Prediction of binaural speech intelligibility when using non-linear hearing aids.
Notice bibliographique
Résumé
A new objective measurement system is proposed to predict speech intelligibility in binaural listening conditions for use with hearing aids. Digital processing inside a hearing aid often involves non-linear operations such as clipping, compression, and noise reduction algorithms. Standard objective measures such as the articulation index, the speech intelligibility index (SII), and the speech transmission index have been developed for monaural listening. Binaural extensions of these measures have been proposed in the literature, essentially consisting of a binaural pre-processing stage followed by monaural intelligibility prediction using the better ear or the binaurally enhanced signal. In this work, a three-stage non-linear extension of the binaural SII approach is introduced consisting of (1) a stage to deal with non-linear processing based on a simple signal separation scheme to recover estimates of speech and noise signals at the output of hearing aids [Hagerman and Olofsson, Acust. Acta Acust. 90, 356 (2004)], (2) a binaural processing stage using the equalization-cancellation model [Beutelmann and Brand, J. Acoust. Soc. Am. 120, 331 (2006)], and (3) a stage for intelligibility prediction using the monaural SII [ANSI-S3.5, 1997 (R2007)]. Details of the new procedure will be discussed. [Research supported by NSERC (Canada).]
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».