助听器

论文用加权混合包络加后向解码器在六个脑电数据集上比较只跟随注意语音与加入不同比例竞争语音时的重构相关，发现声学变难通常让最优点向更大竞争权重移动而注意任务改变呈现不同模式但该权重只是模型描述子而非生理比例。

本文先用线性增益下信号能否装进残余听觉范围来刻画各听力与音乐条件对压缩的需求，再对最需要的两类听力用听觉质量与可听度加权的客观目标按信号优化单通道与多通道压缩器的静态曲线，并在 55 与 90 dB SPL 平均下与增益优化的临床处方基线比较，多通道优化在保持不超不适阈的同时提高了质量与可听度，但增益与通道数的作用与听力形状有关且结论只在客观指标内成立。

SpikeAid 针对噪声下助听既要降噪又要按压缩曲线放大的耦合问题，用 NR-Net 做语音噪声分支表征、WDRC-Net 估计分支增益并联合优化，以 DRN 神经元兼顾快瞬态和慢包络，在固定压缩配置和离线构造目标下提升目标一致性和感知指标，并以 FPGA 流式实现换来能效提升。

该研究在吵闹真实场景的人体模型录音上验证：AI 语音增强在放大通路内各设备改善相近，但只有压住未经处理的直接声通路后，其信噪比改善才能从高频扩展到低频，宽带加权信噪比因此明显提高，而单独开主动降噪几乎不改善信噪比。

论文要解决竞争说话人下目标难分离且分阶段放大易放大残留干扰的问题，用目标说话人视频加听力图端到端估计 NAL-R 与 WDRC 目标，最强证据是噪声下客观与听感在竞争语音条件提升最大，代价是整句离线处理与视觉编码器带来约 232 GMACs 计算量。

SEER 针对人工耳蜗处理后情感线索变弱的问题，用同一情感的参考语音去引导情感语音转换，并学习为每个源语句挑选最有帮助的参考，在 N8 条件下把源语音的宏平均 F1 在 RAVDESS 和 ESD 上分别提高 7.30 和 11.66 个百分点，但稀疏通道和部分情感边界上仍有局限。

针对开放式耳机的空间选择性有源噪声控制问题，论文把期望语音保持误差改成频率加权二次惩罚并保持时域低延迟控制，在实测脉冲响应多说话人场景下报告 LTASS 与 oracle 加权在更高 SI-SDR 处取得最大可懂度提升和相当音质提升，而 SII 与 MIRS 的最大音质提升出现在更低失真容忍度之外。

共收录 1354 篇 interspeech-2026 会议论文的 Reader 深度解读

针对单侧聋用户听不清聋侧正侧方语音的问题，该工作用眼镜侧挂的偶极加全向混合阵列做侧向最小方差无失真波束形成，在 90 度侧向仿真中以 2 偶极加 1 全向组合相对 3 全向提升 0.78 dB 信号失真比和 0.04 扩展短期客观可懂度，但前方和后方优势有限且依赖理想噪声协方差。

针对 4 人并发下单线索易选错人的问题，NeuroMultiSpEx 用耳脑电并行提取包络时间线索与说话人身份线索再门控融合，在 PKU 耳脑电数据上达到 9.613 dB 的 SI-SDRi 并以 82.4% 的四分类注意准确率支撑提取，代价是依赖同组说话人且试验内划分的评测条件。

针对人工耳蜗用户节奏感知弱的问题，BeatGain 在保留人声并重混打击成分的基线上加入节拍引导的时变增益，客观复杂度估计下降且节奏清晰度偏好显著提升，代价是偏离原混音略增且目前只验证 4/4 拍。

针对跨被试听觉注意解码中被试差异导致泛化下降的问题，DisenEEG-Net 用并行时空 Transformer 编码加正交分解、充分信息瓶颈、对抗对齐与重构约束做特征解耦，在 KUL、DTU、AVED 三个数据集留一被试交叉验证下取得报告的最优精度，但长窗增益有限且 DTU 与 AVED 绝对精度仍偏低。

针对跨数据集可懂度预测退化问题，论文提出先在源域预训练再用适配器加对比学习做少样本适配的 CFA-SIPNet，在 Arehart 目标集上以每听者 100 个样本实现 RMSE 26.05 与 PCC 0.75，代价是仍需少量有标注目标样本且未验证更复杂声学环境的稳定性。

该研究用 7-10 天手表自发起生态瞬时评估结合心率与声学特征，把五级听觉吃力与 0-10 分疲劳二值化后分别以 68% 与 76% 左右准确率检出高负担状态，代价是连续评分预测不佳且约 32% 天级数据因缺失不可用。

针对多通道语音增强中均匀 SDR 损失忽视音素级时频线索的问题，该研究提出基于局部语音存在、语音干扰比和谱通量加权的时频加权 SDR 框架，在白噪声下实现更强的干扰抑制和辅音与爆破音识别提升，代价是在语音形噪声下部分失真指标和短时客观可懂度略有下降。

针对开放式助听器通气孔漏声破坏双耳增强的问题，ABSE-NET 用双耳 MVDR 做粗增强再接轻量网络同时做漏声抵消与失真补偿，在 24 小时仿真数据上取得 PESQ 3.626 与 STOI 0.955 并把参数量压到 0.112M 与 0.184G FLOPs，代价是 SI-SDR 略低于参数量大两个数量级的 ASE-TM。

论文比较基于三音子后验不确定性的 PHOBI 与基于 WavLM 加教师-学生模仿 HASPI 的 HASA-Net+，在 10500 余条双耳可懂度与听觉费力度评分上总体相关超 0.88，而 PHOBI 平均误差更小但在食堂噪声低信噪比处出现可复述的失效模式。

该工作用分层向量量化变分自编码器把 Greenwood 频谱映射为每个时频格的 Gamma 分布参数并随机采样出平均发放率神经图，在低中频与静默段复现了原电刺激听神经模型的分布与结构，但高频与跨通道精细时间相关仍有明显误差，而计算时间从近 70 秒降到毫秒级。

RT-Tango 针对双耳助听的分布式低功耗实时降噪问题，用 ERB 压缩加分组循环掩码估计加固定跳帧稀疏化和非对称短时傅里叶变换加在线空间统计，在 33.41 MMACs/s 与 8 ms 算法延迟下保持可比的增强质量，而在线流式版本以 SI-SDR 下降为代价实现严格因果运行。

针对脑电非平稳导致的逐窗判决抖动与固定平滑带来的切换迟滞，SGAD 用因果状态检测估计切换概率并自适应调节平滑强度，在多种音频/说话人/被试划分下把平均 Sw-F1 提升到 67.3% 而 SDL 控制在 1.18 s，代价是仍需两阶段训练且最严格划分下精度降至 76.7%。