【技术实现步骤摘要】
脑电图辅助的波束形成器和波束形成方法以及耳戴式听力系统
本专利技术涉及助听
，具体地，涉及一种用在耳戴式(ear-worn)听力系统中的脑电图辅助的多模式波束形成器以及波束形成方法以及包括该波束形成器的耳戴式听力系统。
技术介绍
耳戴式听力系统用来通过传递放大的声音至遭受听觉损失的人的耳道来帮助他们。患者的耳蜗外毛细胞的损坏导致患者的听觉的频率分辨率损失。随着这种情况发展，患者难于区分语音和环境噪声。简单的放大解决不了这个问题。因此，需要帮助这类患者明白嘈杂环境下的语音。通常在耳戴式听力系统中应用波束形成器，以区分语音和噪声，从而帮助患者明白嘈杂环境下的语音。一方面，在听力系统中应用(由麦克风阵列提供的)空间多样性的双耳波束形成技术是一项公知技术，其能明显改善使用者在嘈杂的多个讲话者环境下对目标讲话者的语义理解。然而，广泛使用的两类波束形成器，如多通道维纳滤波器(Multi-channelWienerFilter，MWF)波束形成器和最小方差无失真响应(MinimumVarianceDistortionlessResponse，MVDR)波束形成器，需要关于目标讲话者的先验信息，即，利用传统信号处理方法来提取讲话者的空间先验信息。具体地，MWF波束形成器需要针对参与的讲话者(AttendedTalker)的语音活跃检测(VoiceActivityDetection，VAD)，而MVDR波束形成器需要识别参与的讲话者的声学传递函数(AcousticTransferFunction，ATF)。
【技术保护点】
1.一种波束形成器，包括：/n用于接收至少一个脑电图(EEG)信号和来自多个语音源的多个输入信号的装置；和/n用于构建优化模型和求解优化模型的装置，其获得对所述多个输入信号进行线性或非线性组合的波束形成权系数；/n其中，所述优化模型包括用于获得所述波束形成权系数的优化公式，所述优化公式包括建立所述至少一个脑电图信号与波束形成输出之间的关联、优化所述关联以便构建出与至少一个脑电图信号相关联的波束形成权系数。/n
【技术特征摘要】
1.一种波束形成器，包括：
用于接收至少一个脑电图(EEG)信号和来自多个语音源的多个输入信号的装置；和
用于构建优化模型和求解优化模型的装置，其获得对所述多个输入信号进行线性或非线性组合的波束形成权系数；
其中，所述优化模型包括用于获得所述波束形成权系数的优化公式，所述优化公式包括建立所述至少一个脑电图信号与波束形成输出之间的关联、优化所述关联以便构建出与至少一个脑电图信号相关联的波束形成权系数。
2.根据权利要求1所述的波束形成器，其中，建立所述至少一个脑电图信号与波束形成输出之间的关联包括利用非线性变换或用神经网络的方法建立所述至少一个脑电图信号与波束形成输出之间的关联。
3.根据权利要求1所述的波束形成器，其中，建立所述至少一个脑电图信号与波束形成输出之间的关联包括利用线性变换建立所述至少一个脑电图信号与波束形成输出之间的关联。
4.根据权利要求3所述的波束形成器，其中，所述优化公式包括Pearson相关系数：
其中
且其中，是由所述至少一个EEG信号重新构造的参与语音源的语音信号的包络；z(t)表示波束形成输出；是对应于所述波束形成输出的解析信号；是所述波束形成输出的包络，其是所述解析信号的绝对值；κ({w(ω)})表示对于给定的时间段t＝t1，t1+1，...，t2，所述重新构造的参与语音源的语音信号的包络和所述波束形成输出的包络之间的所述Pearson相关系数；{ω(ω)}ω为所述波束形成权系数；ω(ω＝1，2，…，Ω)表示频带。
5.根据权利要求4所述的波束形成器，进一步包括用于接收重新构造的参与语音源的语音信号的包络的装置，且其中，基于优化线性变换系数根据所述至少一个EEG信号，得到所述重新构造的参与语音源的语音信号的包络且所述重新构造的参与语音源的语音信号的包络被传递至所述用于接收重新构造的参与语音源的语音信号的包络的装置，
其中，根据对以下公式求解获知所述优化线性变换系数
其中，为时刻t(t＝1，2，…)时所述至少一个EEG信号中的EEG通道i(i＝1，2，…，C)所对应的EEG信号且τ为时间延迟；sa(t)表示对应于所述多个输入信号的所述参与语音源的语音信号的包络；gi(τ)是对应于具有延迟τ的EEG通道i的所述EEG信号的线性回归系数，E是期望运算符号；正则函数
其限定所述线性回归系数gi(τ)的时间平滑性；且λ≥0是对应的正则参数。
6.根据权利要求5所述的波束形成器，其中，所述解析信号通过离散傅里叶变换根据所述波束形成权系数{w(ω)}ω被表示为：
其中，是用于形成所述解析信号的对角矩阵，是所述离散傅里叶变换矩阵的逆；表示帧l和频带ω(ω＝1，2，…，Ω)处的所述多个输入信号，帧l对应于N个采样时间点t，t+1，…，t+N-1，而是用于补偿在用于表示所述多个输入信号所使用的短时傅里叶变换(STFT)中使用的合成窗的对角矩阵，
所述解析信号进一步被等价地表示为：
其中，是所述波束形成权系数，且由{y(l，ω)}ω和矩阵DW，F和DH中的系数确定，以及通过所述解析信号，将所述波束形成输出的包络表示为：
7.根据权利要求6所述的波束形成器，其中，所述波束形成输出的包络的采样率对应于所述多个输入信号的音频采样率。
8.根据权利要求6所述的波束形成器，其中，所述优化所述关联以便构建出与至少一个脑电图信号相关联的波束形成权系数包括最大化所述Pearson相关系数κ({w(ω)})，以提取所述至少一个EEG信号中包含的听觉注意力(AA)信息。
9.根据权利要求8所述的波束形成器，其中，在所述最大化所述Pearson相关系数κ({w(ω)})过程中施加具有鲁棒性的等式约束以控制语音失真，
其中，α＝[α1，α2，…，αK]T为额外的变量，其表示所述多个语音源中的听觉注意力偏好；hk(ω)是第k个语音源的声学传递函数；K为所述多个语音源的个数。
10.根据权利要求9所述的波束形成器，其中，所述优化公式变为：
其中，是背景噪声相关矩阵；-γ||α||2为所述优化公式的正则项，其中，||·||2表示所述额外的变量α＝[α1，α2，…，αK]T的欧式范数；μ＞0和γ≥0是预先设定的参数，其用于平衡去噪、分配注意力偏好和控制注意力偏好稀疏度，且表示所述额外的变量中的元素的和为1。
11.根据权利要求10所述的波束形成器，其中，所述优化模型利用梯度投影法(GPM)和交替方向乘子法(ADMM)求解，其包括以下步骤：
(a)将所述优化公式中的目标函数表示为：
并令优化公式的梯度，
其中，表示关于ω(ω)的梯度分量；表示关于α的梯度分量；
(b)所述GPM将迭代地更新为：
其中，t为迭代指数，为xt处的所述目标函数的梯度，[·]+表示对等式约束和的投影运算，s为常数，且λt为根据Armijo规则确定的步长；
(c)公式(10a)中的投影运算等同于以下凸优化方程：
针对方程11a、11b和11c的增广拉格朗日函数为：
其中，ζk，w和η为拉格朗日因子，其分别与所述等式约束相关联；ρ＞0是针对ADMM算法的预定义的参数，
(d)所述ADMM算法将({w(ω)}，α，{ζk，ω}，η迭代地更新为：
ηl+1＝ηl+ρ(1Tα-1)(12d)
其中，l为迭代指数；以及
(e)得到公式12的结果。
12.一种用于波束形成器的波束形成方法，包括：
接收至少一个脑电图(EEG)信号和来自多个语音源的多个输入信号；和
通过构建优化模型和求解优化模型获得对所述多个输入信号进行线性或非线性组合的波束形成权系数；
其中，所述优化模型包括用于获得所述波束形成权系数的优化公式，所述优化公式包括建立所述至少一...
【专利技术属性】
技术研发人员：蒲文强，J·萧，T·张，ZQ·罗，
申请(专利权)人：斯达克实验室公司，
类型：发明
国别省市：美国;US
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。