鸡尾酒会 人工神经网络，让助听器使用者体验“鸡尾酒会效应”

你可能没听说过“鸡尾酒会效应”

但是您一定经历过以下场景

在喧闹的聚会中

你仍然可以集中精力和某人交谈

忽略其他对话和嘈杂的背景音乐

这就是人类听力中神奇的“听力选择”能力

但不是每个人都有这个能力

对于有听力障碍的人来说，

即使有助听器，你也不能有效地分离声音

然而，这个问题很快就会成为历史

奥尔堡大学的研究人员开发了一种突破性的算法，可以有效地识别和分离未知声音环境中的声音，帮助听障人士感受“鸡尾酒效应”，参与日常对话。

奥尔堡大学

工程专业

世界排名第四

智能助听器的愿景

来自AAU大学声学信号处理研究中心的morten kolbak博士开发了一种能够在未知的嘈杂环境中分离声音的算法，突破了原有助听器只能在已知环境下才能很好工作的技术。

丹麦奥迪康高级研究员、奥尔堡大学的杰斯珀·詹森教授说:“莫滕·科尔贝克的新算法可以在未知的声音环境中运行，其适用性比我们在以前的技术中看到的要强得多。这是解决日常生活中最具挑战性的听力情况的重要一步。”

该项目的负责人郑教授也认为，该算法在声学研究中具有重要的潜力:“该算法成功的关键在于它能够从数据中学习，然后构建复杂听音情况的强大统计模型。即使在新的未知声音环境中，该方案也能很好地工作。”

降噪和语音分离

这项研究首先帮助助听器用户解决了他们在嘈杂的空房间中无法进行“一对一”对话的难题。morten Kolbak开发了一种算法，可以放大扬声器声音并降低噪声。虽然目前的助听器已经针对许多不同的情况进行了预编程，但在现实生活中，随着环境的变化，仍然有必要建立一种能够立即读取特定情况的助听器。

其次，研究重点是语音分离，这是一种能够降低噪声和分离语言的算法。这个算法可以说是第一次研究的延伸。适用于多扬声器的场景，用户可以选择性收听。

深层神经网络

用来创建这种算法的方法是机器学习中的一种“深度学习”，即利用深度神经网络算法来复制大脑聆听和处理人类语音的方式。

“例如，如果你想研究噪音中的语言，你需要向计算机提供噪音环境中的语音样本和没有任何噪音的语音样本。该算法可以学习如何将噪声信号处理成清晰的语音信号，”杰斯珀·詹森教授解释说。

郑教授告诉我们，深度学习的能力来自于它的层次结构，这种结构通过逐层处理将有噪声或混合的语音信号转换成干净或分离的语音。今天，深度学习可以被广泛使用是由于三个主要因素:计算能力的增加、用于训练算法的大量数据的增加以及训练深度神经网络的新方法的出现。

如果你也想用声学技术改变你的生活

欢迎来到奥尔堡大学！