项目名称: 听力损失系统双耳声源定位模型研究

项目编号: No.11504404

项目类型: 青年科学基金项目

立项/批准年度: 2016

项目学科: 数理科学和化学

项目作者: 桑晋秋

作者单位: 中国科学院声学研究所

项目金额: 22万元

中文摘要: 声源定位有助于听觉场景分析,增强言语感知效果。针对正常听力人群的声源定位已有系统而深入的研究,并有大量理论模型和实验分析;但是,针对听力损伤人群的声源定位研究刚刚起步。本项目旨在建立听力损失系统双耳声源定位模型,模型是在建立听觉外周损失模型的基础上,研究联合双耳时间差和双耳强度差特征判决声源方位的计算方法。通过模型仿真实验和主观测听实验评估噪声、混响和各种助听策略对听障患者声源定位能力的影响,并将仿真实验和主观实验相对照,检验和修正模型。该模型的研究有助于开发、优化助听器补偿策略,预估补偿策略对听障患者在复杂声环境下声源定位能力的影响。

中文关键词: 听力损失;声源定位;双耳听觉模型;主观评价

英文摘要: Sound localization helps auditory scene analysis and improves speech perception. Sound localization in normal hearing listeners has been studied systematically and deeply, with lots of theoretical models and experimental analysis. However, research on sound localization in hearing impaired listeners is in the preliminary stage. This project aims to set up a binaural sound localization model in the hearing impaired system. Based on the improvement of impaired auditory periphery model, a computational method based on interaural time difference and interaural intensity difference to localization sound is studied. Simulation experiments and subjective experiments are conducted to evaluate the effects of noise, reverberation and multiple compensation strategies on sound localization in hearing impaired listeners. Through comparison between simulation experiments and subjective experiments, the proposed model can be tested and modified. Study of the model helps to develop and optimize hearing aid compensation strategies, and evaluate the effects of compensation strategies on sound localization for hearing impaired listeners in complex acoustic environments.

英文关键词: hearing loss;sound localization;binaural auditory model;subjective evaluation

成为VIP会员查看完整内容
1

相关内容

深度学习模型鲁棒性研究综述
专知会员服务
91+阅读 · 2022年1月23日
【AAAI 2022】用于文本摘要任务的序列级对比学习模型
专知会员服务
24+阅读 · 2022年1月11日
EMNLP 2021 | 学习改写非自回归机器翻译的翻译结果
专知会员服务
14+阅读 · 2021年12月25日
专知会员服务
18+阅读 · 2021年8月15日
专知会员服务
32+阅读 · 2021年7月27日
专知会员服务
24+阅读 · 2021年6月17日
专知会员服务
15+阅读 · 2021年6月6日
【KDD2020】多源深度域自适应的时序传感数据
专知会员服务
61+阅读 · 2020年5月25日
一文带你了解语音信号处理技术
PaperWeekly
9+阅读 · 2022年1月26日
通用模型、全新框架,WavLM语音预训练模型全解
微软研究院AI头条
0+阅读 · 2021年12月23日
语音合成:模拟最像人类声音的系统
PaperWeekly
2+阅读 · 2021年11月30日
自动驾驶高精度定位如何在复杂环境进行
智能交通技术
18+阅读 · 2019年9月27日
语音情绪识别|声源增强|基频可视化
深度学习每日摘要
15+阅读 · 2019年5月5日
最新论文解读 | 基于预训练自然语言生成的文本摘要方法
微软研究院AI头条
57+阅读 · 2019年3月19日
【工业智能】风机齿轮箱故障诊断 — 基于振动信号
已删除
将门创投
12+阅读 · 2018年6月25日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
2+阅读 · 2011年12月31日
国家自然科学基金
2+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2008年12月31日
Arxiv
0+阅读 · 2022年4月19日
Arxiv
11+阅读 · 2018年3月23日
Arxiv
10+阅读 · 2018年2月17日
小贴士
相关VIP内容
深度学习模型鲁棒性研究综述
专知会员服务
91+阅读 · 2022年1月23日
【AAAI 2022】用于文本摘要任务的序列级对比学习模型
专知会员服务
24+阅读 · 2022年1月11日
EMNLP 2021 | 学习改写非自回归机器翻译的翻译结果
专知会员服务
14+阅读 · 2021年12月25日
专知会员服务
18+阅读 · 2021年8月15日
专知会员服务
32+阅读 · 2021年7月27日
专知会员服务
24+阅读 · 2021年6月17日
专知会员服务
15+阅读 · 2021年6月6日
【KDD2020】多源深度域自适应的时序传感数据
专知会员服务
61+阅读 · 2020年5月25日
相关资讯
一文带你了解语音信号处理技术
PaperWeekly
9+阅读 · 2022年1月26日
通用模型、全新框架,WavLM语音预训练模型全解
微软研究院AI头条
0+阅读 · 2021年12月23日
语音合成:模拟最像人类声音的系统
PaperWeekly
2+阅读 · 2021年11月30日
自动驾驶高精度定位如何在复杂环境进行
智能交通技术
18+阅读 · 2019年9月27日
语音情绪识别|声源增强|基频可视化
深度学习每日摘要
15+阅读 · 2019年5月5日
最新论文解读 | 基于预训练自然语言生成的文本摘要方法
微软研究院AI头条
57+阅读 · 2019年3月19日
【工业智能】风机齿轮箱故障诊断 — 基于振动信号
已删除
将门创投
12+阅读 · 2018年6月25日
相关基金
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
2+阅读 · 2011年12月31日
国家自然科学基金
2+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2008年12月31日
微信扫码咨询专知VIP会员