一种人工耳蜗的制作方法
【专利摘要】本发明提供一种人工耳蜗，包括人工耳蜗体外机和人工耳蜗体内机，人工耳蜗体外机包括：前麦克风，后麦克风，设置于人工耳蜗体外机上；前麦克风与后麦克风的声管指向不同，均用于接收原始语音信号；双路麦克风语音降噪处理系统与前麦克风和后麦克风分别相连，对两路原始语音信号进行降噪处理，提取出纯净的语音信号。本发明采用了双级降噪模式，巧妙设计了双麦克风的声管指向，配合引入了功率谱相减理论，实现了含噪语音以及噪声的估计，相比传统的谱相减算法大大降低了算法复杂度；此外，本发明还避开了在传统谱相减算法中含噪语音信号噪声估计不准的缺陷，也避免了采用传统谱相减降噪法带来的“音乐噪声”对人工耳蜗的使用产生的不良影响。
【专利说明】一种人工耳蜗
【技术领域】
[0001 ] 本发明属于电子产品【技术领域】，涉及一种人工耳蜗。
【背景技术】
[0002]人工耳蜗(Cochlear Implant)是一种为重度、极重度或全聋的成人或小儿恢复或获得听力的电子装置，可以完全代替受损的内耳毛细胞，它可以将外界的声音转化为神经电脉冲信号，绕过听觉系统里的坏死毛细胞，直接刺激听觉神经的螺旋神经节，将信息传递给大脑。在听觉损失严重的情况下，人工耳蜗是耳聋患者的唯一希望和选择。人工耳蜗主要由体外机和体内机两部分组成，其工作原理如图1所示，麦克风采集外界声音信号；声音处理器采取某种声音处理策略对声音信号进行处理，对处理后的声音信号进行编码并通过线圈无线射频传输。体内皮下线圈接收到射频信号后，通过芯片解码，刺激器根据解码信息对相应的电极发放相应的刺激脉冲信号；脉冲信号直接刺激听神经并传达至大脑听觉中枢，使人产生听觉。即人工耳蜗绕过内耳毛细胞之前的听觉通路，直接刺激听神经，并最终在大脑产生声音的感知。
[0003]目前全国有800万重度聋患者，人工耳蜗是最好的选择。人工耳蜗是由体外言语处理器将声音转换为一定编码形式的电信号，通过植入体内的电极系统直接兴奋听觉神经来恢复或重建聋人的听觉功能。
[0004]体外言语的接收主要采用麦克风实现，人工耳蜗中的麦克风选型既有定向型也有全向型的，麦克风的数量由单路也变成了双路，降噪效果也越来越好。人工耳蜗的核心技术之一在于对体外机麦克风接收到的语音信号的降噪处理，经过降噪处理的人工耳蜗，可以大大减轻背景噪声以及各种干扰信号对人工耳蜗植入体电极的干扰刺激，使患者及患者家属更好地接受人工耳蜗产品，从而推动社会福利事业的发展。在现有人工耳蜗【技术领域】，常用的降噪处理方法是谱减法。谱减法是一种常用的语音增强方法，其特点是运算量小，易于实时实现。但常用的谱减法是以语音信号寂静段统计的平均噪声来代替当前的噪声频谱分量。在实际处理中，一方面，对“语音信号寂静段”的查找要避免引入语音信号，这就需要比较稳健的算法；另一方面，在信噪比较低的情况下，“语音信号寂静段”会与语音信号相混淆，由此会造成大量的“音乐噪声”残留，影响增强语音的清晰度。针对以上问题，Udrea等人在原有的谱减法的基础上引入了过减系数进行改进，通过调整过减系数可以有意识地多减去或者少减去一些噪声，更好地突出语音功率谱。但是，过减系数如何取值才能比较好地控制被减噪声量，又成为一个新的问题。所以谱减法降噪的关键在于对噪声功率谱的估计要精确地接近语音信号背景噪声的功率谱，也即是对噪声功率谱的实时准确估计。
【发明内容】
[0005]鉴于以上所述现有技术的缺点，本发明的目的在于提供一种人工耳蜗，用于解决现有人工耳蜗中的利用谱减法降噪处理存在音乐噪声增强后语音的清晰度问题。
[0006]为实现上述目的及其他相关目的，本发明提供一种人工耳蜗，包括人工耳蜗体外机和人工耳蜗体内机，所述人工耳蜗体外机包括:前麦克风，设置于人工耳蜗体外机上；后麦克风，设置于人工耳蜗体外机上；前麦克风与后麦克风的声管指向不同，均用于接收原始语音信号；双路麦克风语音降噪处理系统，包括:A/D米样模块,与前麦克风和后麦克风相连，将两个麦克风接收到的两路原始语音信号进行A/D采样，获得两路数字语音数据；分帧加窗模块，与所述A/D采样模块相连，将所述两路数字语音数据进行分帧、加窗处理；含噪语音信号估计模块，与所述分帧加窗模块相连，对分帧、加窗处理后的两路数字语音数据先做求和运算，再做平均处理获得含噪语音信号估计；噪声信号估计模块，与所述分帧加窗模块相连，对分帧、加窗处理后的两路数字语音数据先做求差运算，再做平均处理获得噪声信号估计；预加重处理模块，与所述含噪语音信号估计模块和噪声信号估计模块分别相连，对所述含噪语音信号估计和噪声信号估计分别进行预加重处理；语音信号幅度谱获取模块，与所述预加重处理模块相连，对预加重处理后的含噪语音信号估计和预加重处理后的噪声信号估计分别进行短时快速傅里叶变换，将获得的含噪语音信号估计的功率谱与噪声信号估计的功率谱相减，获得差值功率谱，进一步计算得到语音信号的幅度谱估计；门限过滤模块，与所述语音信号幅度谱获取模块相连，对所述语音信号幅度谱估计取对数后与预定门限进行比较，将语音信号的幅度谱估计中小于预定门限的部分置零；纯净语音信号获取模块，与所述门限过滤模块相连，对置零判决处理后的语音信号的幅度谱估计和含噪语音信号的相位相乘的结果进行短时逆傅里叶变换，并对相邻帧的短时逆傅里叶变换结果进行重叠相加，获得去噪后时域的纯净语音信号。
[0007]优选地，所述分帧加窗模块的模型函数为:
【权利要求】
1.一种人工耳蜗，包括人工耳蜗体外机和人工耳蜗体内机，其特征在于，所述人工耳蜗体外机包括: 前麦克风，设置于人工耳蜗体外机上； 后麦克风，设置于人工耳蜗体外机上；前麦克风与后麦克风的声管指向不同，均用于接收原始语音信号； 双路麦克风语音降噪处理系统，包括: A/D采样模块，与前麦克风和后麦克风相连，将两个麦克风接收到的两路原始语音信号进行A/D采样，获得两路数字语音数据； 分帧加窗模块，与所述A/D采样模块相连，将所述两路数字语音数据进行分帧、加窗处理； 含噪语音信号估计模块，与所述分帧加窗模块相连，对分帧、加窗处理后的两路数字语音数据先做求和运算，再做平均处理获得含噪语音信号估计； 噪声信号估计模块，与所述分帧加窗模块相连，对分帧、加窗处理后的两路数字语音数据先做求差运算，再做平均处理获得噪声信号估计； 预加重处理模块，与所述含噪语音信号估计模块和噪声信号估计模块分别相连，对所述含噪语音信号估计和噪声信号估计分别进行预加重处理； 语音信号幅度谱获取模块，与所述预加重处理模块相连，对预加重处理后的含噪语音信号估计和预加重处理后的噪声信号估计分别进行短时快速傅里叶变换，将获得的含噪语音信号估计的功率谱与噪声信号估计的功率谱相减，获得差值功率谱，进一步计算得到语音信号的幅度谱估计； 门限过滤模块，与所述语音信号幅度谱获取模块相连，对所述语音信号幅度谱估计取对数后与预定门限进行比较，将语音信号的幅度谱估计中小于预定门限的部分置零； 纯净语音信号获取模块，与所述门限过滤模块相连，对置零判决处理后的语音信号的幅度谱估计和含噪语音信号的相位相乘的结果进行短时逆傅里叶变换，并对相邻帧的短时逆傅里叶变换结果进行重叠相加，获得去噪后时域的纯净语音信号。
2.根据权利要求1所述的人工耳蜗，其特征在于，所述分帧加窗模块的模型函数为:
3.根据权利要求2所述的人工耳蜗，其特征在于:所述含噪语音信号估计模块的模型函数为:s_3(n，i) = (s_2(n, i)+v_2(n, i))/2 ;噪声信号估计模块的模型函数为:v_3 (n, i) = (s_2 (n, i)_v_2 (η, i))/2。
4.根据权利要求3所述的人工耳蜗，其特征在于:所述预加重处理模块为一阶FIR高通数字滤波器，预加重处理模块的模型函数为:y(n)=x(n)-ax(n-l)，其中a为预加重系数,0.9〈 a〈1.0 ；s_3 (n, i)和ν_3 (η, i)经过预加重后的输出记为s (n, i)和v(n, i)。
5.根据权利要求4所述的人工耳蜗，其特征在于，所述语音信号幅度谱获取模块包括:含噪语音信号估计的频率特性获取单元，噪声信号估计的频率特性获取单元，差值功率谱获取单元，语音信号的幅度谱估计单元；所述含噪语音信号估计的频率特性获取单元的模型函数为:
6.根据权利要求5所述的人工耳蜗，其特征在于:所述门限过滤模块的模型函数为:
Δ(Αν1 $ Λ'^/丨I所述纯净语音信号获取模块包括相连的语音信号的频谱估计单元，短时逆傅里叶变换单元，重叠相加单元； 所述语音信号的频谱估计单元的模型函数为:s' (k，i) = A' (k，DexpP0u),其中，相位6耶〃°^)取自含噪语音信号8(11，1)的频谱S(k，i)； 短时逆傅里叶变换单元的模型函数为:s' (k，i)=real(ISFFT(A' (k, i) expJθ (ti))),其中real为取实数运算； 重叠相加单元对短时逆傅里叶变换单元输出的相邻帧的s' (k, i)进行重叠相加，获得去噪后时域的纯净语音信号。
7.根据权利要求1至6任意一项所述的人工耳蜗，其特征在于:所述前麦克风为定向麦克风，后麦克风为全向麦克风。
8.根据权利要求1至6任意一项所述的人工耳蜗，其特征在于:所述后麦克风为全向麦克风，前麦克风为全向麦克风。
9.根据权利要求1至6任意一项所述的人工耳蜗，其特征在于:所述前麦克风的声管指向人工耳蜗体外机前方，后麦克风的声管指向人工耳蜗体外机的后方。
10.根据权利要求1至6任意一项所述的人工耳蜗，其特征在于:前麦克风的声管指向人工耳蜗体外机上方，后麦克风的声管指向人工耳蜗体外机的后方。
【文档编号】A61F2/18GK103761974SQ201410042057
【公开日】2014年4月30日 申请日期:2014年1月28日 优先权日:2014年1月28日
【发明者】樊伟, 王振, 许长建, 刘新东, 孙增军 申请人:上海力声特医学科技有限公司