中文摘要: 针对基于神经网络的语音增强算法难以部署在助听器中的问题，本文基于循环神经网络，提出了一种低延迟、低复杂度的双麦克风语音增强算法。该算法利用两个麦克风做空域滤波初步去除非期望方向噪声，并进一步通过循环神经网络得到纯净语音信号。为了解决助听器中全相位滤波器组阶数较多而引起群延迟较大的问题，本文创新性地提出一种分段式滤波器组，在保证性能的同时有效减少了阶数。仿真结果显示，该滤波器组在16K采样率下的群延迟为3.125 ms，在0 dB 的babble、volvo、factory1环境下，该语音增强算法的SNR平均提升了10.5565 dB，PESQ平均提升了0.6787。实际测试结果中，SNR平均提升了9.4394 dB，PESQ平均提升了0.7350。当DSP系统时钟频率为104 MHz时，助听器经过的系统延迟为8.4 ms，功耗为6.2 mA，可以很好满足助听器高续航的需求。