基于对烦恼性声事件听觉注意的混合噪声烦恼度研究

Auditory attention allows human and mammalian to rapidly and precisely direct, identify sounds of interest from a particular source in multi-source environments and follow it selectively over time. Presently most of the known auditory attention models are focused on speech recognition or musical tone classification. Researches on auditory attention to environmental sound are rare. In this project, begin with attributes analysis of combined noise based on an improved central auditory model, followed by numerous well-controlled listening tests for annoyance from natural and artificial combined noise, our investigations will be focused on constructing a computational framework for auditory attention of annoying-event in combined noise. Then the perceptual principles obtained from our listening tests on annoyance cumulative effects are modeled based on auditory attention to a number of annoying-events to realize quantitative evaluation on the total annoyance from combined noise. The completion of this project can not only achieve estimable findings which inspire hypotheses and models in selective auditory attention to enrich the underling theories of acoustic scene analysis, but also has extensive applicability and practical significance for intensive study, evaluation and prediction of the effects from environmental noise.

听觉注意帮助哺乳动物（包括人类）从声环境中快速精准地提取感兴趣或重要的声音内容并据此做出进一步反应。目前已有的人类听觉注意计算模型大多针对语音和乐音信号，很少见到针对复杂声环境开展的听觉注意研究。本项目将采用听觉特征提取与听音评价实验相结合的方法，首先研究复杂声环境条件下，以“烦恼”为目标听感的听觉注意问题；针对混合噪声中的“烦恼性声事件”，建立听觉注意计算模型。随后，进一步研究噪声烦恼度的累积效应，尝试以多个独立作用的“烦恼性声事件”的烦恼度，预测复杂声环境条件下混合噪声的烦恼度。本项目的完成，不但能够丰富声学场景分析研究领域的相关理论，对深入开展环境噪声影响效应的分析、评价和预测研究，同样具有现实的指导意义。

本项目旨在将人类知觉过程中的注意机制应用于识别复杂声环境中的烦恼性声事件，从而为能够从声源控制入手有效施行针对性的噪声控制措施提供理论与技术支持。.首先，通过研究以“烦恼”为导向的听觉注意过程及其认知机制，确定了“烦恼性声事件”的基本属性和知觉表征，从听觉生理与认知心理学角度，完善了现有的听觉注意理论，构建了基于兴趣维度的烦恼性声事件听觉注意认知模型。随后，从头相关传递函数的个人化入手，通过求解传输线耳蜗模型的数值解，开展了针对双耳声信号的烦恼性声信号特征提取方法研究。针对目前听觉的注意持续性研究很少的现状，初步开展了噪声引发的负性情绪对听觉注意力的影响研究 ，相关研究结论不但能够为在配备了听觉警报系统的工作环境中发生的人误进行预测并提供一些基础性防控理论指导，还可以为听觉预警的优化设计提供技术支持。最后，重点研究了噪声烦恼效应的累积问题，通过量化建模实现了以多个独立作用的“烦恼性声事件”的烦恼度预测混合噪声的烦恼度。.本项目的完成，为在复杂声环境中实现精准的主要噪声源定位和控制，开展复杂声环境的影响效应分析、影响程度评价、预测和控制，提供了理论指导，相关研究方案的提出和研究结论的获得，对继续深入开展人类听觉机制、机器智能听觉、人工心理与情感计算等涉及国民生产和人民生活诸多领域的研究均具备较高的理论指导意义和学术影响力。