助聽器嘯叫抑制簡(jiǎn)介





作者:徐晨陽


助聽器嘯叫抑制簡(jiǎn)介的圖1


一、助聽器嘯叫介紹以及產(chǎn)生原因

相信很多小伙伴都有這樣的經(jīng)歷,線上開會(huì)的時(shí)候、上課的時(shí)候或者是在某個(gè)大會(huì)的時(shí)候,演講者將麥克風(fēng)打開了之后聽到一陣尖銳的聲音,與吹哨子的聲音一樣,但是更加尖銳更加刺耳,這樣的現(xiàn)象就叫做嘯叫,由揚(yáng)聲器和麥克風(fēng)之間的聲耦合造成,屬于一種正反饋。在助聽器中嘯叫抑制是影響助聽器增益的關(guān)鍵因素。下圖就是一個(gè)嘯叫的例子:


助聽器嘯叫抑制簡(jiǎn)介的圖2


第一張圖顯示了一段十秒鐘的音樂,第二張圖模擬了該語音在助聽器環(huán)路中嘯叫的情況,聽起來是什么樣的呢?讓如下兩個(gè)音頻告訴你:



可以聽到很多類似于口哨聲的雜音,并且比原聲音更響亮,這還只是比較輕微的嘯叫,如果助聽器增益再增大,會(huì)導(dǎo)致嘯叫聲充滿整個(gè)時(shí)間線,原始的聲音信息被完全淹沒,這種聲音是極其刺耳的。嘯叫會(huì)嚴(yán)重破壞語音質(zhì)量和語音可懂度。助聽器的嘯叫要從它的結(jié)構(gòu)分析,典型的助聽器結(jié)構(gòu)如下圖:

助聽器嘯叫抑制簡(jiǎn)介的圖3

為了舒適性,助聽器一般會(huì)有一個(gè)通道[1],但這會(huì)帶來聲反饋,外界聲音被麥克風(fēng)接收后經(jīng)揚(yáng)聲器放大,放大后的聲音不僅會(huì)傳到人們耳中,還會(huì)傳到麥克風(fēng)處,進(jìn)入下一輪放大,這樣就有可能產(chǎn)生嘯叫。這個(gè)傳遞的路徑被稱為反饋路徑,如下圖:

助聽器嘯叫抑制簡(jiǎn)介的圖4

簡(jiǎn)單來說,反饋聲經(jīng)過一輪放大后,相比經(jīng)過反饋前的增益,叫做有效閉環(huán)增益,當(dāng)有效閉環(huán)增益(最大)大于1的時(shí)候,就會(huì)產(chǎn)生嘯叫。

二、助聽器嘯叫抑制方法

最簡(jiǎn)單的方法是在預(yù)計(jì)會(huì)出現(xiàn)反饋峰值的頻率區(qū)域降低增益,將在助聽器裝配期間調(diào)整陷波濾波器用于降低所選窄帶頻率區(qū)域中的增益。雖然降低了嘯叫的可能性,但增益的降低也可能降低清晰度。

數(shù)字助聽器中自適應(yīng)反饋消除技術(shù)AFC(Adaptive Feedback Cancellation)對(duì)反饋路徑響應(yīng)進(jìn)行數(shù)學(xué)建模,并從輸入到助聽器的信號(hào)中減去建模的響應(yīng)。完美匹配意味著麥克風(fēng)處的反饋信號(hào)將被建模信號(hào)完全抵消,并且系統(tǒng)對(duì)于任何數(shù)量的放大都將是完全穩(wěn)定的AFC的關(guān)鍵在于反饋路徑的辨識(shí),如下圖:

助聽器嘯叫抑制簡(jiǎn)介的圖5

一般使用NLMS算法進(jìn)行路徑辨識(shí),在閉環(huán)系統(tǒng)中,揚(yáng)聲器信號(hào)和輸入信號(hào)之間具有非零相關(guān)性,自適應(yīng)濾波器估計(jì)值存在偏差,所以就有了很多去相關(guān)方法,比如探測(cè)噪聲方法,即將噪聲信號(hào)添加到揚(yáng)聲器信號(hào)中,理論上可以防止偏差,其不足之處:探頭噪聲水平與原始揚(yáng)聲器信號(hào)相比足夠大才能有很好的性能;其他方法例如利用預(yù)測(cè)誤差濾波器去相關(guān)也能得到較好的AFC效果。

隨著深度學(xué)習(xí)的興起,有學(xué)者將深度學(xué)習(xí)運(yùn)用到助聽器聲反饋消除中,Chengshi Zheng, Meihuang Wang在2022年提出了一種基于深度學(xué)習(xí)的助聽器AFC方法。文中分析了邊緣穩(wěn)定的系統(tǒng)。開發(fā)了一種稱為深度邊緣反饋消除(DeepMFC)的深度學(xué)習(xí)框架,以抑制嘯叫,減少色彩效應(yīng),并限制某些頻率下的過度放大。文中還提出由于使用助聽器時(shí)語音質(zhì)量和可懂度是兩個(gè)主要問題,本文僅研究了源信號(hào)為語音的情況。研究DeepMFC是否對(duì)其他類型的聲音是否有效將是一件有趣的事情。

參考文獻(xiàn)
[1] Kates J M . Digital Hearing Aids[M]. Plural Pub. 2008.
[2]Chengshi Zheng, Meihuang Wang, Xiaodong Li, and Brian C. J. Moore , "A deep learning solution to the marginal stability problems of acoustic feedback systems for hearing aids", The Journal of the Acoustical Society of America 152, 3616-3634 (2022)



文章來源:21dB聲學(xué)人

登錄后免費(fèi)查看全文
立即登錄
App下載
技術(shù)鄰APP
工程師必備
  • 項(xiàng)目客服
  • 培訓(xùn)客服
  • 平臺(tái)客服

TOP