基于子带编码与心理声学模型的数字助听器前端算法设计_语音与音频信号处理.docxVIP

PAGE2

基于子带编码与心理声学模型的数字助听器前端算法设计

第一章绪论

1.1研究背景

随着全球人口老龄化进程加速，听力损失已成为影响人类生活质量的重大公共卫生问题。世界卫生组织2023年报告显示，全球约有15亿人存在不同程度的听力损伤，其中约4.3亿人需要康复干预。这一庞大群体对助听设备的需求持续增长，推动数字助听器技术成为语音信号处理领域的研究热点。

然而，传统助听器在实际应用中面临诸多技术瓶颈。感音神经性听力损失患者往往呈现频率选择性损伤特征，即不同频段的听力阈值下降程度存在显著差异。常规的全频带均匀放大策略无法精准匹配个体化的听力损失曲线，导致部分频段补偿不足而另一些频段过度放大，严重影响言语可懂度。

更突出的矛盾在于声反馈啸叫问题。当助听器麦克风与受话器之间的声学耦合形成正反馈回路时，系统极易产生刺耳的啸叫声。这一现象不仅降低佩戴舒适度，还限制了助听器的最大稳定增益，使重度听力损失患者无法获得足够的声压级补偿。如何在保证足够增益的前提下有效抑制声反馈，成为数字助听器设计的核心挑战。

现有技术方案在解决上述问题时存在明显局限。传统自适应反馈消除算法收敛速度慢，对动态变化的声学环境适应性不足。基于陷波滤波器的啸叫抑制方法虽然计算量小，但容易损伤语音信号的频谱完整性。子带编码技术虽已应用于音频压缩领域，但在助听器多通道动态压缩与反馈控制的一体化设计中尚未得到充分挖