CN102316403B - 助听设备及其验配设备和相应的方法 - Google Patents

Abstract

本发明公开了一种验配助听设备补偿用户听力缺失的设备和方法以减小反馈的助听设备和方法。本发明涉及包括接收器和麦克风的助听设备；其中存在从接收器到麦克风的反馈路径；其中助听设备还包括适用于减小反馈的至少一部分的自适应反馈消除器；并且其中自适应反馈消除器包括用于对反馈路径的不变部分进行建模的固定滤波器以及用于对反馈路径的变化部分进行建模的自适应滤波器；并且其中独立于使用助听设备的实际用户和助听设备所投入使用的声学环境，将不变部分提供给助听设备的固定滤波器。由此实现了一种包含固定滤波器的助听器，该固定滤波器包括反馈路径的不变部分。

Description

助听设备及其验配设备和相应的方法

技术领域

本说明书涉及用于验配助听设备以补偿用户听力缺失的验配设备并且涉及相应的方法。此外，本说明书涉及减小助听设备中的反馈的方法并且涉及相应的助听设备。

背景技术

由接收器和麦克风组成的助听设备可能经历反馈。反馈是十分严重的问题。反馈是指其中接收器输出的一部分被麦克风拾音、通过助听设备处理被放大、并且再次由接收器发出的过程。当助听设备的放大率大于反馈路径衰减时，可能发生不稳定并且通常导致反馈啸叫，这限制了可以达到的最大增益，并且因此反馈危及到了佩戴助听设备的舒适度。

J.Maxwell和P.Zurek的“reducingacousticfeedbackinhearingaids”，IEEETransactionsonspeechandaudioprocessing3(4)，pp304-323(1995)提出了一种使用自适应有限冲激响应(FIR)滤波器来对整个反馈路径进行建模的自适应反馈消除(AFC)。该模型需要长滤波器来涵盖反馈路径冲激响应的主要部分，并且因此具有慢的收敛速度和高的计算负荷。

为了解决这些问题，US6,072,884公开了一种反馈路径模型的替代形式，其呈现了具有两部分的反馈路径：短的自适应FIR滤波器和固定滤波器(通常是IIR滤波器)。固定滤波器旨在对反馈路径的不变或者慢速变化的部分进行建模，而自适应滤波器跟踪迅速变化的部分。该模型通常产生较短的自适应FIR滤波器、较快的收敛速度和较小的计算负荷。

然而，在实践中获得固定滤波器系数的方法是在由调试师或者在为用户验配助听器方面受过训练的人员为用户验配助听器时，针对每个独立用户测量反馈路径，并且验配固定滤波器以对测量的响应进行建模。这不仅需要额外的验配步骤，而且因为由调试师测量的反馈路径已经包括了一些变化的部分，所以也不能获得反馈路径真实不变的部分。因此，以上测量的反馈路径不仅包括不变的效果，而且包括一些变化的效果。例如，在耳道中的助听器的验配被包括在不变部分中，但是当用户打哈欠或者当助听器被重新插入耳中时，它可能经历改变。

因此，本发明的目标是提供具有改进的反馈路径模型的助听设备。

发明内容

根据本发明，由用于验配助听设备以补偿用户听力缺失的验配设备来实现上述及其他目标；助听设备包括接收器和麦克风，并且其中在接收器和麦克风之间存在反馈路径；并且其中，助听设备还包括适用于减小反馈的自适应反馈消除器；并且其中，自适应反馈消除器包括用于对反馈路径的不变部分进行建模的固定滤波器，以及用于对反馈路径的变化部分进行建模的自适应滤波器；并且其中，验配设备适用于独立于使用助听设备的实际用户来向固定滤波器提供与反馈路径的不变部分相关的信息。

因此，验配设备能够向固定滤波器提供参数，这些参数描述了反馈路径的不变部分；并且因此，固定滤波器不包括随时间变化的部分。

在实施例中，可以独立于助听设备所投入使用的声学环境来提供所述信息。

在实施例中，所述信息的提供包括使用从一群体中检索到的信息来计算反馈路径的不变部分。

因此，验配设备适用于根据在将实际的助听设备验配给用户之前获得的群体数据检索反馈路径的不变部分；并且因此，验配设备适用于向固定滤波器提供反馈路径的不变部分；该不变部分不包括随时间变化的部分。

在实施例中，包含在验配设备中的处理器适用于计算作为多个测量的反馈路径的公共部分的不变部分，其中，对于在制造容差内与助听设备基本上相同的一类助听设备，在多个用户上对该多个测量的反馈路径进行测量。

因此，用户特定的影响可以被排除在不变部分之外。

本发明还涉及减小助听设备中的反馈的方法；助听设备包括接收器和麦克风；并且其中，在接收器和麦克风之间存在反馈路径；其中助听设备还包括适用于减小反馈的自适应反馈消除器，并且其中，自适应反馈消除器包括：用于对反馈路径不变部分进行建模的固定滤波器、以及用于对反馈路径的变化部分进行建模的自适应滤波器；并且其中，该方法包括使用不变部分和变化部分对反馈进行建模，不变部分和变化部分使用固定滤波器和自适应滤波器；以及独立于使用助听设备的实际用户，将不变部分提供给助听设备的固定滤波器。

因此，本方法能够向固定滤波器提供参数，这些参数描述了反馈路径的不变部分；并且因此，固定滤波器不包括随时间变化的部分。

在实施例中，可以独立于助听设备所投入使用的声学环境来提供信息。

在实施例中，提供步骤包括基于从一群体检索到的信息来计算不变部分。

因此，该方法适用于根据在将实际助听设备验配给用户之前所获得的群体数据中检索反馈路径的不变部分；并且因此，验配设备适用于向固定滤波器提供反馈路径的不变部分；该不变部分不包括随时间变化的部分。

在实施例中，提供包括计算作为多个测量的反馈路径公共部分的不变部分，其中，针对在制造容差内与助听设备基本上相同的一类助听设备，在多个用户上对该多个测量的反馈路径进行测量。

因此，用户特定的影响可以被排除在不变部分之外。

在实施例中，提供的步骤包括使用公共声学零极点模型来计算不变部分。

因此，至少在无噪声或基本上无噪声的环境中，本方法能够成功地估计公共极点。

在实施例中，提供步骤包括使用迭代最小二乘搜索来计算不变部分。

因此，本方法能够在噪声环境中成功地估计不变部分。

在实施例中，计算不变部分包括提供公共声学零极点模型作为对于迭代最小二乘搜索的初始估计。

因此，本方法能够获得对反馈路径的不变部分更精确的估计，因为CPZ和ILSS方法的组合不会遭遇具有如CPZ方法的在噪声环境中的问题，并且也不会具有如ILSS方法的具有局部最小值的问题。

在实施例中，该方法还包括向自适应滤波器提供具有不同自适应速度的两个级联的自适应滤波器。

因此，该方法能够提供用于反馈路径的不变部分的滤波器(固定滤波器)、以及用于反馈路径的慢速变化部分的滤波器(以第一自适应速度级联的自适应滤波器)、以及用于反馈路径快速变化部分的滤波器(以第二自适应速度级联的自适应滤波器)。因此，获得了更精确的反馈路径估计。

在实施例中，该方法还包括并行地使用自适应滤波器，并且经由包含在助听设备中的开关来控制激活哪个自适应滤波器。

本发明还涉及包括接收器和麦克风的助听设备；其中，存在从接收器到麦克风的反馈路径；其中，助听设备还包括适用于减小反馈的自适应反馈消除器；并且其中，自适应反馈消除器包括用于对反馈路径的不变部分进行建模的固定滤波器以及用于对反馈路径的变化部分进行建模的自适应滤波器；并且其中，独立于使用助听设备的实际用户，向助听设备的固定滤波器提供不变部分。

由于相同的原因，助听设备及其实施例具有与减小反馈的方法相同的优点。

在实施例中，可以独立于助听设备所投入使用的声学环境来提供信息。

在实施例中，不变部分包括从一群体中检索的信息。

在实施例中，不变部分包括多个测量的反馈路径的公共部分，其中，针对在制造容差内与助听设备基本上相同的一类助听设备，在多个用户上对该多个测量的反馈路径进行测量。

在实施例中，不变部分包括使用公共声学零极点模型计算的信息。

在实施例中，不变部分包括使用迭代最小二乘搜索计算的信息。

在实施例中，不变部分包括通过提供公共声学零极点模型作为对于迭代最小二乘搜索的初始估计所计算的信息。

在实施例中，自适应滤波器包括具有不同自适应速度的两个级联的自适应滤波器。

在实施例中，将级联的自适应滤波器中的第一个的自适应速度选为例如毫秒(ms)级，例如从1ms至10ms；而将级联的自适应滤波器中的第二个的自适应速度选为例如秒级，例如从10ms至1秒。

在实施例中，并行使用自适应滤波器，并且其中，助听设备还包括控制激活哪个自适应滤波器的开关。

本发明还涉及验配助听设备以补偿用户听力缺失的方法；助听设备包括接收器和麦克风，并且其中，在接收器和麦克风之间存在反馈路径；并且其中，助听设备还包括适用于减小反馈的自适应反馈消除器；并且其中，自适应反馈消除器包括用于对反馈路径的不变部分进行建模的固定滤波器，以及用于对反馈路径的变化部分进行建模的自适应滤波器；并且其中，验配步骤包括独立于使用助听设备的实际用户来向助听设备的固定滤波器提供不变部分。

因相同的原因，验配方法及其实施例包括与验配设备相同的优点。

在实施例中，独立于助听设备所投入使用的声学环境来额外地提供不变部分。

在实施例中，验配步骤包括使用从一群体检索到的信息来计算不变部分。

在实施例中，验配步骤包括计算作为多个测量的反馈路径的公共部分的不变部分，其中，针对在制造容差内与助听设备基本相同的一类助听设备，在多个用户上对多个测量的反馈路径进行测量。

在实施例中，验配的方法还包括一旦对助听设备提供了反馈路径的不变部分，就执行用户助听设备的在线校准。

因此实现了一旦识别了不变部分并提供给助听设备，就在使用设备使得能够捕获用户特性时，能够针对每个独立用户执行在线校准。

附图说明

图1示出了包括自适应反馈消除器的助听器的实施例。

图2示出了验配设备的实施例。

具体实施方式

在上文和下文中，可以从包括助听器、助听假体等的组中选择助听设备。助听设备的示例可以包括耳后(BTE)助听器和耳内(ITE)助听器以及完全耳道内(CIC)助听器。

图1示出了包括麦克风101和接收器102的助听设备100的实施例。

在实施例中，包括冲激响应b(n)的反馈路径107存在于接收器102和麦克风101之间。反馈路径107可以是声和/或电和/或机械的反馈路径。在上文和下文中，n代表离散时间索引，并且n从0开始。

助听设备100还可以包括适用于根据一个或多个算法来处理来自麦克风101的信号的处理器106等。在实施例中，处理器106可以适合于补偿助听设备100的用户的听力缺失。

在实施例中，助听设备可以包括固定滤波器104，该固定滤波器104包含反馈路径模型的不变部分。

在实施例中，助听设备可以包括自适应反馈消除器103。自适应反馈消除器103可以包括包含反馈路径模型的不变部分的固定滤波器104以及包含反馈路径模型的变化部分的自适应滤波器105。

因此，自适应消除器103可以将反馈路径模型的冲激响应分成两个部分：包括冲激响应f(n)的不变反馈路径模型和包括冲激响应e(n)的变化反馈路径模型。因此，自适应反馈消除器可以使用不变反馈路径模型f(n)和变化反馈路径模型e(n)来跟踪反馈路径b(n)的变化。

在实施例中，不变反馈路径模型可以包含在有限冲激响应(FIR)滤波器或无限冲激响应(IIR)滤波器中。

在第一实施例中，能够通过直接测量反馈路径来提取反馈路径的不变部分。然而，因为实际上在反馈路径中不变部分与变化部分是非常紧密耦合的，所以可能非常难以隔离不变部分，除非每个组件都从助听设备中分离并且被单独测量，这在测量中需要高的精度。而且，由于组件批次内的变化，测量的不变部分仅对单个设备有效。

在第二实施例中，通过使用等效电声模型来理论上地或者通过使用诸如边界元素计算的方法来数值地对每个组件进行建模。为了产生对于不变部分的良好估计，这些方法需要针对每个组件构建精确的模型，这对于一些组件可能是困难的。

在第三个实施例中，从测量的反馈路径的集合中提取不变反馈路径模型104。原理是在不同的用户上和/或在不同的声环境下使用相同类型的助听设备来测量多个反馈路径。那么反馈路径的不变部分可以被认为是这些测量的反馈路径中的公共部分。

在第三实施例中，可能已经测量了包括冲激响应b₁(n)；b₂(n)；...；b_N(n)的N个反馈路径。原则上，反馈路径冲激响应可能具有无限的持续时间。因此，在下文中可以假定反馈路径和反馈路径模型的冲激响应都被截成足够的长度L。例如，可以截断反馈路径和反馈路径模型使得由于截断而导致的冲激响应中的能量损失至少低于响应总能量35dB。该N个反馈路径可以构成一个群体。

使f(n)和e_k(n)分别表示第k个反馈路径的不变模型和变化模型的冲激响应。那么第k个建模的反馈路径是e_k(n)和f(n)的卷积，即

其中，⊙是卷积运算符，并且符号^在上下文中用于表示对相应量的估计。

一种用于提取不变部分的方法是用公式表示提取不变反馈路径模型的问题。可以通过以最小化建模的反馈路径和所测量的反馈路径b_k(n)之间的差为目标估计f(n)来用公式表示该提取问题。由于对于不同用户的不同的释逸装置(vent)的大小、耳廓形状和麦克风位置，一些测量的反馈冲激响应可能比其他的包含更多的能量。这可能导致优选地针对大的反馈路径最小化建模误差。如果对于所有测量的反馈路径以相同的方式执行测量，则应当等同地处理每个测量的反馈路径。

因此，测量的冲激响应b_k(n)首先被调整为使得对于任何k都是常数。

那么，不变路径模型的提取问题可以如下用公式表示：

$\left(2\right)\hat{f}\left(n\right)={\arg \min }_{f\left(n\right)}{\left|\right|\tilde{B}-\hat{B}\left|\right|}_2^2;$

$\left(3\right)\tilde{B}={[{\tilde{b}}_1^T,...,{\tilde{b}}_N^T]}^T;$

$\left(4\right)\hat{B}={[{\hat{b}}_1^T,...,{\hat{b}}_N^T]}^T;$

$\left(5\right){\tilde{b}}_k={[{\tilde{b}}_k\left(0\right),...,{\tilde{b}}_k(L-1)]}^T;$

$\left(6\right){\hat{b}}_k={[{\hat{b}}_k\left(0\right),...,{\hat{b}}_k(L-1)]}^T;$

其中，||||₂表示欧几里德范数，上标T表示矩阵或矢量的转置，并且在等式(1)中被定义。粗体符号表示矩阵或矢量。

等式(2)-(6)表示非线性的优化问题。下面，描述基于公共声学零极点模型(CPZ)和迭代最小二乘搜索(ILSS)方法以及这两种方法的组合的解决方法。

在可选实施例中，在频域上用公式表示该提取问题，并且可以将对每个频率窗(frequencybin)的重要性的加权应用于该优化问题。这将需要在下面提及的解决方法(CPZ、ILLS和该二者的组合)中做出相应的改变。

在实施例中，使用公共声学零极点模型(CPZ)来解决上述优化问题。为了进行反馈路径建模，不变部分包括接收器、助听设备壳内部的管道、耳钩、麦克风等的响应，其中的大部分还存在共振。因此，还应当包含公共极点，但是也可能存在公共零点。

因为通常需要长的FIR滤波器来对共振建模，所以如果公共零点的数目不是非常的大，则CPZ模型应当捕获反馈路径的大多数的不变部分。在该情况下，可以将少数公共零点移动到变化模型e_k(n)中的短FIR滤波器。

为了估计公共极点，因为在单个冲激响应中极点受到零点的严重影响或者被零点消除，所以应当使用多个测量的冲激响应来代替单个冲激响应。

当由具有P个极点的全极点滤波器来对反馈路径的不变部分进行建模，并且由具有Q个零点(可能包括公共零点)的FIR滤波器来对反馈路径的变化部分进行建模时，完全反馈路径模型变为自回归滑动平均(ARMA)模型：

$\left(7\right){\hat{b}}_k\left(n\right)=-{\mathrm{\Σ}}_{i=-1}^p{a}_i{\hat{b}}_k(n-i)+{\mathrm{\Σ}}_{i=1}^Q{c}_{i,k}(n-1);$

其中δ是单位脉冲函数(δ(n)＝1对应n＝0，并且δ(n)＝0对应任何其他n)，a_i是公共自回归(AR)模型的系数，并且c_i，k是对于第k个反馈路径模型的滑动平均(MA)模型的系数。那么冲激响应f(n)和e_k(n)分别与公共AR模型和第k个反馈路径模型的MA模型的冲激响应相对应。

在等式(2)中的f(n)的估计成为对a_i的估计

$\left(8\right){\left\{{\hat{a}}_i\right\}}_{i=1}^P={\arg \min }_{a_1,...,\mathrm{aP}}{\left|\right|\tilde{B}-\hat{B}\left|\right|}_2^2,$

这被认为是困难的问题。然而，可以通过将建模的反馈路径和测量的反馈路径之间的误差替换为所谓的“等式误差”来将该问题用公式重新表示为新的问题。存在对于该问题的最优分析的解决方法，但是对于等式(8)中的原始问题可能是次优的，

$\left(9\right)x={\left(A^{T}A\right)}^{-1}{A}^T\stackrel{\‾}{B};$

$\left(10\right)x={[{\hat{a}}^T,{\hat{c}}_1^T,...,{\hat{c}}_N^T]}^T;$

$\left(11\right)=\hat{a}={[-{\hat{a}}_1,...,-{\hat{a}}_P]}^T;$

$\left(12\right){\hat{c}}_k={[-{\hat{c}}_{0,k},...,-{\hat{c}}_{Q,k}]}^T;$

$\left(13\right)=\stackrel{\‾}{B}={[\stackrel{\‾}{b_1^t},...,\stackrel{\‾}{b_N^T}]}^T;$

$\left(14\right)={\stackrel{\‾}{b}}_k={[{\tilde{b}}_k\left(0\right),...,{\tilde{b}}_k(L-1),0_{1\mathrm{xP}}]}^T;$

其中，和分别是对a_i和c_k，i的估计，0_1xp是包含P个零的行矢量，并且矩阵A在附录A中被定义。

在实施例中，使用迭代最小二乘搜索(ILSS)方法来解决上述优化问题。

如上所述，反馈路径的不变模型不仅可以包含极点还可以包含零点。因此，与CPZ方法相比，不对零极点结构进行假设而直接估计脉冲响应的ILSS方法可能更加全面。

假设不变模型f(n)和变化模型e_k(n)的冲激响应的长度被分别截断为C和M，并且M+C-1≤L。

那么长度L的反馈路径模型是具有补零的e_k(n)和f(n)之间的卷积：

$\left(15\right){\hat{b}}_k={[e_k^{T}F,0_{1x(L+1-M-C)}]}^T$

(16)＝[f^TE_k，0_1x(L+1-M-C)]^T；

(17)f＝[f(C-1)，f(C-2)，...，f(0)]^T；

(18)e_k＝[e_k(M-1)，e_k(M-2)，...，e_k(0)]^T；

其中，0_1x(L+1-M-C)是具有(L+1-M-C)个零的行矢量，卷积矩阵E_k和F分别由e_k(n)和f(n)形成，并且在附录B中被定义。

为了获得f(n)的估计，以四个步骤来执行迭代搜索：

步骤1：设置迭代计数器i＝0，并且将设置为初始值其中上标表示迭代数，并且符号^表示在该迭代处的相应量的估计。

步骤2：给定对于优化问题

$\left(19\right){\left\{{\hat{e}}_k^i\right\}}_{k=1}^N={\arg \min }_{e_v,...,e_N}{\left|\right|\tilde{B}-\widehat{B\left|\right|}}_2^2,$

的最小二乘解决方案是

$\left(20\right)=[{\hat{e}}_1^i,...,{\hat{e}}_N^i]={\left({\hat{f}}^i{\left({\hat{F}}^i\right)}^T\right)}^{-1}{\hat{F}}^i{\tilde{B}}_1;$ 其中

$\left(21\right)=\widetilde{B_1=[{\stackrel{~}{b}}_1^{\mathrm{tr}},...,{\stackrel{~}{b}}_N^{\mathrm{tr}}}];$

$\left(22\right){\tilde{b}}_K^{\mathrm{tr}}={[{\tilde{b}}_k\left(0\right),...,{\tilde{b}}_k(M+C-2)]}^T,$

其中，上标tr表示矩阵或矢量的转置。

步骤3：给定对于优化问题

$\left(23\right){\hat{f}}^{i+1}={\arg \min }_f{\left|\right|\tilde{B}-\hat{B}\left|\right|}_2^2$

的最小二乘解决方案是

$\left(24\right)={\hat{F}}^{i+1}={\left({\hat{E}}^i{\left({\hat{E}}^i\right)}^T\right)}^{-1}{\hat{E}}^i{\tilde{B}}_2;$

其中矩阵E在附录B中被定义，并且

(25)

${\tilde{B}}_2=\left[\begin{array}{c}{\tilde{b}}_1^{\mathrm{tr}}\\ .\\ .\\ .\\ {\tilde{b}}_N^{\mathrm{tr}}\end{array}\right]$

步骤4：i＝i+1，并且重复步骤2和步骤3直到i达到预定值，例如100。在良好估计的搜索中初始值可能很重要。

在实施例中，使用迭代最小二乘搜索方法和公共声学零极点建模方法的组合来解决上述优化问题。

ILSS和CPZ方法的组合被称作“ILSSCPZ”方法。ILSSCPZ方法使用根据基于CPZ模型的方法的估计来为ILSS方法提供初始估计。首先，使用多个极点，例如11个极点，通过基于CPZ模型的方法来提取不变模型，并且然后截断提取的AR模型的冲激响应以用作ILSS方法中的初始估计。

沿着反馈路径的组件可以被划分为三类：

种类I：取决于设备类型的组件。对于特定设备，该种类中的组件的效果为不变或者慢速变化，并且独立于用户和外部声环境。这些组件包括助听器接收器、麦克风、助听器壳内部附连到接收器的管道等。

种类II：取决于用户的组件，包括PVC管材、耳模、耳廓等。该种类中的组件的改变引起助听器验配的改变。该改变通常是慢速的，但也可能是快速的；例如，当用户迅速活动其下巴时。

种类III：取决于外部声环境的组件。该种类中的组件的改变可能是非常迅速和剧烈的，例如，当用户拿起电话听筒时。

种类II和种类III中的组件引起反馈路径中大的物体间的变化性以及反馈路径随时间的大的变化。

在实施例中，反馈路径模型包括不变反馈路径模型，该不变反馈路径模型被包含在固定滤波器104中，并且表示不变组件，诸如种类I的组件，诸如助听设备接收器、麦克风、助听设备壳内部附连到接收器的管道等。

另外，反馈模型可以包括用于对种类I中的组件中(由于老化和/或漂移而导致)、诸如取决于用户的组件的种类II组件(包括PVC管材、耳模、耳廓等)(由于助听器验配中的慢速改变而导致)以及种类III(由于声环境中的慢速改变而导致)的慢速改变进行建模的慢速变化模型。

此外，反馈路径模型可以包括快速变化模型，该快变模型主要用来例如当用户拿起电话听筒时对外部声学中迅速剧烈的改变化进行建模。

不变模型可以如上文和下文中所公开的进行确定，并且可以被包含在固定滤波器104中。慢速变化模型和快速变化模型可以被包含在自适应滤波器105中作为具有不同自适应速度的两个级联的自适应滤波器。秒级的慢速自适应速度可以用于对慢速变化组件进行建模；而毫秒级的快速自适应速度可以用于对快速变化组件进行建模。

在实施例中，上述级联自适应滤波器可以并行使用，并且助听设备可以包含开关(未示出)，该开关控制两个自适应滤波器(或者是对慢速变化组件进行建模的一个或者是对快速变化组件进行建模的一个)中的哪一个与固定滤波器相结合地被激活。

在实施例中，使用相同类型助听设备，即在制造容差内的相同助听设备，在多个用户上对测量的反馈路径进行测量。例如，对100个个体的组测量一批10个助听设备(在每个个体上测量每个助听设备，因此总共产生1000个反馈路径测量结果)，并且可以根据上文和下文利用个体中的每一个的反馈路径来确定反馈路径模型的不变部分。随后，确定的反馈路径模型不变部分可以在多个后续批的助听设备(例如接下来的100批助听设备)中被实现。

在实施例中，助听设备是诸如数字助听器的数字助听设备。

在实施例中，自适应反馈消除器103可以包含在处理器106中，或者可以采用处理器106来执行上述自适应反馈消除器103的动作。在实施例中，自适应反馈消除器103的一部分，例如固定滤波器104或者自适应滤波器105，可以包含在处理器106中，或者可以采用处理器来执行自适应反馈消除器103一部分的动作。

在实施例中，助听设备100可以包括多个处理器106。在实施例中，助听设备100可以包含两个处理器106，其中两个处理器106中的第一个执行听力缺失补偿，而两个处理器106中的第二个执行如上文和下文描述和的反馈补偿。

在如图1中所示的实施例中，可能包含反馈信号t(n)的输入信号w(n)可以阻断麦克风101。来自麦克风101的输出信号m(n)可以被馈送到加法器108。在加法器108中，可以从麦克风输出信号m(n)中减掉来自自适应反馈消除器103的反馈补偿信号v(n)。来自加法器的反馈补偿的信号r(n)可以被馈送到处理器106和自适应反馈消除器103的自适应滤波器105。在处理器中，可以根据补偿佩戴助听设备100的用户的听力缺失的算法来校正反馈补偿的信号。来自处理器106的补偿听力缺失的信号u(n)可以被馈送到接收器和自适应反馈消除器103。接收器102可以向助听设备100的用户提供补偿听力缺失的音频输出信号y(n)。在助听设备100的放大率大于反馈路径b(n)的衰减率的范围内，补偿听力缺失的音频输出信号的至少一部分可以作为反馈信号t(n)经由反馈路径b(n)被反馈到麦克风101。如上面所公开的，自适应反馈消除器103可以包含固定滤波器104和自适应滤波器105。自适应反馈消除器103可以提供反馈补偿信号v(n)。可以根据如上面所公开的反馈路径模型来计算v(n)。

图2示出了用于验配助听设备100以补偿用户听力缺失的设备201的实施例。

助听设备100可以是根据图1的助听设备，并且可以包括接收器和麦克风，并且其中在接收器和麦克风之间存在反馈路径。助听设备100还可以包括适用于减小反馈的自适应反馈消除器103；并且其中，自适应反馈消除器包括用于对反馈的不变部分进行建模的固定滤波器104以及用于对反馈的变化部分进行建模的自适应滤波器105。助听设备100和用于验配的设备201还可以包括相应的通信端口202、204，诸如蓝牙收发器和/或IR端口和/或IEEE端口。

验配设备201可以适应于经由有线和/或无线通信链路203来被通信地连接到助听设备100，有线和/或无线通信链路203诸如在验配设备201和助听设备100的相应的通信端口202、204之间建立的电线或蓝牙链路。

另外，验配设备201适用于经由有线和/或无线通信链路203向助听设备100的固定滤波器104提供如上文所确定的反馈路径模型的不变部分。在自适应反馈消除器中的两个自适应滤波器的情况下，验配设备201可以适用于经由有线和/或无线通信链路来提供包含在助听设备201的自适应滤波器105中的两个自适应滤波器的一个或多个自适应速度。能够通过在验配期间或者助听设备使用期间执行初始化来约束自适应滤波器。

通常，甚至当在一批组件中存在变化时，不变部分并不是不重要的，并且在上文和下文中描述的方法和设备能够提取不变部分达到某一水平使得产生的反馈路径模型可以用于多个助听设备用户。

给定变化模型的固定的阶数，限制反馈路径的建模精度的因素有两部分：首先，方法本身可能收敛于局部最小值。为了改善这些方法，可以使用一些启发式方法来防止搜索易于陷入局部最小值。在实施例中，模拟退火算法可以用作这样的启发式方法。其次，实际上，在一批组件内的变化和个体特性二者都是变化模型的一部分，这需要长FIR滤波器来进行建模。

附录A

如下定义用在等式(9)中的矩阵A：

其中，A_k大小为(L+P)×P，并且被定义为：

并且D大小为(L+P)×(Q+1)，并且被定义为：

附录B

卷积矩阵F大小为M×(M+C-1)，并且被定义为：

$F=\left[\begin{array}{cccc}0& 0& ...& f(C-1)\\ 0& 0& ...& 0\\ .& .& ...& .\\ .& .& ...& .\\ .& .& ...& .\\ & f\left(0\right)& ...& 0\\ f\left(0\right)& f\left(1\right)& ...& 0\end{array}\right]$

卷积矩阵E被定义为：

$E=\left[\begin{array}{c}{E}_1\\ E_2\\ .\\ .\\ .\\ E_N\end{array}\right]$

其中，卷积矩阵E_k大小为C×(M+C-1)，并且被定义为：

$E_1=\left[\begin{array}{cccc}0& 0& ...& e_k(M-1)\\ 0& 0& ...& 0\\ .& .& & .\\ .& .& ...& .\\ .& .& & .\\ 0& e_k\left(0\right)& ...& 0\\ e_k\left(0\right)& e_k\left(1\right)& ...& 0\end{array}\right]$

Claims (11)

1.一种用于验配助听设备来补偿用户听力缺失的验配设备；所述助听设备包括接收器和麦克风，并且其中在所述接收器和所述麦克风之间存在反馈路径；并且

◆其中，所述助听设备还包括自适应反馈消除器，所述自适应反馈消除器适用于减小所述反馈；并且

◆其中，所述自适应反馈消除器包括固定滤波器，所述固定滤波器用于对所述反馈路径的不变部分进行建模；以及自适应滤波器，所述自适应滤波器用于对所述反馈路径的变化部分进行建模；并且

◆其中，所述验配设备适用于独立于使用所述助听设备的实际用户来向所述固定滤波器提供关于所述反馈路径的所述不变部分的信息；

其中，包含在所述验配设备中的处理器适用于计算作为多个测量的反馈路径的公共部分的不变部分，其中，针对在制造容差内与所述助听设备基本上相同的一类助听设备，在多个用户上对所述多个测量的反馈路径进行测量。

2.一种在助听设备中减小反馈的方法；所述助听设备包括接收器和麦克风；并且其中在所述接收器和所述麦克风之间存在反馈路径；其中所述助听设备还包括：

◆自适应反馈消除器，所述自适应反馈消除器适用于减小所述反馈，并且其中，所述自适应反馈消除器包括固定滤波器，所述固定滤波器用于对所述反馈路径的不变部分进行建模；以及自适应滤波器，所述自适应滤波器用于对所述反馈路径的变化部分进行建模；

◆并且其中，所述方法包括

◆用所述不变部分和所述变化部分对所述反馈进行建模，所述不变部分和所述变化部分使用所述固定滤波器和所述自适应滤波器；以及

◆独立于使用所述助听设备的实际用户，将所述不变部分提供给所述助听设备的所述固定滤波器；

其中，所述提供步骤包括：计算作为多个测量的反馈路径的公共部分的所述不变部分，其中，针对在制造容差内与所述助听设备基本上相同的一类助听设备，在多个用户上对所述多个测量的反馈路径进行测量。

3.根据权利要求2所述的方法，其中，计算所述不变部分包括：提供公共声学零极点模型作为用于迭代最小二乘搜索的初始估计。

4.根据权利要求2或3所述的方法，其中，所述方法还包括向所述自适应滤波器提供具有不同自适应速度的两个级联的自适应滤波器。

5.一种包括接收器和麦克风的助听设备；

◆其中，存在从所述接收器到所述麦克风的反馈路径；并且

◆其中，所述助听设备还包括：适用于减小所述反馈的自适应反馈消除器；并且

◆其中，所述自适应反馈消除器包括：用于对所述反馈路径的不变部分进行建模的固定滤波器、以及用于对所述反馈路径的变化部分进行建模的自适应滤波器；并且

◆其中，独立于使用所述助听设备的实际用户，将所述不变部分提供给所述助听设备的所述固定滤波器；

其中，所述不变部分包括多个测量的反馈路径的公共部分，其中，针对在制造容差内与所述助听设备基本上相同的一类助听设备，在多个用户上对所述多个测量的反馈路径进行测量。

6.根据权利要求5所述的助听设备，其中，所述不变部分包括：使用公共声学零极点模型计算的信息。

7.根据权利要求5所述的助听设备，其中，所述不变部分包括：使用迭代最小二乘搜索所计算的信息。

8.根据权利要求6或7所述的助听设备，其中，所述不变部分包括：通过提供公共声学零极点模型作为用于所述迭代最小二乘搜索的初始估计所计算的信息。

9.根据权利要求5至7中的任何一项所述的助听设备，其中，所述自适应滤波器包括具有不同自适应速度的两个级联的自适应滤波器。

10.根据权利要求9所述的助听设备，其中，所述级联的自适应滤波器被并行使用，并且其中，所述助听设备还包括：控制激活所述级联的自适应滤波器中的哪一个的开关。

11.一种验配助听设备来补偿用户听力缺失的方法；所述助听设备包括接收器和麦克风，并且其中，在所述接收器和所述麦克风之间存在反馈路径；并且

◆其中，所述助听设备还包括适用于减小所述反馈的自适应反馈消除器；并且

◆其中，所述自适应反馈消除器包括：用于对所述反馈路径的不变部分进行建模的固定滤波器、以及用于对所述反馈路径的变化部分进行建模的自适应滤波器；并且

◆其中，所述方法包括：独立于使用所述助听设备的实际用户，将所述不变部分提供给所述助听设备的所述固定滤波器；

其中，所述方法还包括：计算作为多个测量的反馈路径的公共部分的所述不变部分，其中，针对在制造容差内与所述助听设备基本上相同的一类助听设备，在多个用户上对所述多个测量的反馈路径进行测量。