《Audiology Research》：An Intelligent Directionality System for Hearing Aids Incorporating Deep Neural Networks: Improving Speech Understanding While Preserving Spatial Awareness
编辑推荐：
背景：指向性算法是现代助听器的核心，通过提升信噪比（SNR）改善噪声环境下的言语感知。传统自适应方法依赖启发式优化准则，常以增强前方特定方向言语理解为代价牺牲空间感知。研究人员开发了基于深度神经网络（DNN）的指向性系统，通过数据驱动框架动态优化空间滤波，在智
背景：指向性算法是现代助听器的核心，通过提升信噪比（SNR）改善噪声环境下的言语感知。传统自适应方法依赖启发式优化准则，常以增强前方特定方向言语理解为代价牺牲空间感知。研究人员开发了基于深度神经网络（DNN）的指向性系统，通过数据驱动框架动态优化空间滤波，在智能增强目标言语的同时保留环境声感知。方法：将所提DNN指向性系统与传统指向性算法对比，评估多样声学场景下的词语识别率、主观言语清晰度及听者偏好。为补充主观测量，额外开发基于人工智能（AI）的客观可懂度指标，利用自动语音转文本（STT）分析实现跨设备可扩展且一致的基准测试。结果：行为与客观评估均显示言语可懂度提升且环境声可及性维持。相较于旧版指向性，目标言语位于90°时平均言语接收阈SRT50改善1.4 dB；当前方目标言语伴后方干扰说话人时，相较全向模式SRT50改善4.7 dB。空间自适应在四种条件中三种提升了环境声可听度，并使135°言语检测阈显著改善2.42 dB。结论：该系统能保留非前方言语，同时利用声学上下文与空间滤波衰减干扰前方对话的竞争言语。
研究背景与动机
现代助听器依赖先进信号处理应对复杂听环境，其中指向性算法通过聚焦特定方向（多为前方半球）提升言语感知。传统方案基于少量预设波束（如全向+偶极子、前向与后向心形）线性组合，采用归一化最小均方（NLMS）算法估计频率相关控制参数以最小化输出功率，但无法区分言语与噪声，默认目标在前方，导致非前方言语被抑制、空间线索受损，且在动态场景中自适应波动大。为突破预设假设与统计波动限制，研究人员引入深度神经网络（DNN）进行数据驱动的空间滤波优化，旨在同时提升言语理解与空间感知。
研究开展与总体结论
研究人员在Starkey Omega AI（micro-RIC与macro-RIC）机型固件中集成DNN指向性系统，开展三项研究：Study 1以13名对称中重度听力损失老年用户（71–86岁）评估词语识别与偏好；Study 2以19名用户（26–82岁）评估空间感知；Study 3以KEMAR假头挂载设备，用Whisper Tiny自动语音识别（ASR）对标的A–E五家厂商旗舰助听器进行AI基准测试。结论表明，DNN指向性在90°目标上较旧版SRT50优1.4 dB，前方目标+后方干扰时较全向优4.7 dB；空间自适应模式在无声语时恢复空间感知，135°言语检测阈改善2.42 dB；AI-STT基准显示新系统在SRT50/SRT80上均优于对比厂商。论文发表于《Audiology Research》。
主要关键技术方法
研究人员采用目标参数监督训练：对每例训练数据遍历前后心形波束混合系数，搜得最大化输出SNR的最优混合参数作为标签，以均方误差训练DNN直接从双麦克风频谱与归一化互相关特征回归该参数。训练集由设备专属消声3D导向矢量渲染的仿真房间/扩散噪场、自采多通道录音及公开库混合构成，SNR覆盖?10至+20 dB。系统含双耳空间自适应模块：额外DNN估计言语活动概率，无对话时切至固定波束保空间感知，双耳仅同步状态不共享对侧麦克风做波束形成。客观评测用Hagerman相位反转法测输出SNR，以及Whisper-Tiny对AEMT句子转写算SRT50/SRT80优势。
研究结果
3.1 言语接收阈（SRT）
Study 1场景1（90°目标+扩散babble，较旧版）：平均SRT50改善1.4 dB（sd 2.0），t(12)=2.49, p=0.028, Cohen’s d=0.69；按HINT斜率14%/dB折算可懂度提升约19.6%。场景2（0°目标+180°干扰，较全向）：平均SRT50改善4.7 dB（sd 2.5），t(12)=6.9, p<0.001, d=1.92，可懂度提升约65.8%。配对比较中偏好DNN占94%（68例中），清晰度选DNN占96%（83例中）；Bradley–Terry–Davidson模型得DNN/旧版强度比16（偏好）与27（清晰度），非平局时旧版当选率仅5.9%与更低。
3.2 环境声可听度
Study 2中空间自适应模式 vs 默认指向：Footstep 135°无差异（53% vs 47%, p=0.59）；Footstep 180° 79% vs 21%（p=0.02）；Doorbell 135° 100% vs 0%；Doorbell 180° 95% vs 5%；合并四条件自适应胜率82%（p<0.01）。表明无声语时自适应显著恢复后半球环境声。
3.3 离轴言语起始SNR
假头测试135°短句（“heads up”/“excuse me”）开启双耳空间自适应：女声输出SNR提升8 dB，男声约2.5 dB，证明后侧短促言语起始可听度改善。
3.4 言语可听度阈
Spondee词自适应阈：135°言语时空间自适应较指向模式阈低约2.21 dB（t(18)=?3.41, p=0.003, d=?0.78）；180°低1.58 dB但不显著（p=0.22）。即135°后侧言语检测显著受益。
3.5 AI词语识别评测
Study 3跨30条件（6类真实噪×多方向×SNR ?16~14 dB）拟合sigmoid取SRT50/SRT80。新系统相对A1/A2/B1/B2/C/D/E均有正优势，Holm校正后全部显著，Cohen’s d_z中到大。差异源于各厂指向性策略、是否固定双耳波束及DNN增强伪影不同。
讨论与结论翻译
讨论指出：DNN指向性在实验室条件兼具言语增益与空间保留，但行为测试用封闭耳塞放大了指向效应，而环境声测试用临床耦合，二者受益不完全同条件可比；AI-STT基准虽可扩展、抗疲劳，但尚未在听损人群与行为SRT建立等价效度，相对差值不等同于人耳提升量；训练需大量设备专属多通道数据，仿真补实采仍须验证鲁棒性。
结论（译）：本研究证实基于DNN的指向性系统相较传统处理在言语感知、空间感知与听者偏好上均可获实质改善，且能在增强目标言语时通过智能自适应保留非言语环境声访问；空间自适应使离轴短言语快速可检。AI驱动STT评测为算法基准提供可扩展补充。局限在于设备耦合异质、实验室场景非日常全貌、STT指标待行为效度校准。总体而言，数据驱动空间滤波比启发式方案更适配动态听景，但日常长期收益仍需实地验证。
