傳統的助聽器和電子耳透過設計濾波元件或建立噪音機率模型等方法來達成降噪功能，但較無法適應動態噪音的環境。此研究訓練輕量化的神經網路模型並且部署在嵌入式系統上。神經網路模型可以從輸入的聲音訊號辨識出環境中的吵雜聲類別並生成使用者想要聽見的清晰語音，降低環境噪音，提升使用者的語音辨識率以及聆聽舒適性。在降噪神經網路系統中，先經過噪音分類器辨識當前場景，依照分類器結果選擇相對應的深度除噪自動編碼器能使降噪效果更佳。同時為了達到輕量化的效果，並且能將神經網路放在嵌入式系統上，我們一改過去的全連接架構，而使用卷積神經網路架構完成兩種類型之神經網路。本團隊設計的 NC+DDAE 模型期望未來可結合電子耳、助聽器等助聽輔具，此系統主要功能是讓使用者在噪音環境下能聽到更加清晰之語音，以提升噪音環境下之語音聽辨能力。在朝向積體電路設計前，本團隊目前已先將其系統實踐於 Android 手機中，此系統將做為前端信號處理單元，將噪音去除後再傳至助聽輔具中。