助听器降噪算法通过增强声学边缘相位锁定脑响应的谱时一致性支持神经语音追踪

《Trends in Hearing》：Hearing Aid Noise Reduction Algorithms Support Neural Speech Tracking by Enhancing Spectrotemporal Consistency of Phase-Locked Brain Responses to Acoustic Edges

　　

既往采用刺激重建（SR）方法分析助听器使用者脑电图（EEG）语音包络编码的研究表明，噪声抑制（NR）算法可改善噪声下语音的神经追踪。除增强语音包络编码外，NR还可能恢复触发听觉晚期响应（ALR）的声学边缘可感知性，从而促使ALR诱发更一致，进而增强脑-语音同步。为验证该假设，研究人员为26名听力受损听众双侧佩戴助听器，在安静语音、无NR噪声下语音及有NR噪声下语音条件下聆听连续单说话人语音并记录EEG。针对语音起始包络中声学边缘的神经响应事件相关电位分析显示，噪声下与安静下相比ALR中P1成分波幅显著下降，而激活NR后部分恢复。这些观察与对应ALR时频成分在单次试次间谱时一致性程度显著相关。此外，针对语音起始包络的SR分析得出定性一致且高度相关的结论。上述发现表明，助听器NR算法通过恢复对声学边缘的神经响应部分增强神经语音追踪，结果可为未来基于神经原理开发促进语音神经追踪的助听器处理策略提供支持。

研究背景与动机

神经语音追踪指脑活动与语音刺激同步的现象，既往研究多关注语音包络编码，但脑-语音同步由多种神经亚机制实现，其中包括颞叶听觉区对语音包络导数局部极大值的瞬态响应，此类响应对应声学边缘与音节信息，可广义称为语音起始包络。在噪声环境下，背景噪声部分掩蔽声学边缘，削弱音节信息，对依赖包络线索的听力受损者尤为不利，电生理研究普遍显示信噪比（SNR）下降伴随神经语音追踪减弱。助听器NR算法（含线性处理与深度神经网络（DNN））已被证明可通过增强包络编码提升SR精度，但是否影响基于声学边缘瞬态响应的追踪仍不清楚。为此，研究人员以26名经验助听器使用者为对象，考察DNN型NR对ALR中P1-N1-P2复合体及谱时一致性的作用，论文发表于《Trends in Hearing》。

主要关键技术方法

研究人员招募26名双侧轻至重度感音神经性听力损失且佩戴助听器至少1年的被试（最终有效25名，50–82岁）。被试佩戴Phonak Audéo I90-Sphere双侧助听器，其内置DNN型全向NR算法；在自由场八扬声器阵列中聆听前方单说话人教育播客（58 dB_A），背景噪声来自各方向（60 dB_A，SNR ?2 dB_A），设安静、噪声无NR、噪声有NR三条件。EEG采用64通道主动电极（250 Hz采样），预处理经陷波/高通滤波、ICA去伪迹、平均乳突重参考；语音起始包络由Gammatone滤波→窄带Hilbert包络→压缩→宽带平均→30 Hz低通→求导→半波整流得到。以包络2σ上升沿为触发做ERP分段，取前中央九通道平均，计算P1/N1/P2波幅；单次试次经连续小波变换求跨试次相位锁定（ITPC）得谱时一致性ITPC_ALR（50–200 ms，4–8 Hz）；SR采用岭回归十折交叉验证从EEG重建语音起始包络并算Pearson相关；统计用重复测量ANOVA与非参数Friedman检验。

研究结果

主观与行为数据：语音清晰度、聆听努力、任务正确率在三条件下均差异显著，表现为安静最优，噪声下开NR优于关NR，印证NR带来预期SNR收益。

ERP分析：前中央ALR的P1波幅在安静最大、噪声开NR居中、噪声关NR最小（条件主效应显著，两两差异显著），N1与P2波幅无显著条件效应；P1波幅与ITPC_ALR显著正相关（r=0.64）。

谱时一致性（ITPC_ALR）：单次试次相位锁定在50–200 ms、4–8 Hz最强，条件模式与P1一致（安静>噪声开NR>噪声关NR，两两显著），且与P1波幅正相关；NR对ITPC_ALR的提升量与平均听阈中度正相关（r=0.41），即听力损失越重NR益处越大。

SR分析：从EEG重建语音起始包络的精度同样为安静最高、噪声开NR居中、噪声关NR最低（主效应与两两比较均显著）；SR精度与P1波幅（r=0.65）、ITPC_ALR（r=0.85）均显著正相关，说明瞬态边缘响应一致性可解释SR结果。

讨论与结论翻译

本研究表征了助听器NR算法对听力受损者基于声学边缘的神经噪声下语音追踪的影响。系统操纵SNR条件并分析靶语音起始包络的神经追踪显示：噪声无NR相较安静使ALR（P1-N1）单次试次谱时一致性（ITPC_ALR）显著下降，噪声有NR相较无NR显著回升；平均ERP中P1波幅与SR精度呈相同模式且均与ITPC_ALR相关。这表明NR改善噪声下神经语音追踪部分由恢复声学边缘可感知性驱动，后者提高边缘诱发响应的一致性，增强神经语音表征。NR对ITPC_ALR的增益与听力损失程度中度正相关，提示损失越重受益越强。该结果支持未来在NR之外引入强调声学边缘的智能语音增强算法，以基于神经原理优化助听器在噪声下的聆听舒适度。