数据，输出声源方向数据后发回给助听器。本发明能准确得出声源相对于助听器使用者的方向信息。

技术领域

本发明涉及声源定向技术领域，特别是涉及一种基于卷积神经网络的数字助听器声源定向方法。

背景技术

听力损失是现今常见的几种慢性疾病之一，尤其多发于老年人。据世界卫生组织2018年公布的信息，全球有4.66亿人患有残疾性听力损失，每年造成花费高达7500亿美元，超过三分之一的65岁以上老年人患有残疾性听力损失。听力损失对患者的影响是巨大的，例如，轻、中、重度听力损失的老年人，阿尔茨海默症的患病率分别是听力正常老人的2倍、3倍和5倍。并且听力损失还可能会引发重度失眠、认知衰退、抑郁等极为严重的心理问题。

助听器对于听力损失者的听力改善可以起到一定的辅助作用，并且对听力损失的恢复也有极大的帮助。因此，世界卫生组织建议残疾性听力损失者佩戴合适的助听器。传统的模拟式助听器采用线性放大电路，将输入的所有音频信号进行线性放大处理。但是由于助听器使用者往往对声音信号不敏感，常常会产生“小声听不清、大声听得难受”的窘境。为解决这个问题，可以根据用户不同听力损失情况进行放大的数字助听器应运而生。数字助听器需要对接收到的语音信号进行一系列处理，然而助听器使用者的生活环境中往往存在各类噪声，对助听器的语音处理效果产生巨大的影响。倘若助听器能够像人类大脑一样轻松确定声源的方向，就可以进行语音方向性增强等进一步处理，大大提高用户的使用体验。但现今已有的数字助听器要么没有利用声源定向技术，要么利用了计算复杂但效果一般的传统声源定向技术，语音处理效果还有很大的提升空间。

发明内容

本发明的目的是针对现有技术中存在的技术缺陷，而提供一种基于卷积神经网络的数字助听器声源定向方法，其借助卷积神经网络模型，构建了一种效果更好的助听器声源定向方法，旨在解决现有助听器声源方向信息不足、语音信号处理效果欠佳等问题，以期提高助听器使用者的使用体验以及能提高助听器声源定向准确率。

为实现本发明的目的所采用的技术方案是：

一种基于卷积神经网络的数字助听器声源定向方法，包括以下步骤：

制作训练用的语音数据，播放该语音数据并利用助听器及智能终端采集；

将助听器与智能终端采集的训练用的语音数据作为输入、声源方向数据为输出进行神经网络训练，并将训练完成后的卷积神经网络输入智能终端中；

使用时，将助听器与智能终端建立通信连接，助听器接收到外部语音后传送给智能终端，所述卷积神经网络根据助听器接收的语音数据以及智能终端实时接收的语音数据，输出声源方向数据后发回给助听器。

在将语音数据输入到所述卷积神经网络之前，还包括对语音数据前处理的步骤：首先对语音数据预处理，然后用梅尔倒谱系数法提取语音信号特征，将语音信号通过梅尔滤波器组转化为24维特征信号；通过对语音分帧时的帧长调整，使梅尔滤波器组生成的信号为24×24的数据方阵；

将助听器左右耳语音数据中的左耳幅度信息、左耳相位信息、右耳幅度信号、右耳相位信息与智能终端语音数据中的幅度信息的五个维度的数据，整合成一个24×24×5的矩阵作为卷积神经网络输入，得到声源方向数据。

所述的卷积神经网络为七层结构，从输入到输出依次为第一卷积层、池化层、第二卷积层、三层全连接层、softmax层，输入24×24×5的语音数据矩阵后将得到一个90维向量输出。