能听你想听的助听器是什么样的？
总会遇到这样的困扰...
当您开始被听力损失困扰时，生活声音场景中的声音不仅听不清，而且往往会融在一起。这就解释了为什么听力受损的人很难集中注意力于特定的声音。
这种区分声音的困难也会使人的听觉系统下对背景噪音和干扰声的抵抗力下降。
为了让听损用户在真实的听力环境中接触到清晰完整的声音场景，使有意义的声音从背景中凸显出来，同时保留对所有声源和具有不同信息的所有方向的聆听，奥迪康研发出了新的AI全声景领航系统(MSI)——这使得大脑更容易区分声音并专注于相关内容(Santurette et al， 2020)。
MSI如何工作？
首先，MSI分析整个声音场景，以检测听力环境的复杂程度，并不断根据Genie 2（奥迪康验配软件）中设定的用户个人听觉需求来衡量用户所处环境。
然后，MSI根据用户当前环境的容易程度或困难程度，使有意义的声音更加清晰，随时间变化对环境进行无缝适应。通过两个处理步骤:空间清晰处理和神经清晰处理来提高声场景的清晰度。
在相对简单的环境下，MSI的空间清晰处理利用全新功能虚拟外耳更好地模拟真实人类耳廓，以确保两个助听器麦克风拾取的声音场景以准确、自然的空间信息再现。
在更困难的环境中，空间平衡器确保有意义的声音保持其可听度并与用户周围的主导噪音保持平衡，其精度超过上一代的360°开放声音领航系统。
一旦声音经过空间清晰处理平衡，MSI的“神经清晰处理”就会发挥作用。与传统的降噪算法(根据数学假设模型手工调整以保持语音并衰减噪声)相比，神经清晰处理利用了深度神经网络(DNN)技术，该技术通过对1200万个真实声音场景进行训练而获得的知识，以一种模仿人类大脑运作的方式图片。
完整的声音场景是根据DNN已经了解到的前景进行处理——有意义的声音将成为用户关注的焦点（如言语、音乐，和重要的环境声音)，背景、意义较少和不相关声音将不予以聚焦（如咿呀学语或噪音)。
精细判断，精准增强
因为DNN已经了解了真实声音场景中哪些元素携带了最多的信息，哪些不携带，以及这些元素之间的自然关系应该是什么因此与传统的降噪相比，有意义的声音和背景之间具有更精细且微妙的对比(如图3所示)。
在图3中，我们能够注意到神经噪声抑制(D)相比Opn S (C)中降噪系统可以更准确地检测语音，增强环境声音对比度，这反映了它从现实生活中的声音中学习。高精度识别管理器进一步支持这一点，确保被MSI检测为前景的区域看到它们的增益动态维持(白色区域)或增强(蓝色区域)。
参考文献
Santurette, S., Ng, E. H. N., Juul Jensen, J., Micula, A. & Man K. L., B. (2020). Oticon More clinical evidence. Oticon Whitepaper.
Brændgaard, M. (2020a). MoreSound Intelligence™. Oticon Tech Paper.
