Met de opkomst van spraak- en audiogestuurde automatische systemen (bv spraakherkenning), zijn ook de beperkingen van deze technologieën duidelijk geworden. Automatische spraakherkenning mislukt wanneer de akoestische omstandigheden suboptimaal zijn en de toepassingen zijn veelal niet afgestemd op de pathologieën van de individuen die ermee interageren (bv spraak- of gehoorstoornissen). Om het toepassingsbereik en de toegankelijkheid van automatische technologieën te verbeteren, put dit project uit expertkennis over de geluidsverwerking in het menselijk gehoor. Mensen kunnen spraak makkelijk verstaan bij negatieve signaal-ruis verhoudingen, zodat het integreren van de de auditieve signaalverwerking de auditory input features kan verbeteren om zo automatische systemen robuuster te maken bij luide achtergrondgeluiden. Ten tweede kunnen signaalverwerkings-modellen van het oor individuele vormen van gehoorschade zeer gedetailleerd simuleren zodat automatische systemen de spraakverstaanbaarheid zouden kunnen voorspellen van personen die met audiotechnologie interageren. Dit project volgt dus een bio-geïnspireerde, machine learning- en spraakherkennings-aanpak om bestaande systemen te verbeteren met methoden die geen grote hoeveelheden trainingsgegevens nodig hebben, maar veeleer kennis van de menselijke auditieve signaalverwerking. De economische waarde en het toepassingsbereik van onze technologieën is aanzienlijk, gezien veel oudere mensen slechthorend zijn.