频谱退化条件下增量词汇通达的时间进程及其与噪声下言语识别和认知功能的关系:基于门控词识别与正弦波声码化的研究

《Acoustics》:Incremental Processing Under Degraded Conditions: Relations to Speech Recognition in Noise and Cognition

【字体: 大 中 小 】 时间:2026年10月24日 来源:Acoustics 1.5

编辑推荐:

  频谱退化(spectral degradation)会破坏支持口语词识别(spoken word recognition)的快速增量过程(incremental processes),但多数研究量化端点准确性(endpoint accuracy)而非词汇通达(

  
频谱退化(spectral degradation)会破坏支持口语词识别(spoken word recognition)的快速增量过程(incremental processes),但多数研究量化端点准确性(endpoint accuracy)而非词汇通达(lexical access)的时间进程,且认知资源在多大程度上补偿这种破坏仍不清楚。本研究使用门控词识别范式(gated word recognition paradigm)考察频谱分辨率(spectral resolution)和认知对词汇通达的影响。30名听力正常(normal hearing, NH)成人识别在全频谱(full-spectrum)和8通道正弦波声码化(8-channel sine-wave vocoded)条件下以逐渐延长片段呈现的单音节词。测量隔离点(Isolation Points, IPs),即稳定识别所需的最短片段。语音感知(speech perception)使用安静及噪声(+10 dB和+5 dB SNR)下的声码化AzBio句子和安静下的声码化辅音-核-辅音(Consonant-Nucleus-Consonant, CNC)词评估。工作记忆(working memory, WM)和执行功能(executive function, EF)分别使用简版阅读广度测试(Abbreviated Reading Span Test, ARST)和连线测验(Trail Making Test, TMT)评估。全频谱语音支持高效词汇通达,而声码化语音需要几乎完整的词信息(词时长的62.7% vs. 98.9%),表明增量加工严重延迟。安静的CNC和AzBio近天花板分数与IPs不相关,但IPs与噪声中AzBio表现强相关。认知测量相互相关,但多重比较校正后与IPs或语音感知分数无显著关联,尽管样本仅能检测大关联。这些发现提示,频谱退化下增量词汇通达的效率捕捉了安静端点准确性未显现的噪声下言语感知变异。
研究背景与问题:口语词识别具有增量性和并行性,听者随语音输入激活词汇候选并抑制不一致候选;在有利声学条件下该过程快速且较自动化,而在信号退化时词汇通达变慢、候选竞争增加,听者更依赖补偿性语言或认知机制。门控词识别范式可直接测量词汇加工的时间动态,其核心指标为隔离点(Isolation Point, IP;最短仍能稳定正确识别目标词的声音片段)。听力正常(normal hearing, NH)听者在全频谱(full-spectrum)条件下通常在听到略超过词长一半时达到IP,而声码化(vocoded;模拟人工耳蜗(cochlear implant, CI)频谱退化的信号处理)语音会延迟IP。现有问题包括:多数研究以端点准确性而非时间进程量化词汇通达;既往门控研究使用的噪声载波声码器会扭曲时间包络,难以将延迟特异归因于频谱细节减少;工作记忆(working memory, WM;维持和操作信息的能力)与执行功能(executive function, EF;抑制、认知灵活性和任务切换等)在CI样频谱退化下与门控词识别的关系尚不清楚;退化条件下词汇通达时间进程是否携带安静准确率测试未捕捉的日常聆听信息亦不明确。因此,研究人员以新的独立年轻NH样本开展研究,检验全频谱与8通道正弦波声码化条件下的IP,考察WM和EF与门控词识别的关系,并评估声码化IP与声码化AzBio句子及CNC词识别、尤其是噪声下言语识别的关系。研究得出:全频谱支持高效词汇通达,声码化语音使IP严重延迟并需几乎完整词信息;声码化IP与噪声中AzBio句子识别强相关,而与安静近天花板CNC及认知测量无显著关联(校正后)。其意义在于提示频谱退化下增量词汇通达效率可捕捉安静端点准确性未显现的噪声下言语感知变异,并支持未来在CI使用者中检验时间敏感测量。

关键技术与方法(不超过250字):研究纳入30名年轻NH成人(21名女性,23—35岁,M=24.6,SD=2.21),通过口口相传及Towson University言语-语言病理与听力学系学生群体招募,纯音听阈≤15 dB HL。选用40个CNC单音节词并平衡词频与邻域密度,20个用于全频谱、20个用于声码化;以33.33 ms增量从第二音素开始进行时间门控,8通道正弦波声码器覆盖150—7000 Hz,计算IP百分比。言语感知采用声码化AzBio句子(安静、+10 dB SNR、+5 dB SNR)和声码化CNC词(安静);认知采用ARST和TMT。全部任务单次约60—75 min完成。

研究结果:门控词识别结果显示,全频谱IP(M=62.68%,SD=16.66)显著低于声码化IP(M=98.86%,SD=18.70),t(29)=?6.70,p<0.001,平均差?36.18%,Cohen’s dz=?1.22;声码化条件下40%的词未识别(全频谱0.7%),最大可能IP为106.7%,表明频谱退化严重破坏早期词汇激活并迫使听者依赖近乎完整词信息。言语感知的重复测量方差分析显示条件主效应显著,F(2.69,78.04)=434.75,p<0.001,partial η2=0.94;安静AzBio(M=92.93%,SD=5.09)与CNC(M=91.13%,SD=8.38)最高且二者差异不显著,+10 dB SNR AzBio(M=61.80%,SD=9.42)和+5 dB SNR AzBio(M=34.60%,SD=6.06)显著下降,说明安静下声码化输入近天花板而信噪比轻度降低即造成严重困难。认知测量显示ARST总回忆(M=55.72%,SD=9.68)高于序列回忆(M=25.29%,SD=10.46),TMT-A为22.07 s(SD=4.70)、TMT-B为35.58 s(SD=9.75),B?A差为13.51 s(SD=10.64)。相关分析(45对相关,Bonferroni校正α=0.001,仅r≥0.57可达显著,80%功效仅对应ρ≥0.66)显示:声码化IP与+10 dB SNR AzBio(r=?0.670,p<0.001)及+5 dB SNR AzBio(r=?0.601,p<0.001)强负相关,与CNC(r=?0.045,p=0.82)及认知测量(ARST总回忆r=?0.124、序列回忆r=?0.229、TMT-A r=?0.155、TMT-B r=?0.017)无显著关联;ARST总回忆与序列回忆相关(r=0.636,p<0.001),TMT-A与TMT-B相关(r=0.743,p<0.001),ARST总回忆与TMT-A(r=?0.577,p<0.001)和TMT-B(r=?0.647,p<0.001)负相关;全频谱IP与言语感知及认知测量均未达校正后显著,全频谱与声码化IP负相关(r=?0.40,p=0.029)但未通过校正。认知与AzBio各条件的关联均未通过多重比较校正;少数未校正中等相关包括全频谱IP与ARST总回忆(r=0.38,95% CI [0.02,0.65])及+10 dB SNR AzBio与TMT-A(r=?0.38,[?0.65,?0.03])、TMT-B(r=?0.48,[?0.72,?0.14]),原文未对其进行解释或认为不能排除中等关联。

讨论部分:4.1总结发现指出,全频谱支持快速准确识别,声码化显著延迟IP并需几乎完整词信息;WM和EF与IP无显著相关;声码化IP与噪声中句子识别强相关,而与安静近天花板CNC无关。4.2频谱分辨率降低对门控词识别的影响指出,全频谱下听者听到略过半词即识别,符合自下而上声学线索与自上而下语言知识交互模型;声码化延迟反映精细频谱细节丢失,初始辅音和元音受损后需依赖词末信息消歧,频谱退化还增加竞争并降低抑制;8通道声码化近似CI频谱限制,提示需在植入者中检验动态评估工具。4.3认知技能与门控词识别指出,ELU模型(ease of language understanding model;语言理解难易模型)预测信号退化失配时WM重要,但本研究中WM和EF均未与IP显著相关;作者认为门控范式聚焦单一词且逐步提供更多声学细节,减少记忆负荷和时间压力,可能降低WM与EF需求;TMT为非语言视运动任务,可能不捕捉语言特异性抑制与切换;声码化条件IP近99%,认知补偿机会有限;全频谱线索丰富使映射较自动化;样本仅能检测大相关。4.4门控词识别与言语感知的关系指出,声码化IP与噪声中句子识别强相关,提示退化语音增量加工能力与噪声下言语感知相关(共享声码化适应亦可能贡献);CNC近天花板可能因范围限制而与IP无关;Ba?kent亦表明基线词识别分数不能可靠预测退化语音中的自上而下恢复;安静AzBio和CNC近天花板与8通道以上声码化可支持安静下近完美识别一致;认知测量间相关但未延伸至言语结果。4.5临床意义指出,现行准确率测量可能不捕捉词汇加工动态;本模拟中声码化IP与噪声句子相关而安静近天花板分数不相关;作者假设门控任务可能帮助识别安静好但噪声差植入者,尚需在植入者中检验,康复或设备编程价值待未来研究。4.6局限性指出,NH听者声码化模拟不能完全推广至CI使用者;相同两词表、练习词少及AzBio在门控后可能带来共享适应;IP接近上限且部分删失、安静与CNC近天花板造成范围限制;20/30完成语音学课程;门控无时间压力且重复片段;声码化输出未电平均衡;TMT非语言;样本小且为年轻NH;单一8通道正弦波声码器;在线单评分者非盲且未评估评分者间信度;认知与声学操作未置于同等地位,仅能检测大相关。

结论部分翻译:本研究证明,频谱退化下口语词识别的效率受到声信号质量的强烈约束。使用门控词识别范式,研究人员发现听者在全频谱条件下快速识别词,而在语音声码化时需几乎完整的词信息,反映增量词汇通达的严重延迟。这些时间缺陷与WM或EF无显著关联,尽管该样本仅能检测大关联。重要的是,声码化隔离点与噪声中句子识别相关。相反,声码化CNC和安静AzBio分数近天花板且与隔离点无关,这可能反映范围限制。这些发现提出如下假设:诸如门控之类的时间敏感测量可能为CI使用者提供超出准确率临床测量的信息,尚待检验。未来研究应将这些发现扩展至实际CI使用者,检验门控是否在准确率临床测量之外增加信息,使用认知变异更大的样本,并探索不同声码器参数的影响。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号