[发明专利]一种人工耳蜗信号处理方法、装置及计算机可读存储介质

说明书

根据本发明实施例公开的人工耳蜗信号处理方法、装置及计算机可读存储介质，首先获取训练语音信号，并将训练语音信号经过预处理后输入至包络提取网络进行网络训练，其中，包络提取网络包括依次顺序连接的三个深度神经网络；然后将采集的实时语音信号经预处理后输入至训练完成的包络提取网络，提取个数对应于体内植入电极个数的通道包络；最后对所提取的通道包络依次进行非线性压缩、通道选择、电极映射以及脉冲调制，输出目标数量的电极刺激信号至对应数量的体内植入电极。通过本发明所提供的计算复杂度较低的轻量级包络提取网络，有效降低了功率消耗，提升了处理效率以及降噪处理效果，并保证了CI信号处理与降噪的无缝融合。

技术领域

本发明涉及信号处理技术领域，尤其涉及一种人工耳蜗信号处理方法、装置及计算机可读存储介质。

背景技术

人工耳蜗(CI，Cochlear Implant)是一种听觉仿生装置，主要用于为重度听觉外周损伤(如内耳毛细胞坏死)的耳聋患者提供言语感知。当前，最先进的CI装置在安静声学环境下能够使CI植入者达到与正常人相当的言语感知效果。但是，现实生活中的背景噪声(如环境噪声或者多人交谈的情况)会严重影响CI植入者的言语感知体验。

近年来，学术界和工业界提出了许多将降噪算法与传统CI信号处理策略相结合的、用于改进CI言语感知效果的信号处理系统。但是，一方面，目前的降噪算法的模型参数庞大、计算复杂度较高，导致实际应用中的信号处理效率低、消耗功率高；另一方面，目前的降噪算法并不能可靠地提取出声音中的时域精细结构，降噪处理效果较为局限；另外，经过目前的降噪算法处理后的语音信号输入至CI信号处理单元进行处理时，无法保证最终的输出能够达到最佳言语感知效果，从而降噪算法与CI处理策略之间的适配性较差。

发明内容

本发明实施例的主要目的在于提供一种人工耳蜗信号处理方法、装置及计算机可读存储介质，至少能够解决相关技术中所采用的降噪算法的处理效率低、消耗功率高、降噪处理效果较为局限，以及无法很好适配于CI处理策略的问题。

为实现上述目的，本发明实施例第一方面提供了一种基于深度学习的人工耳蜗信号处理方法，应用于人工耳蜗装置，该方法包括：

获取训练语音信号，并将所述训练语音信号经过预处理后输入至包络提取网络，对所述包络提取网络进行训练；其中，所述包络提取网络包括依次顺序连接的第一深度神经网络、第二深度神经网络以及第三深度神经网络，所述第一深度神经网络用于从输入的特征中提取高维特征，所述第二深度神经网络用于估计增强后的所述训练语音信号的特征，所述第三深度神经网络用于从所述第二深度神经网络所估计的特征中，提取个数对应于体内植入电极个数的通道包络；

将采集到的实时语音信号经过预处理后输入至训练完成的包络提取网络，提取个数对应于体内植入电极个数的通道包络；

对从所述实时语音信号中所提取的通道包络依次进行非线性压缩、通道选择、电极映射以及脉冲调制，然后输出目标数量的电极刺激信号至对应数量的体内植入电极。

为实现上述目的，本发明实施例第二方面提供了一种基于深度学习的人工耳蜗信号处理装置，应用于人工耳蜗装置，该装置包括：

训练模块，用于获取训练语音信号，并将所述训练语音信号经过预处理后输入至包络提取网络，对所述包络提取网络进行训练；其中，所述包络提取网络包括依次顺序连接的第一深度神经网络、第二深度神经网络以及第三深度神经网络，所述第一深度神经网络用于从输入的特征中提取高维特征，所述第二深度神经网络用于估计增强后的所述训练语音信号的特征，所述第三深度神经网络用于从所述第二深度神经网络所估计的特征中，提取个数对应于体内植入电极个数的通道包络；

提取模块，用于将采集到的实时语音信号经过预处理后输入至训练完成的包络提取网络，提取个数对应于体内植入电极个数的通道包络；