Investigation of advanced hearing aid with target signal extraction and spatial width control of background noise

研究具有目标信号提取和背景噪声空间宽度控制的高级助听器

• 批准号: 22K12922
• 负责人: 水町 光徳
• 金额: $ 2.66万
• 依托单位: Kyushu Institute of Technology
• 依托单位国家: 日本
• 项目类别: Grant-in-Aid for Scientific Research (C)
• 财政年份: 2022
• 资助国家: 日本
• 起止时间: 2022-04-01 至 2025-03-31
• 项目状态: 未结题
• 来源: https://kaken.nii.ac.jp/grant/KAKENHI-PROJECT-22K12922/
• 关键词: 次世代補聴; 信号分離; 雑音除去; ビームフォーミング; ニューラルネットワーク; ステレオ音像; 知覚的最適化; 音情報処理; 補聴; 指向性制御; 音像幅制御; 知覚的目的音強調

本課題では、次世代補聴システムの構築にあたり、高精度の音源分離と適切な音呈示方式の確立を目指す。音源分離に関しては、小型マイクロホンアレーを用いて、特定方向から到来する音信号のみを強調するための非線形ビームフォーマを構築した。非線形ビームフォーマは、ニューラルネットワークを用いて空間フィルタを最適化することにより、目的音源方向に鋭い指向特性を形成する。一方、適切な音呈示方式では、非線形ビームフォーマを用いて抽出した目的信号を、音の到来方向や音像を含めて、知覚的に適切に呈示することを目指す。令和4年度は、低周波数帯域における非線形ビームフォーマの指向性先鋭化を実現するために、再帰型ニューラルネットワークの一種である長・短期記憶（Long Short-Term Memory: LSTM）ネットワークを導入し、各種パラメータの最適化を行った。また、広帯域での同時最適化とサブバンドごとの局所最適化の両面から検討した結果、500 Hzで鋭い指向特性を実現することに成功した。音呈示方式については、ステレオ音源の振幅と位相を同時制御することにより、ステレオ音像幅を適切に調整する方式について検討を行った。本手法の基本アルゴリズムは令和3年度に構築したが、知覚的音像幅を適切に制御するためには、多数の実験参加者の協力を得て聴取実験を実施する必要があった。令和4年度は、これまでに実施した聴取実験結果を活用することにより、ステレオ音源の左右チャネル間相互相関に基づく知覚的音像幅の最適化の可能性を見出した。

In this project, the next generation of equipment, the sound source separation and cut tone of the high-precision sound source will be presented in the way of "making sure". The sound source is separated from the sound source, the sound source is separated, the sound source is Non-linear signals are used to optimize the characteristics of pointing in the direction of the destination sound and source. On the one hand, the sound presentation method of the "cut" sound, the non-shape "sound", the "destination signal", the direction of arrival of the sound, the audio and video of the arrival direction of the sound, and the "cut" of the knowledge are displayed in the audio-visual presentation of the audio-visual indication. Ling and in the annual low-cycle wave number domain, the non-circular wave signal in the year 4 is directional, and the non-circular wave is in the first place, and the short-term record (Long Short-Term Memory: LSTM) is very long, and all kinds of data are the most efficient. At the same time, you can optimize the results of the local most accurate computer simulation results, and the 500 Hz data point property shows that the error is successful. The method of audio presentation is to change the amplitude and phase of the sound source, and at the same time control the sound and video format to cut and adjust the audio and video format. In this method, the basic order and the audio and video clips of the three years are used to control the audio and video clips, and the majority of the participants are required to make a concerted effort to obtain the necessary information. The results show that the audio-visual images of the audio-visual images known to each other on the left and right sides of the sound source are not affected by the possibility of maximization.

项目成果

Optimization of Nonlinear Beamformer with Long Short-term Memory

具有长短期记忆的非线性波束形成器的优化

• 发表时间: 2022
• 作者: M. Mizumachi;S. Arase
• 通讯作者: S. Arase

Perceptual optimization of hybrid stereo width control method compared with loudspeakers reproduction

混合立体声宽度控制方法与扬声器再现的感知优化

• 发表时间: 2022
• 作者: M. Mizumachi;Y. Ueno;T. Horiuchi
• 通讯作者: T. Horiuchi