为了改善数字助听器的性能,提高耳障患者佩戴助听器的舒适度和可懂度。本文提出了数字助听器中基于深度学习的方向性语音增强算法,该算法从双耳数字助听器中的声源定位、波束形成和语音增强等关键技术出发,首先利用头相关传递函数提取双耳空间特征信息,通过两级深度学习确定出声源的空间信息,接着利用波束形成的方法滤除与声源不同方向的噪声,最后在与声源同方向的含噪语音通过基于cosh测度改进的后置滤波方法对进行增强,达到语音增强的目的。本课题的研究工作由以下几个部分组成:(1)基于深度学习的双耳声源定位算法的研究:首先双耳语音信号通过Gammatone滤波器分解成若干通道,接着利用头相关传递函数提取各通道的双耳时间差、耳间相关性、双耳声压差和双耳相位差等四个表征声源空间信息的特征参数,并将前两个特征参数作为第一级深度学习模块的输入,得到声源所在的象限,缩小定位范围。然后将以上提取的四个特征作为第二级深度学习模块的输入,得到90度范围内的方位角。最后依据两级深度学习模块的输出确定声源的精确方位角,实现了在水平面上360度以5度为步长的72个方位角的声源定位。(2)基于cosh测度的滤波的语音增强算法的研究:传统的维纳滤波方法,在消除噪声的同时,对语音的能量会大大的削弱。为了改进维纳滤波对语音能量的削减,本文采用cosh测度方法进行改进,采用对数形式的测度进行语音增强。因为语音信号的频率和带宽呈现出类似于对数的非线性关系,对数的特性更适合描述语音信号。(3)数字助听器中的方向性语音增强算法的研究:该算法首先利用基于声源定位的语音增强算法得到声源方向的空间信息,然后利用波束形成法去除与目标语音不同方向的噪声,接着利用基于cosh测度改进的后置滤波去除与声源相同方向的噪声。实验结果表明,本文提出算法能够在特定方向的目标语音进行方向性语音增强,使得增强后的语音提高了言语可懂度和舒适度。首先本文提出的基于深度学习的双耳声源定位算法能够获得声源的方向信息,保证了波束形成法能够很好地去除与声源信号不同方向的语音。在声源方向上,利用基于cosh测度改进后置滤波的语音增强算法不仅对噪声具有更强的鲁棒性,而且进一步保留了语音能量。相较于对比算法,本文提出的数字助听器中的方向性语音增强算法有更好的去噪能力。