语音守护 - Oticon助听器.PDFVIP

A New Approach to Nonlinear Signal Processing /issues/articles/2010-07_02.asp 一種新的非線性訊號處理技術 by Donald J. Schum, PhD, and Ravi Sockalingam, PhD 翻譯者:程心佳.蔡佳霖   過去幾年來，壓縮的技術較少著重在時間參數的研究上。Oticon 公司研發出一個 新的壓縮系統，他們稱之為”語音守護” ，這個系統會監控並同時針對高輸入音強 做出反應，在同一時間，它會利用最佳的快速啟動及慢速啟動壓縮系統，針對正 在進行的語音信號進行監控並做出反應。    在過去 20 年，感音性聽損病人的放大策略，主要都朝向寬動態範圍壓縮(WDRC) 的方向發展。多年來大家都知道，感音性聽損最主要的特徵就是動態範圍縮減， 其聽覺系統的可聽範圍(指的是聽閾值與不舒適閾值間的範圍)通常會比有完整語 音訊號可聽範圍的人小，這些語音訊號很可能是我們每天都會經歷到的歷程。    寬動態範圍壓縮系統被設計用來涵蓋完整的語音訊號範圍—從最輕柔語音的最 輕柔部分到最大聲語音的最大聲部分—且將這些語音訊號壓縮到病人殘餘的動 態範圍內。多年來，各種不同的放大策略，已發展到針對不同的輸入音強，計算 出所需的適當增益，來達到完整可聽度的這個目標。過去研究大部分的注意力都 放在像是如何讓可聽度達到最大，但又不會讓聲音的強度觸犯到病人對音強的容 忍程度、理解一段正在進行的訊號至少需要多小的可聽度才能辦到、以及哪一個 頻率範圍需優先被放大…等等。    過去較少被注意到的是壓縮系統的時間參數部分。壓縮系統的基本概念是訊號所 得到的增益量與訊號的輸入音強是成反比的：當輸入音強變大，所給的增益量就 減少；當輸入音強變小，所給的增益量就又增加，但是壓縮系統的反應通常不是 瞬間的。典型的輸入信號，尤其是語音，輸入的音量強度並非一樣，因此，”等 待時期”—通常指的是啟動和解壓縮時間—一般內建在非線性的壓縮系統反應模 式。    在一般對話當中，每秒可能包含 10 個以上的音素，每一個音素的輸入音強也都 不一樣。此外，即使在不同人講話的核心結構中，有一些音素會有明顯的音強改 變。壓縮啟動和解壓縮的時間剛好是主導壓縮系統對這些音強改變非常急促的音 素有多靈敏。    具體的說，非線性電路的解壓縮時間，將從根本上影響一語音與下一個語音之間 的音強關係。如果解壓縮時間的範圍是介在 25~75ms ，它被認定為是快速啟動壓 縮系統 ，其目標是重新調整每一個音素的增益量。音強較強的母音將會得到較少 的增益，若後續接的是音強較弱的無聲子音，則增益量會立即地增加。    舉個例，以”flash”這個字來說，它包含四個音素，每個音素都有不同的音強，一 開始是音強較弱的”f” ，然後是中等音強的”l” ，接著是音強最強的”a” ，最後是音 強中等微弱的”sh” ，而一個快速啟動壓縮系統，將會針對這四個不同音素做調整。    如果解壓縮時間的範圍是介於 200~2000ms ，它被認定為是慢速啟動壓縮系統 ，  其目標是讓系統目前的增益量維持較長時間的穩定。如果助聽器的增益量，因為 母音能量較強而降低其增益量時，此慢速啟動壓縮系統，會讓增益量維持在目前 的狀態(不”解壓縮”) ，無論此母音後續接的是多弱的子音，都不改變增益量，直 到 1000ms 之後才解壓縮。    因為正在進行的語音訊號中，約每秒會出現 2‐3 次加重的母音，加上最後 200ms 或 200ms 之後，對一個慢速啟動壓縮系統而言，將沒有機會去解壓縮及增加介 於母音間較弱音素的增益量。基本上，這一系列加重的母音每秒出現數次，讓壓 縮系統的增益量維持在一個較穩定的水平，即使不同的字詞、片語、句子之間有 音強差，此穩定性還是持續維持，只有在說話者講話停頓時，增益量才會改變。    快速啟動 v.s 慢速啟動寬動態範圍壓縮系統    多年來，人們一直認為，如果助聽器使用寬動態範圍壓縮技術的話，它應該像快 速啟動壓縮系統一樣地運作，這聽起來似乎是合乎邏輯的，因為感音神經性聽損 病人的動態範圍縮減，較弱的音素應該比較強的音素得到較多的增益。    寬動態範圍壓縮系統的首要目標就是提供輕柔語音較多的增益量、其次