[发明专利]包括循环神经网络的听力装置及音频信号的处理方法

说明书

本申请公开了包括循环神经网络的听力装置及音频信号的处理方法，其中力装置包括：提供至少一电输入信号的输入单元；及信号处理器；信号处理器包括包含至少一定义为门控循环单元的层的神经网络，门控循环单元包括隐藏状态向量h形式的记忆，输出向量o(t)由门控循环单元根据输入向量x(t)和隐藏状态向量h(t‑1)提供，在给定时间步t的输出o(t)存储为隐藏状态h(t)并用于计算下一时间步t+1的输出向量o(t+1)；所述层实施为改良门控循环单元，其中信号处理器配置成计算输入向量x(t)和隐藏状态向量h(t‑1)从一时刻t‑1到下一时刻t的变化，及信号处理器还配置成使得改良门控循环单元的N_ch,x和N_ch,oh个处理通道之中的更新通道的数量分别限于峰值数量N_p,x和N_p,oh，其中N_p.x小于N_ch,x，及N_p,oh小于N_ch,oh。

技术领域

本申请涉及信号处理如音频和/或图像处理领域，尤其涉及音频处理中神经网络的使用，特别涉及在(例如便携式)音频处理装置中实施学习算法或机器学习技术的算法。

背景技术

所谓的学习算法例如神经网络的形式，已发现在所有类的信号处理任务中日益增长的应用，包括助听器或耳机中的(自然)语音处理。在助听器中，降噪为解决提供或增加用户(如听力受损用户)对环境中的语音及其它声音接近可接受的感知问题的关键特征。

助听器或耳机或类似的便携音频处理装置中，a)小尺寸、b)低潜伏时间、及c)低功耗是重要的设计参数。因此，处理算法的“功率效率”最重要。低功率要求限制了例如在助听器中可行的神经网络的类型和大小，因而限制了适合由神经网络实施的功能任务。在实践中，网络参数的数量(在助听器中的当前处理功率下)限于10000级。该数量预期(例如由于集成电路领域的发展)随时间增加。

发明内容

本申请涉及音频或视频处理的改进，其使用神经网络尤其是循环神经网络，例如德尔塔(Δ)循环神经网络(德尔塔RNN)如长短期记忆(LSTM)型RNN，或者门控循环单元(GRU)，或者其改良。改进在音频处理领域进行例示，特别是应用在听力装置如助听器或耳机中。

上述改进可应用于与数据处理有关的任何问题，例如表示时变处理的数据，例如音频或视频处理。在处理功率有限的应用中，及例如在从一时段到下一时段的数据(显著)变化有限例如少于数据的20％的应用中，其可能特别有利。这样的例子在从一帧到下一帧的视频图像中或者在音频数据中出现，例如其通过从一时间帧到下一时间帧(或者在一时间帧内，从一频道到相邻频道，例如参见图7)的谱图表示。

示例性的听力装置如助听器或耳机可包括用于按时频表示k,t提供至少一电输入信号的输入单元，其中k和t分别为频率指数和时间指数，及k表示子频带通道，k＝1,…,K,K1，至少一电输入信号表示声音，其可包括目标信号分量和噪声分量。输入单元例如可包括输入变换器如传声器。听力装置如输入单元可包括模数转换器和/或滤波器组。听力装置如输入单元可包括一个或多个波束形成器，用于基于至少一电输入信号(例如包括至少两个电输入信号)或源自其的信号提供空间滤波的信号。听力装置还可包括信号处理器，其连接到输入单元并配置成接收至少一电输入信号或源自其的信号(例如空间滤波的信号和/或反馈校正的信号)。信号处理器可包括降噪系统，配置成降低至少一电输入信号或源自其的信号中的噪声分量。信号处理器可配置成确定所述时频表示中的相应增益值G(k,t)，当其应用于至少一电输入信号或源自其的信号时，相对于目标信号分量降低噪声分量。

配置成执行改良的门控循环单元(“改良GRU”)的信号处理器及相应方法