《Electronics》：A Heliumspeech Unscrambling Method Based on Deep Learning with Phonetic Multi-Objective Optimization
编辑推荐：
饱和潜水在航海作业、海洋开发、军事海洋学及海上救援等领域具有重要作用，是海洋经济中不可或缺的环节。氦语音通信是深海饱和潜水作业的核心组成部分，也是此类环境下唯一的通信手段。研究人员提出了一种基于语音多目标优化（Phonetic Multi-Objective
饱和潜水在航海作业、海洋开发、军事海洋学及海上救援等领域具有重要作用，是海洋经济中不可或缺的环节。氦语音通信是深海饱和潜水作业的核心组成部分，也是此类环境下唯一的通信手段。研究人员提出了一种基于语音多目标优化（Phonetic Multi-Objective Optimization, PMOO）的深度学习方法用于饱和潜水氦语音解扰。该方法由氦语音校正网络与氦语音解扰网络构成。首先，采用语音多目标优化算法设计校正网络，降低对大规模氦语音训练数据集的需求；随后利用饱和潜水工作语言氦语音语料训练解扰网络；最终解扰网络在认知迁移学习（Cognitive Transfer Learning, CTL）算法下处理氦语音。解扰过程中，网络将持续把解扰出的氦语音转为样本数据加入监督数据库，形成闭环控制系统，动态调节网络参数以适应氦语音信号变化。该方法不仅降低了深度学习神经网络对大训练集的依赖，还提升了解扰性能，尤其在潜水深度动态变化时表现突出。仿真实验表明，该方法能以较低词错率（Word Error Rate, WER）与较快收敛速度有效解扰氦语音。
研究背景方面，全球资源短缺推动海洋资源开发，21世纪被视作海洋经济时代，饱和潜水技术广泛应用于航海运输、海洋工业与能源等领域。深海作业中，潜水员须呼吸氦氧混合气（约95%氦、5%氧），高压与氦气使声道共振峰频率显著上移、带宽加宽、基频改变，语音畸变为类似“唐老鸭”声的氦语音，100 m以深几乎不可懂，直接威胁潜水员生命。过去三十年氦语音解扰研究陷入瓶颈，传统时域/频域信号处理进展有限；而深度学习依赖大数据，饱和潜水场景无法长期采集海量真实语料，小样本下易过拟合、特征提取不足。为此，研究人员开展基于深度学习结合语音多目标优化的氦语音解扰研究，成果发表于《Electronics》。
主要关键技术方法如下：构建音素表与工作词表两类小规模语料（正常大气与靶标深度各采一次）；以有限冲激响应（Finite Impulse Response, FIR）滤波器为校正网络，用基于音素的细菌觅食—粒子群多目标优化在“有效区域”内求解滤波器系数，使氦语音频谱逼近正常语音；解扰网络采用深层信念网络（Deep Belief Network, DBN，含两层受限玻尔兹曼机与一层反向传播），以正常词表语料为标签、校正后氦语音为无标签数据训练；嵌入认知迁移学习闭环，将解扰输出经工作词表过滤后回流标注，动态微调输出层。样本来自3名专业饱和潜水员在200 m、220 m、250 m深度录制的48音素表与500词工作词表（英/汉双语），16 kHz WAV格式。
研究结果部分，各小节结论浓缩如下：
分析饱和潜水氦语音特性一节指出，氦语音畸变源于氦气声速（967 m/s vs 空气240 m/s）与高压致声道壁耦合，共振峰上移、带宽增大、塞音清晰度下降最剧；饱和潜水具加压期约2天、行业术语封闭两点特征，为用小样本音素表预校正提供时间窗口。
氦语音解扰一节提出校正+解扰双网架构。校正网络中，FIR系数由式(1)(2)卷积实现，目标函数式(3)(4)以标准音素语料为拟合目标、氦语音音素语料为被拟合目标，引入化学趋向中的粒子群自适应步长、非支配排序与拥挤距离、模糊决策选折中解，搜索区?有效区?滤波区（式(5)(6)(7)），保证帕累托解集在有效区均匀多样。解扰网络以DBN逐层受限玻尔兹曼机（Restricted Boltzmann Machine, RBM）无监督预训练+反向传播有监督微调；认知迁移学习如图5迭代：初始决策界→无标签氦语音伪标注→回流重训输出层→新决策界，全程以工作词表滤除词表外错误预测防误差传播，形成贯穿全作业的闭环。
仿真结果与分小节中，参数设L=49阶FIR，DBN结构见原表1、超参见原表2；自建语料含10句206词（2′30″）及两篇~500词文本（各~6′），三深度各采。词错率（WER，式(8)）显示：250 m下DLMOO较DNN平均低15.92%、较自适应音频度量生成对抗网络（Adaptive Metric GAN, AMGAN）低8.02%，对三名潜水员鲁棒性最高；200/220/250 m平均WER均最低，深度适应性最优；收敛仅需15次迭代稳定（AMGAN 24、DNN 30），训练周期减半。中英双语实验WER相近。
讨论与结论翻译：研究人员提出基于深度学习结合多目标优化的饱和潜水氦语音解扰法，含校正与解扰双网；以音素拟合多目标优化设校正网参数，降低训练数据量；以认知迁移学习使解扰网适应深度变化，闭环持续调参。该方法引入多目标优化与认知迁移学习，减少样本需求，提升对不同潜水员与深度的鲁棒性，适用于复杂饱和潜水环境。局限在于仅用500词工作词表训练，可能对口音与说话风格泛化不足，未来应增强语料多样性。
