基于希尔伯特-黄变换与AM-FM模型的医用蝉鸣声合成新方法

本文主要探讨了"医用蝉鸣声多样化合成的一种新方法"，发表于2015年5月的《四川大学学报(自然科学版)》。耳鸣掩蔽疗法是一种针对耳鸣治疗的策略，其核心是通过调整掩蔽声的频率和响度，使其与患者个体化的耳鸣感知类型相匹配，从而达到减轻或掩盖耳鸣的效果。蝉鸣声作为最常见的耳鸣感知类型，其合成方法的研究对于个性化治疗具有重要意义。 文章针对传统耳鸣匹配声源种类有限的问题，提出了一种创新的合成方法，即结合希尔伯特-黄变换法（Hilbert-Huang Transform，HHT）和非线性调幅-调频模型（Amplitude Modulation-Frequency Modulation，AM-FM）。首先，利用总体平均经验模态分解（Empirical Mode Decomposition, EMD）的自适应带通滤波特性，对不同频率的共振峰进行分离，这一步骤有助于精细处理蝉鸣声的频率成分。 接着，通过归一化希尔伯特算法计算出每个共振峰的瞬时频率和瞬时幅度，这一步揭示了蝉鸣声的动态特性，对于声音合成至关重要。随后，利用AM-FM模型，将这些瞬时参数转化为实际的蝉鸣合成信号，这不仅保留了原有蝉鸣声的自然特性，还能够适应不同患者的耳鸣特征。 实验结果显示，这种方法合成的医用蝉鸣声效果理想，能够提供更加精准的掩蔽疗法，具有很高的实用价值。文章关键词包括经验模态分解、调幅调频模型、耳鸣声源和掩蔽疗法，这些关键词揭示了研究的核心技术路线和应用领域。 这篇文章在耳鸣治疗领域引入了先进的信号处理技术，旨在改进耳鸣掩蔽疗法，为临床提供了一种新的个性化治疗手段，对于提高耳鸣患者的生活质量具有潜在的重要贡献。