随着听力健康需求日益增长，助听器已成为改善听障人士生活质量的关键设备。传统封闭式助听器虽能有效隔绝外界噪声，但长期佩戴易产生“堵耳效应”，佩戴体验较差。

开放式助听器凭借佩戴舒适、聆听自然的优势备受关注。然而其泄压通风孔会带来声学泄漏问题：外界噪声直接渗入耳道，既降低输出信噪比，泄漏的目标语音还会与助听器输出信号发生干涉，产生梳状滤波等失真伪影，严重制约双耳语音增强算法发挥作用。

图1 半开放耳助听器中的声学泄漏现象。外部麦克风（空心圆圈）为双耳语音增强算法提供输入信号，经过增强处理的信号由内部扬声器播放。但外界噪声信号会通过通气孔泄漏进入耳道，污染已经增强的语音信号；放置在耳道深处的误差麦克风（实心圆圈）可以采集到该被污染后的信号。

针对这一痛点，内蒙古大学研究团队提出 ABSE‑NET，一套将双耳最小方差无失真响应（BMVDR）波束形成器与轻量化神经网络（LNN）相级联的主动双耳语音增强框架，可同时实现声学泄漏抵消与波束成形带来的语音失真补偿。该研究成果已发布于 arXiv 预印本平台，项目代码同步开源。


分级处理架构

ABSE-NET 采用两级处理流水线，左右耳通道独立运算。

图2 本文提出的 ABSE‑NET 网络：(a) ABSE‑NET 整体流程框图；(b) 时频依赖学习块（F‑TDL）内部结构；(c) 卷积注意力块（ConvAtt）内部结构。

第一级依靠 BMVDR 波束形成器完成粗粒度双耳语音增强，抑制干扰噪声的同时保留声源空间方位线索。该方法计算开销低、物理逻辑清晰，但存在固有局限：一方面无法处理通风孔带来的声学泄漏；另一方面算法依赖的声学传递函数（ATF）真实值在现实环境无法获取，估计偏差会引发语音失真与空间线索畸变。

第二级轻量化神经网络作为后处理模块，针对性弥补上述缺陷。网络输入包含两部分：BMVDR 的增强输出，以及助听器外部参考麦克风采集的带噪原始信号。模型一方面生成反相信号抵消声学泄漏，另一方面修正波束成形引入的语音畸变。引入原始带噪信号的目的，是规避 BMVDR 容易过度降噪的问题 —— 高度净化后的信号缺少噪声相关信息，不利于网络对泄漏成分做有效估计。

误差麦克风的使用策略是本方案一大亮点。传统主动双耳语音增强方案依靠自适应滤波，需要在耳道内部放置误差麦克风获取实时反馈，但耳道空间狭小，该器件硬件布置困难，还会破坏佩戴体验。ABSE‑NET 仅在训练阶段使用耳道误差麦克风构建监督学习目标；在推理、实际产品部署时不再需要这一硬件，用户佩戴无需在耳道内置麦克风。

轻量化网络设计

助听器设备对功耗、算力、延迟有着严苛约束，轻量化是 ABSE‑NET 架构设计的核心目标。

网络主体为编码器‑解码器结构，核心是堆叠 4 层的特征增强（FA）模块，模块由频‑时依赖学习块（F‑TDL）与卷积注意力块（ConvAtt）串联组成。

  • F-TDL 分别从频率、时间维度挖掘语音固有时频关联。频率子块使用重参数多分支一维卷积 RMB‑Conv1D，训练采用 {1,3,5} 多尺度卷积核提取多粒度特征，推理阶段将多分支融合为单个卷积核，在不降低建模能力的前提下减少推理计算量；时间子块采用因果版本 C‑RMB‑Conv1D，仅使用当前与历史帧数据，保障算法低延迟实时运行。
  • ConvAtt 分别在通道、时频两个维度计算注意力权重，避开高消耗的完整三维注意力张量。模型损失函数结合 SI‑SDR 与 STOI 加权，同步优化语音波形质量与语音可懂度。

整体模型参数量仅0.112 M，浮点运算量0.184 G FLOPs，算力开销远低于 DeepANC、ASE‑TM 等深度学习基线模型，适配助听器嵌入式硬件。

实验结果

研究团队基于 Librispeech、NOISEX‑92、Hearpiece 公开数据集构建测试集，包含 43200 条 2 秒音频样本，总时长约 24 小时；设置‑5 dB~0 dB 随机信噪比，模拟日常嘈杂低信噪比环境。

图3 不同信号处理阶段的波形与时频谱图可视化对比：(a) 干净语音；(b) 原始未处理带泄漏信号；(c) 无声学泄漏条件下 BMVDR 处理输出；(d) ABSE‑NET 模型输出结果。

对比多类模型驱动与数据驱动基线，ABSE‑NET 在 PESQ、STOI、CSIG、COVL 多项语音质量指标取得最优，双耳定位 ILD、IPD 误差优于 BMVDR 基线。它的 SI‑SDR（9.869 dB）略低于 ASE‑TM（10.45 dB），但算力仅为后者的 1/78，对于算力受限的助听器设备，该小幅性能差距属于可接受的工程取舍。

在波达方向（DOA）存在估计误差的鲁棒性测试中，当误差达到 15° 时，传统 BMVDR 性能近乎失效，SI‑SDR 跌至‑1.010 dB；而 ABSE‑NET 仍保持 6.434 dB 的 SI‑SDR 增益，在全部误差条件下均取得更低的 ILD、IPD 误差，对声学参数失配具备较强抵抗能力。

总体而言，ABSE‑NET 融合模型驱动的物理可解释性与深度学习的非线性建模能力：波束成形负责粗增强与保留空间线索，轻量化神经网络完成泄漏抵消与失真补偿，并且摆脱部署阶段对耳道误差麦克风的依赖。下一步团队将继续压缩模型计算开销，推进算法在真实助听器硬件上的落地验证。

论文信息：Hu, D., Du, X., Zhao, Q., & Si, Q. (2026). ABSE-NET: A lightweight neural model for active binaural speech enhancement in open-fit hearing aids. arXiv. https://arxiv.org/abs/2609.00966