助聽器的噪音消除演算法

Abstract

子空間演算(subspace method)，頻譜相減演算(subtraction method)與卡爾曼濾波器(Kalman filter)等在處理語音方面已使用多年，在消雜訊方面也有其效果，所以期望能將其效果使用在助聽器上，來得到較好語音的訊號,使助聽器在使用上也能擁有較好的語音品質。 為因應助聽器的需要，演算法須滿足一些特性，一 計算量，處理過程不能太大或是複雜，因為助聽器在使用上，無法容忍處理時間過長的情況，二 低功率，因為使用者幾乎是全天配帶，若是需要常常更換電池或充電，將會大大降低其實用性。我們在計算量方面，盡可能尋找結構較簡單的演算法，或是將演算法的計算加以簡化，低功率方面，則是盡量善用濾波器組(filter bank)帶來的一些好處，例如硬體共用，分頻取代DFT計算等等，另外在使用濾波器組的架構下，有時也會帶來提升演算法效果的機會，期望在運算複雜度與效果之間能取得一個最佳的平衡。 以下為章節排序，章節一為消雜訊演算法的相關工作，主要介紹一些語音的客觀評估方法，章節二到五，為演算法的介紹，相關的演算法有子空間演算， 頻譜相減演算，卡爾曼(Kalman filter)以及雙耳演算，章節六為濾波器組的硬體架構介紹，章節七跟八則是將適用的演算法應用到濾波器組上，章節九則為一些演算法的特性比較與結論。

Noise amplification has been an annoying problem for hearing aid user. There are several effective noise reduction algorithms for general audio applications. But for hearing aids, the requirement of real-time processing prohibits adopting existing approaches with high computation complexity. In this paper, a noise reduction scheme is proposed to utilize the filter bank structure which us already required for the function of hearing-loss compensation. Through such hardware-sharing arrangement, it is hopeful to achieve low hardware and, most importantly, real-time noise reduction.