专注的耳朵：利用人工智能解析可穿戴设备带来的听觉疲劳

本研究项目旨在通过开发整合多种异步可穿戴生理信号的多模态深度学习变换器，解决嘈杂环境中认知性听力疲劳的问题。其目标是利用先进的机器学习技术及丰富的生理数据集，区分真正的认知疲劳与普通的听觉兴奋状态。

关于该项目 在嘈杂的环境中倾听会令人精神疲惫，但人类生理反应的速度却截然不同。本项目利用多模态深度学习变换器技术，将异步可穿戴信号（包括EEG、瞳孔测量、心率、皮肤电反应等）进行整合，从而构建出一个人工智能系统，能够区分真正的认知性听力疲劳与日常声音刺激，为下一代智能听力设备提供动力。 挑战 在嘈杂环境中理解语音需要巨大的认知努力。然而，判断倾听者何时从需要大量精力的倾听状态转变为精神疲惫，仍是一个未解决的难题。传统的研究尝试试图寻找单一的生物标志物——如瞳孔扩张、心率或皮肤出汗情况。但人体反应并非同步：眼睛在毫秒级内作出反应，而自主性的出汗和心血管反应则延迟数秒。标准算法难以理解这些不同步的反应速度。 人工智能解决方案 该项目将问题重新定义为一种异步多模态机器学习挑战。你将设计并训练多模态变换器架构与自监督模型，以融合不同的生理时间序列数据。主要目标是区分非特定的感官兴奋（例如突然的巨响）与真实的认知听觉疲劳（工作记忆耗竭）。 研究方法和实验设施 您将使用声音与振动研究学院（ISVR）中的世界级声学实验室及校准过的听觉测试室。您将利用在噪声环境中说话实验过程中收集到的丰富多通道生理数据（EEG、瞳孔测量、ECG、皮肤电反应、fNIRS）来开展研究，并使用PyTorch构建神经网络。最终形成的算法将为闭环听力辅助设备及辅助听力装置提供基础，这些设备能够在用户面临听力障碍时自动调整信号处理方式。 培训 您将接受全面的跨学科培训，旨在连接现代机器学习与实验性听觉科学。 先进的技术与人工智能培训：通过 PyTorch 学习最先进的深度学习架构（多模态变换器、自监督学习、序列建模）的实操训练，并可在大学的高性能计算集群（Iridis）上进行访问与训练。 实验性与生物信号研究方法：在声音与振动研究研究所（ISVR）的世界级声学设施中接受专业培训，涵盖校准后的音频播放、心理物理语音测试、伦理人类研究管理以及同步多通道生理数据采集（EEG、瞳孔测量/眼动追踪、ECG、皮肤电反应）。 专业与学术发展：可全程参与南安普顿大学博士学院培训项目，涵盖研究数据管理、科学写作、知识产权及成果推广方面内容 行业与网络接触机会：定期有机会在国际会议上展示研究成果（如ICASSP、Interspeech、ISH），并与消费音频及听力技术开发者组成的合作网络进行交流。 工程学院致力于促进平等与多样性，这从我们获得的 Athena SWAN 奖中可见一斑。我们欢迎所有申请者，无论其性别、种族、残疾状况、性取向或年龄如何，并将充分考虑那些寻求灵活工作模式以及已休职的申请者。 该大学拥有完善的产假政策、现场育儿设施，并提供多种福利措施，以保障员工的健康与工作生活平衡。南安普顿大学致力于可持续发展，并荣获了铂金级生态奖。

入学要求 您必须拥有英国 2:1 荣誉学位或其国际等效学位，且该学位须来自以下领域之一： 计算机科学 人工智能 电气与电子工程 数据科学 生物医学工程 或相关学科 必备技能： 精通 Python 编程技能 对现代深度学习框架（主要是 PyTorch）的实际操作经验 出色的英语书面与口头沟通能力 独立处理跨学科研究任务的能力 理想技能： 在处理和分析生理时间序列或生物信号方面的实际经验（例如：瞳孔测量/眼动追踪、ECG/HRV、GSR/EDA） 熟悉变换器架构、注意力机制或自监督表示学习技术 声学、音频信号处理或心理声学实验设计的基础知识 在 Linux 环境和版本控制（Git）环境中工作的经验 针对上述各项能力，将提供进一步的培训。

资助：竞争性资助 学费与资助 我们为英国本土学生和国际学生提供多种资助机会。符合条件的学生可通过“地平线欧洲”学费减免，自动免除国际学生学费与英国本土学生学费之间的差额。 大学通过竞争性遴选授予的校长助学金，为遴选排名靠前的申请人支付国际学生学费与英国本土学生学费之间的差额。 本校各学院通过竞争性遴选提供的博士奖助金，通常为遴选排名靠前的申请人支付按英国本土学生标准收取的学费，并提供生活津贴。 资助采用滚动授予方式，因此请尽早申请，以尽可能增加进入资助评选的机会。 如需更多信息，请访问我们的研究型研究生资助页面。

如何申请 您需： 选择课程类型（研究型）、2027/28学年、工程与物理科学学院 选择全日制或非全日制 搜索工程与环境博士项目（7175） 在申请表第2部分填写导师姓名 申请材料应包括： 您的CV（个人简历） 2份学术推荐信 截至目前的学位课程成绩单和证书 英语语言资格证明（如适用）