SpikeAid：联合降噪与宽动态范围压缩的流式脉冲助听器框架

基于摘要分析。该研究面向助听器中噪声抑制（NR）与宽动态范围压缩（WDRC）的协同处理，提出因果端到端脉冲神经网络（SNN）框架 SpikeAid，在抑制背景干扰的同时补偿听力损失导致的听觉动态范围缩小，并探索低能耗硬件部署。 传统级联系统将 NR 与 WDRC 分开处理，但降噪输出会直接改变后续压缩所依据的信号电平与包络。SpikeAid 的 NR-Net 构建互补的语音与噪声表征，WDRC-Net 估计相应分支的增益，两者依据最终助听器目标联合优化；摘要未给出具体损失形式。作者还引入 Delayed Resonate-and-fire Neuron（DRN），结合受生物机制启发的异质树突延迟与共振动力学，以较低计算开销捕获联合任务所需的多尺度时间结构。 在助听器任务中，作者报告 SpikeAid 的关键客观指标优于级联处理及已有脉冲语音处理基线，但摘要未提供指标名称、数值、数据划分或基线配置。在公开 Intel Neuromorphic Deep Noise Suppression（N-DNS）Challenge 评估中，作者报告采用 DRN 达到神经形态语音降噪的当前最佳性能；该结论的具体比较范围尚未验证。作者另报告，FPGA 神经形态硬件部署的能效比常规 CPU/GPU 实现高两个数量级以上，但硬件型号、精度与延迟约束、功耗测量边界及对照实现条件尚未验证。 本文主要贡献属于音频处理与神经形态计算，不是神经信号解码或 BCI 验证。复现需核对联合优化目标、DRN 实现、流式处理延迟，以及实验协议、消融和统计信息；代码与硬件设计的开放情况亦尚未验证。现有摘要不足以建立具体的 EEG 迁移路径，不据此提出 BCI 效果或复现实验建议。