中央研究院智財技轉處對外服務網

利用深度神經網絡模型（AMP-Net）達成助聽器內提供端到端的放大，旨在提升整體性能和適應性，同時更有效滿足個體需求。這個方法解決了傳統助聽器在優化放大過程中面臨多模塊組件複雜性的挑戰。AMP-Net 的輸入包含語音信號和個案聽力圖，輸入信號通過短時傅立葉變換進行特徵提取，然後通過密集層和LSTM/CRNN模塊進行處理，生成針對個體聽力圖定制的放大輸出信號。模型通過使用均方誤差作為損失函數來優化放大過程，以引導網絡準確學習頻譜映射

• 1. AMP-Net 達成端到端助聽放大，透過 LSTM 和 CRNN 等神經網路整合助聽器處方公式和寬動態範圍壓縮。
• 2. AMP-Net 對不同程度聽力損失的適應性使其成為個人化助聽器客製化的獨特解決方案，有效滿足個人需求。傳統音訊放大的過程助聽器並不單一步驟可達成。其中涉及到計算助聽器驗配公式和寬動態範圍壓縮步驟，而AMP-Net 卻可藉由端到端實現放大。

圖1. AMP-Net 模型架構圖。