论文部分内容阅读
人工耳蜗是目前唯一能使重度耳聋者重获听力的医学假体,随着集成电路和语音处理技术的飞速发展,人工耳蜗的性能也在逐步提高和完善,为耳聋患者获得更多质量更好的听觉感受提供了可能。人工耳蜗是将语音信号通过体外语音处理器编码后发送脉冲到耳蜗内的植入电极,通过电刺激听神经代替耳聋者受损的毛细胞产生听觉。关于人工耳蜗的研究国外已经有较为成熟的理论基础和临床经验,近年来随着经济发展我国听障人士也开始受益于人工耳蜗对听力的帮助。然而国外的研究经验和成果对我国人工耳蜗的发展并不完全适用,汉语的声调特性对语义的影响至关重要,这使得在我国人工耳蜗在编码处理上的难度要远大于西方发达国家。而在人工耳蜗植入者的日常生活中,除了人工耳蜗本身性能之外,影响语音感知能力另外一个不可避免的干扰便是噪声。因此研究人工耳蜗患者的汉语可懂度的影响因素和患者的发声能力对于人工耳蜗在我国的发展和改进有重要的指导意义。本文对我国人工耳蜗植入者的噪声环境下言语识别能力和正常情况下发声能力进行了分析研究,并总结了人工耳蜗植入者在语音识别以及发声嗓音方面的特点,这对改进人工耳蜗性能及提高植入者生活质量具有较大参考价值。首先本文对噪声环境下使用人工耳蜗的患者进行了大量的临床试验,来判别其言语识别能力。将语音信号进行了不同类型的加噪处理,主要分为三个方面,第一在信噪比为+10db的条件下加入了不同频率的噪音,使噪音的可变量为频率。第二是加入了不同信噪比的高斯白噪声,使噪音的变量为信噪比。将这两种合成语音让人工耳蜗植入者进行听力训练,通过测试结果计算出患者在不同情况下的言语识别率并进行分析,得出人工耳蜗植入者在有背景噪声的条件下的言语识别能力。第三也是将语音材料加入了不同信噪比的高斯白噪声,但是材料来源不同,让人工耳蜗植入者进行声调识别测试,得出人工耳蜗植入者在有背景噪声的条件下的声调识别能力。其次,对语音信号的基频提取方法进行改进,将包含大量声调信息的基频检测作为判别声调特征的主要手段。本文在经典的基频提取方法的基础上,提出了结合平均能量幅度差函数(Average Magnitude Difference Function,AMDF)和自相关函数(Auto Correction Function,ACF)的基频提取算法,使基频周期处的峰值点更为突出尖锐,提高了基频检测的抗噪性;然后对植入人工耳蜗的患者发声能力进行客观评价,通过对人工耳蜗植入者语音参数的特征进行提取和分析得出结论,主要参数包括基频、基频均值、基频微扰和振幅微扰等。通过对以上嗓音参数的分析以及与正常人进行对比得出人工耳蜗植入者发音的特点以及不足,然后针对以上特点设定了针对性的康复训练。最后对对澳大利亚一款人工耳蜗调试平台进行了学习以及分析,并完成了平台的搭建。主要学习了人工耳蜗调试平台各组成部分以及每部分的作用,并掌握了使用方法,完成了平台的搭建。软件部分主要是针对Nucleus Matlab工具箱以及针对语音处理算法参数更改进行了学习。并对平台的优势以及发展进行了分析,此平台在人工耳蜗技术发展的道路上将起到至关重要的作用,它的实时性以及简便性是最大的特点。在未来将会发展成便携的设备,可以被患者带回家进行使用,更加贴近于真实的环境,为新的算法的提出能提供更准确的数据基础。