基于GMM的聽覺場景識別算法研究

劉明 曾偉浩

摘要：佩戴助聽器的聽力患者像正常人一樣生活在安靜的臥室、嘈雜的道路或音樂會等各種環(huán)境中。有些助聽器算法只適用于一個場景，但在另一個場景可能沒有效果，甚至帶來更糟糕的結(jié)果。有些助聽器需要患者根據(jù)不同的環(huán)境手動調(diào)整一些參數(shù)，通過音量調(diào)節(jié)開關來控制輸出音量，以適應當前的環(huán)境，獲得更好的聲音。而且，一次設置后，佩戴后不可能一直手動調(diào)整，手動選擇功能對于老年人、兒童或殘疾人等弱勢群體非常不方便。如果助聽器使用算法自動識別場景，自動設置參數(shù)以適應當前環(huán)境，并自動增益輸出音量，而不是人工操作的繁瑣部分，將大大提高助聽器的智能化程度。

關鍵詞：助聽器 ?自動識別場景 ?自動增益

一、引言

聽佩戴數(shù)字助聽器的聽障患者通常處于各種聽力環(huán)境中，如言語、噪音或音樂等[1]。為了獲得最佳的聽覺體驗，在早期的數(shù)字助聽器中，數(shù)字助聽器廠商會將適合各種場景的程序預刻錄到芯片中，通過撥動開關選擇相應的程序，即不同的頻率響應或其他處理選項，如麥克風陣列語音增強、噪聲抑制、寬動態(tài)壓縮和回聲消除等[2]。用戶需要確定他們所處的環(huán)境，并手動切換開關來選擇與場景相對應的節(jié)目。然而，對于聽障患者來說，識別當前環(huán)境并選擇與場景相對應的節(jié)目是一項非常困難的任務。即使對于一個聽力健康的人來說，也不清楚選擇哪個節(jié)目來匹配當前的場景。最大的問題是，老年人是數(shù)字助聽器的主要用戶，讓他們根據(jù)不同的應用場景進行功能切換是非常困難的。

二、聽覺場景分析算法概述

根據(jù)數(shù)字助聽器的語音信號整體的處理流程可知，聽覺場景分析算法屬于事先準備好的，也就是說經(jīng)過算法訓練好的模型。算法流程分為三部分，分別是特征提取、模式分類器和參數(shù)控制。第一步，數(shù)字助聽器通過特征提取將接收到語音信號轉(zhuǎn)換成特征向量。這一步是識別算法中非常關鍵的階段，因為選擇的特征向量包含有可以區(qū)分不同類型的環(huán)境的信息，選擇合適的特征向量將會影響到整個算法的識別率[3]。第二步是模式分類器根據(jù)特征向量判決輸入的語音信號是屬于哪個場景模型。第三步根據(jù)第二步判斷出的場景，配置其他算法的一些參數(shù)以適應當前場景。聽覺場景分析的整體結(jié)構(gòu)如圖1所示：

圖1 ?聽覺場景識別系統(tǒng)框架圖

在本文中，考慮到數(shù)字助聽器芯片的功耗和計算能力，特征提取采用12維MFCC 梅爾倒譜系數(shù)和12維一階二階MFCC 梅爾倒譜系數(shù)，分類器采用改進的GMM模型[4]。實驗中，分別比較了改進的GMM算法和改進的GMM算法的識別率，比較了不同維數(shù)的特征參數(shù)和不同高斯混合數(shù)的識別率，最后選擇了最佳參數(shù)并應用于數(shù)字助聽器系統(tǒng)中。

三、實驗方法

日常生活中，聽覺場景的種類數(shù)目眾多，找出典型的聽覺場景是該算法的第一步。因此，為了驗證聽覺場景識別算法的準確性，采用文獻提到的方法從在線聲音庫的網(wǎng)站freesound.org收集到7類音頻數(shù)據(jù)，分別是嘈雜的語音、展館上的語音、餐廳中的語音、街道上的語音、列車中的語音、純凈的語音和音樂音頻。其中前五種屬于帶噪語音[5]。每個種類總共有300段音頻，其中225段作為訓練數(shù)據(jù)，75段作為測試數(shù)據(jù)，每段音頻時間是2s，采樣率為16KHZ，精度為16位。由于語音信號具有短時平穩(wěn)特性，因此在實驗時可以對每短時音頻信號進行分幀、加窗（漢明窗），每幀音頻信號幀長20 ms，采樣數(shù)為320，幀移設置為15 ms，采樣數(shù)為240，F(xiàn)FT長度為256。本文首先從GMM高斯核數(shù)方面來比較傳統(tǒng)GMM算法和本文提出的改進的GMM算法的整體識別率。特征參數(shù)先固定選用12維的MFCC系數(shù)。高斯混合數(shù)分別取2，4，8，16和32。

四、結(jié)論

基于GMM模型的聽覺場景識別算法分為訓練和識別兩部分。訓練部分首先對語音信號進行采樣和量化，然后從語音信號中提取36維特征參數(shù)，如MFCC、一階MFCC和二階MFCC。首先，通過GMM訓練算法訓練每個聽覺場景的特定模型參數(shù)，最后通過GMM識別算法識別聽覺場景。聽覺場景識別算法是現(xiàn)代數(shù)字助聽器的一項高級功能，它極大地提高了現(xiàn)代數(shù)字助聽器的智能性，解決了許多聽力受損患者的不便問題。

參考文獻

[1]曹旭來.數(shù)字助聽器中響度補償算法的研究[D].南京郵電大學，2014.

[2]雍雅琴.數(shù)字助聽器中主要語音信號處理方法研究[D].北京協(xié)和醫(yī)學院，2013.

[3]魏政，尹雪飛，陳克安.可實現(xiàn)聽覺場景匹配的智能數(shù)字助聽器算法[J].聲學技術(shù)，2012，31（5）：511-516.

[4]何鑫，高勇.一種語音增強中新的噪聲預估計算法[J].通信技術(shù)，2018，51（10）：2320-2324.

[5]Dillon H.Hearing Aids[M].Thieme，2001.

基金項目：

1：深圳市科技計劃項目（項目編號：JCYJ20180307123857045）

2：廣東省教育廳科技項目（項目編號：2019GKQNCX122）

3：校級科研項目（項目編號：SZIIT2019KJ026）