CN103053179A - 嘈杂度判定系统、装置、方法以及程序 - Google Patents

Abstract

本发明提供一种对与针对语音听取的嘈杂度相关的用户状态进行评价(判定)的机制。嘈杂度判定系统具备：生物体信号计测部，其对用户的脑波信号进行计测；保持多个单音节的语音的语音数据库，其针对各语音，将语音和与语音相对应的脑波信号的阴性成分的基准潜伏期建立对应；呈现语音决定部，其参照语音数据库，决定呈现的单音节的语音；输出部，其向用户呈现语音；和嘈杂度判定部，其对以呈现了所决定的语音的时刻为起点包含在50ms以上350ms以下的范围内的脑波信号的阴性成分的峰值潜伏期、和与保存在语音数据库中的所决定的语音相对应的基准潜伏期进行比较，来判定所输出的语音的嘈杂度。

Description

嘈杂度判定系统、装置、方法以及程序

技术领域

本发明涉及用于对用户是否舒适地听到了语音进行评价(判定)的技术。

背景技术

近年来，伴随社会的老龄化，因年龄增加而导致的耳背者在增加。由于长时间听大音量音乐的机会增加等的影响，年轻的耳背者在增加。此外，伴随着助听器的小型化/高性能化，用户逐渐变得不排斥佩戴助听器。以这些为背景，以会话的听辨能力的提高为目的而佩戴助听器的用户在增加。

助听器通过使构成用户难以听清的声音的各种频率中的、特定频率的信号的振幅放大，来对用户是下降了的听力进行弥补。助听器需要根据每个用户的听力下降的程度，来调整对声音进行放大的量。因此，在开始助听器的使用之前，根据每个用户的听力来对声音的放大量进行调整的“调试(fitting)”是必须的。

调试是指按照每个声音的频率，来将输出的声压(能够被感知为声音的、大气的压力变动)变为MCL(most comfortable level：用户感到舒适的声压)。此时，在(1)放大量不足，或者，(2)放大量过多的任何一种情况下，调试都是不恰当的。例如，在放大量不足的情况下，用户无法对声音进行听辨，无法达成佩戴助听器的目的。此外，在放大量过多的情况下，用户能够对声音进行听辨。但是，由于用户感到声音嘈杂，因此产生无法长时间使用助听器的问题。因此，需要进行调试使得上述(1)或(2)的问题都不会产生。特别是在(2)的情况下，将会从助听器呈现不必要的大音量，可能损伤用户的耳朵。

调试的最初的步骤是听力图(audiogram)的测定。“听力图”是指对能够听到的纯音的最小声压进行的测定。例如，是针对多个频率的声音的每一个，根据频率(例如250Hz、500Hz、1000Hz、2000Hz、4000Hz)对该用户能够听清的最小的声压(分贝值)进行绘制而得到的图。

接着，基于作为用于根据听力图的结果来推定每个频率的放大量的函数的调试理论，决定每个频率的放大量。

但是，仅通过基于听力图和调试理论的调整，是否实现了使会话的听辨清晰度提高的最佳调试不得而知。作为其元音，可以列举例如听力图和会话的听辨能力不是一对一地对应、由于耳背者感到合适大小的声压的范围较窄因此难以调整等。

因此，佩戴用上述方法决定/调整后的助听器，来实施助听器适合性检查(例如，参照非专利文献1)。在助听器适合性检查的必须检查项目中，存在(1)语音清晰度曲线的测定、(2)环境噪声容忍程度的测定这两种。

在语音清晰度曲线的测定中，在佩戴助听器时和未佩戴助听器时(裸耳)，以55dB SPL(Sound pressure level，声压级)、65dB SPL、75dBSPL以及85dB SPL的声压呈现单音节的语音声音，并对每个声压的语音清晰度进行了绘制和比较。然后，只要与未佩戴时的情况相比在佩戴时清晰度提高则判定为适合。

该“语音清晰度”是指是否听清了单音节的语音声音的程度的指标。语音清晰度反映会话时的听辨的程度。“单音节的语音”是指一个元音、或者辅音和元音的组合(例如“あ”/“だ”/“レ”)。

语音清晰度通过以下的步骤来评价(例如非专利文献2)。首先，一个一个地再现日本听觉医学会所制定的67S式语言表(20个语音)的声音来让用户听。接着，让用户以发言或听写等方式来回答将所呈现的语音听成了哪个语音。然后，评价者对所呈现的语音和回答进行对照，计算全部20个语音中正确地听清的语音的比例即正确率。该正确率便是语音清晰度。

关于语音清晰度的评价方法，一直以来公开了各种技术。例如，在专利文献1中，公开了一种利用个人计算机(PC)自动地进行正误判定的语音清晰度评价方法。在专利文献1中，提出了如下方法，即利用PC对用户呈现单音节的声音，让用户通过鼠标或触笔(touch the pen to the display)来回答，并将回答作为PC的输入来接受，自动地进行所呈现的声音和回答输入的正误判定。通过用鼠标或触笔来接受回答输入，评价者不需要识别/解读用户的回答(发言或记录)，节省了评价者的时间。

此外，例如在专利文献2中，公开了一种在声音呈现后用文字来呈现相符合的语音的选项的语音清晰度评价方法。在专利文献2中，通过将选项缩小为数个，让用户从数个文字中选择相符合的语音，从而节省了用户搜索文字的时间。

另一方面，在环境噪声容忍程度的测定中，在同时呈现朗读音和环境噪声并让用户听取朗读音的情况下，对是否能够容忍环境噪声进行评价(非专利文献2)。具体来说，以65dB SPL来呈现朗读音，以55dB SPL来呈现环境噪声，让用户报告关于能否容忍环境噪声的主观印象。作为主观印象，让用户报告是在噪声下听取朗读音时可以使用助听器、还是在噪声下难以佩戴助听器。并且，将前者的情况判定为适合，将后者的情况判定为不适合。

在先技术文献

专利文献

专利文献1：JP特开平9-038069号公报

专利文献2：JP特开平6-114038号公报

非专利文献

非专利文献1：细井裕司等，“助听器适合性检查指南2008”，2008年

非专利文献2：小寺一兴，“助听器调试的见解”，诊断和治疗社，1999年，166页

发明内容

发明要解决的课题

但是，上述助听器适合性检查中，在语音清晰度曲线的测定中，仅基于语音清晰度来判定适合状态，而没有考虑在语音听取时用户是否感到嘈杂。因此，即使在语音听取时感到嘈杂的情况下，只要与未佩戴时相比在佩戴助听器时清晰度较高，则被评价为合适的助听处理。此外，在环境噪声容忍程度的测定中，评价了是否能够容忍环境噪声，而没有进行针对语音听取的嘈杂度的评价。在这些评价中，存在如下情况，即，即使是在语音听取时用户感到嘈杂、容易听累的助听处理，也判定为适合。语音听取时的嘈杂度，对于日常佩戴助听器的用户来说是负担。

本发明的目的在于，提供一种对与语音听取时的嘈杂度相关的用户状态进行评价的机制。

解决课题的手段

本发明的某实施方式的嘈杂度判定系统，具备：生物体信号计测部，其对用户的脑波信号进行计测；语音数据库，是保持多个单音节的语音的语音数据库，其针对各语音，将语音和与所述语音相对应的脑波信号的阴性成分的基准潜伏期建立对应；呈现语音决定部，其参照所述语音数据库，决定将呈现的单音节的语音；输出部，其向所述用户呈现被决定的所述语音；和嘈杂度判定部，其对以呈现了所述语音的时刻为起点的50ms以上350ms以下的范围内包含的所述脑波信号的阴性成分的峰值潜伏期、和与保持在所述语音数据库中的所被决定的所述语音相对应的基准潜伏期进行比较，来判定被输出的所述语音的嘈杂度。

语音数据库也可以根据所述语音中包含的辅音的长度或辅音的强度，将所述语音和与所述语音相对应的脑波信号的阴性成分的基准潜伏期建立对应。

所述嘈杂度判定部，也可以在所述阴性成分的峰值潜伏期比所述基准潜伏期小的情况下，判定所述声音信号对于所述用户来说嘈杂，在所述阴性成分的峰值潜伏期比所述基准潜伏期大的情况下，判定出所述声音信号对于所述用户来说不嘈杂。

所述嘈杂度判定系统，也可以还具备事件相关电位处理部，所述事件相关电位处理部按照规定的基准对所述脑波信号的事件相关电位进行加法运算，所述呈现语音决定部决定多个语音，所述输出部依次呈现被决定的所述多个语音，所述事件相关电位处理部，针对所述多个语音，对以所述语音的种类或呈现所述语音时的声压相同的语音被呈现的时刻为起点的所述脑波信号的事件相关电位进行加法运算，将进行所述加法运算后的结果输出到所述嘈杂度判定部。

所述嘈杂度判定部，作为所述峰值潜伏期，也可以采用以呈现了被决定的所述语音的时刻为起点的50ms以上350ms以下的范围内包含的所述脑波信号的阴性成分取最小电位的时刻、或者采用所述脑波信号和预先准备好的N1成分的波形的模板之间的一致度变得最高的情况下的、与所述模板建立了对应的峰值潜伏期。

所述事件相关电位处理部，也可以按每个辅音或者基准潜伏期的差比规定的值小的每个语音组来对事件相关电位进行加法运算。

所述嘈杂度判定系统，也可以还具备结果存储数据库，所述结果存储数据库存储表示与所述语音的嘈杂度相关的判定结果的信息，在所述结果存储数据库中，按照每个语音、每个辅音、或者基准潜伏期的差比规定的值小的每个语音组，存储有表示与所述语音的嘈杂度相关的判定结果的信息。

所述嘈杂度判定系统，也可以还具备助听处理部，所述助听处理部针对所呈现的所述语音选择助听处理的种类，并基于被选择的助听处理来对在所述语音数据库中保持的语音数据进行加工。

所述嘈杂度判定系统，也可以还具备切换部，所述切换部对计算每个用户的阴性成分的潜伏期的校正模式、和评价嘈杂度的评价模式进行切换，在所述校正模式下，所述切换部在所述呈现语音决定部中选择元音，并基于针对元音的所述阴性成分的潜伏期来计算每个语音的基准潜伏期，在切换为所述评价模式之后，所述切换部对所述阴性成分的峰值潜伏期和计算出的所述基准潜伏期进行比较。

在所述校正模式下，所述评价切换部，在所述呈现语音决定部中选择了元音的情况下，也可以将针对元音的N1成分的潜伏期设定为元音的基准潜伏期，并在元音的基准潜伏期上加上根据辅音部分的长度或强度而决定的正值，来计算每个辅音的基准潜伏期。

本发明的其他实施方式的助听处理系统，具备：语音数据库，是保持多个单音节的语音的语音数据库，其针对各语音，将语音和与所述语音相对应的脑波信号的阴性成分的基准潜伏期建立对应；呈现语音决定部，其参照所述语音数据库，决定将呈现的单音节的语音；嘈杂度判定部，其对由生物体信号计测部计测出的所述用户的脑波信号中、以所述语音通过输出部被呈现给用户的时刻为起点的50ms以上350ms以下的范围内包含的脑波信号的阴性成分的峰值潜伏期、和与保持在所述语音数据库中的所被决定的所述语音相对应的基准潜伏期进行比较，并输出比较结果；和助听处理部，其基于所述嘈杂度判定部所输出的、所述脑波信号的阴性成分的峰值潜伏期和与所述语音相对应的基准潜伏期的差，来调整所述语音。

本发明的其他实施方式的嘈杂度判定方法，包含如下步骤：对用户的脑波信号进行计测的步骤；参照将多个单音节的语音、和与所述语音相对应的脑波信号的阴性成分的基准潜伏期建立对应地保持的语音数据库，来决定将呈现的单音节的语音的步骤；向所述用户呈现所决定的语音的步骤；和对以呈现了所述语音的时刻为起点的50ms以上350ms以下的范围内包含的所述脑波信号的阴性成分的峰值潜伏期、和与保持在所述语音数据库中的所被决定的所述语音相对应的基准潜伏期进行比较，来判定被输出的所述语音的嘈杂度的步骤。

本发明的其他实施方式的计算机程序，由在语音听取的嘈杂度判定系统中设置的计算机来执行，所述计算机程序使安装在所述嘈杂度判定系统中的计算机执行如下步骤：接受用户的脑波信号的步骤；参照将多个单音节的语音、和与所述语音相对应的脑波信号的阴性成分的基准潜伏期建立对应地保持的语音数据库，来决定将呈现的单音节的语音的步骤；向所述用户呈现所被决定的语音的步骤；和对以呈现了所述语音的时刻为起点的50ms以上350ms以下的范围内包含的所述脑波信号的阴性成分的峰值潜伏期、和与保持在所述语音数据库中的所被决定的所述语音相对应的基准潜伏期进行比较，来判定所输出的所述语音的嘈杂度的步骤。

本发明的又一其他实施方式的嘈杂度判定系统，具备：生物体信号计测部，其对用户的脑波信号进行计测；声音输入部，其用于输入特定会话者所发出的声音信号，声音分析部，其检测输入了所述声音信号的定时来进行触发，并且对与所述声音的辅音部分的长度以及强度相关的特征进行分析；基准潜伏期推定部，其基于由所述声音分析部分析出的所述特征，来推定阴性成分的基准潜伏期；和嘈杂度判定部，其对以所述触发为起点的50ms以上350ms以下的范围内包含的所述脑波信号的阴性成分的峰值潜伏期、和由所述基准潜伏期推定部推定出的基准潜伏期进行比较来判定嘈杂度。

所述嘈杂度判定系统，也可以还具备文字输出部，所述文字输出部输出表示用于让所述特定会话者产生的语音的文字信息，将由所述特定会话者基于由所述文字输出部输出的文字信息而产生的声音信号输入到所述声音输入部。

所述文字输出部进一步输出与声压相关的信息，该声压表示所述特定会话者发出所述单音节的语音时的语音大小，将所述特定会话者基于由所述文字输出部输出的文字信息以及与声压相关的信息而发出的声音信号输入到所述声音输入部。

所述嘈杂度判定系统还具备呈现语音决定部，该呈现语音决定部参照预先准备的语音列表，来决定让所述特定会话者发出的语音，所述文字输出部，输出表示由所述呈现语音决定部决定的所述语音的文字信息。

所述基准潜伏期推定部，也可以基于由所述声音分析部分析出的所述特征、以及呈现语音决定部所决定的让所述特定会话者发出的语音，来推定所述阴性成分的基准潜伏期。

所述基准潜伏期推定部，也可以通过在预先准备的基准潜伏期上，加上基于所述声音的辅音长度或者辅音强度而决定的规定的正值，来推定所述阴性成分的基准潜伏期。

本发明的又一其他实施方式的嘈杂度判定方法，包含如下步骤：对用户的脑波信号进行计测的步骤；输入特定会话者所发出的声音信号的步骤；检测输入了所述声音信号的定时来进行触发，并且对与所述声音的辅音部分的长度以及强度相关的特征进行分析的步骤；基于在进行分析的所述步骤中分析出的所述特征，来对阴性成分的基准潜伏期进行推定的步骤；和对以所述触发为起点的50ms以上350ms以下的范围内包含的所述脑波信号的阴性成分的峰值潜伏期、和通过进行推定的所述步骤而推定出的基准潜伏期进行比较来判定嘈杂度的步骤。

发明效果

根据本发明，能够提供一种对与针对语音听取的嘈杂度相关的用户状态进行评价的机制。

附图说明

图1是表示脑波计测实验的实验步骤的概要的图。

图2是表示1次试行的步骤的流程图。

图3(a)是表示用噪声计测定出的每个条件的声压级的图，(b)是表示6个条件的每一个条件下的每个频率的增益调整量的图。

图4(a)是表示国际10-20法(10-20System)的电极位置的图。(b)是安装了脑波计的电极配置。

图5是表示用视觉模拟量表(visual analog scale)对嘈杂度进行了主观报告而得到的结果的图。

图6是表示按照每个与嘈杂度相关的主观评价，对以呈现了声音的时刻为起点的Pz上的事件相关电位进行了加法平均而得到的波形的图。

图7是在实验中所呈现的MF条件的声音波形。

图8是具有相同辅音的每个语音的加法平均波形的例子。

图9是表示具有相同辅音的每个语音的N1成分的潜伏期的声压所导致的变化、和基于现有研究的纯音的N1成分的潜伏期的声压所导致的变化的图。

图10是作为刺激而呈现的语音声音的辅音强度的例子，是表示与MF条件下的辅音部分相关的均方振幅的该时刻为止的和的图。

图11是表示辅音强度弱的辅音以及辅音强度强的辅音的各声音波形的例子的图。

图12是表示N1成分的潜伏期的比较结果、和嘈杂度判定结果的对应关系的图。

图13是表示实施方式1的语音听取的嘈杂度判定系统100的构成以及使用环境的图。

图14是表示实施方式1的语音听取的嘈杂度判定装置1的硬件构成的图。

图15是表示实施方式1的语音听取的嘈杂度判定系统100的功能模块的构成的图。

图16是表示语音DB71的例子的图。

图17是表示利用了实施方式1的方法的嘈杂度的判定结果存储的例子的图。

图18是表示利用了实施方式1的方法的嘈杂度的判定结果、和现有的语音清晰度曲线的结果之间的比较的图。

图19是表示在语音听取的嘈杂度判定系统100中进行的处理的步骤的流程图。

图20是表示每个单音节的单词的评价结果的一例的图。

图21是表示实施方式2的语音听取的嘈杂度判定系统200的功能模块的构成的图。

图22是表示利用了实施方式2的方法的嘈杂度的判定结果存储的例子的图。

图23是表示实施方式2的语音听取的嘈杂度判定系统200的处理步骤的流程图。

图24是表示实施方式3的语音听取的嘈杂度判定系统300的功能模块的构成的图。

图25是表示实施方式3的语音听取的嘈杂度判定系统300的处理步骤的流程图。

图26是表示实施方式4的语音听取的嘈杂度判定系统400的功能模块的构成的图。

图27是表示实施方式4的语音听取的嘈杂度判定装置4的硬件构成的图。

图28是表示实施方式4的语音听取的嘈杂度判定系统400的处理步骤的流程图。

具体实施方式

以下，参照附图，对本发明的语音听取的嘈杂度判定系统的实施方式进行说明。

本发明的语音听取的嘈杂度判定系统，用于利用脑波来评价用户在语音听取时的状态，即评价用户在语音听取时是否感到嘈杂。更具体来说，本系统用声音呈现单音节的语音，将以声音呈现为起点而计测出的用户脑波的事件相关电位作为指标，来评价语音听取的嘈杂度。

在此，对在本说明书中使用的语句进行说明。“事件相关电位(event-related potential：ERP)”是指作为脑波(electroencephalogram：EEG)的一部分的、与外在或者内在的事件在时间上相关联地产生的脑的短暂性的电位变动。此外，“呈现声音”是指输出听觉刺激(也称作“声音刺激”。)。例如，从扬声器输出声音。另外，扬声器的种类是任意的，既可以是设置在地板或架子上的扬声器，也可以是耳机型的扬声器。不过，为了正确地进行评价，扬声器必须能够以指定的声压正确地输出。此外“评价”也作为“判定”的意思来使用。

本申请发明者们，对语音清晰度评价以及评价时的用户状态详细地进行了分析，结果得出了需要评价表示对于用户来说感到嘈杂的程度的“嘈杂度”的见解。以下，具体地进行说明。

在语音清晰度评价中，按照每个语音，用能够听辨(○)/不能听辨(×)来评价是否能够对声音进行听辨。将能够听辨的语音的个数除以评价对象的语音数(67s式语言表的情况为20)来求出。因此，语音听取时的用户状态没有被反映在结果中。

但是，可以认为实际上存在舒适地实现了听辨的情况、和虽然实现了听辨但不舒服的情况。语音清晰度评价是在助听器销售商店实施的短时间的评价。用户是否感觉到嘈杂不是评价对象，因此只要不是无法忍受的嘈杂度，则即使稍微感到嘈杂用户也会忍耐来完成评价课题。

然而，在日常长时间佩戴助听器的情况下，长时间忍受嘈杂对于用户来说是负担。

鉴于这些状况，本申请发明者们认为，作为语音听取时的用户状态，应分为不需要“忍受嘈杂”的情况、和需要“忍受嘈杂”的情况来进行评价。嘈杂度是语音听取时的脑内的处理，因此有可能能够通过脑波的测定来评价。

1.实验概要

本申请发明者们，以实现语音听取的嘈杂度判定为目标，为了确定反映了嘈杂度的脑波特征成分而实施了以下的实验。

实施了如下脑波计测实验，即通过用声音呈现单音节的语音，并设定让用户联想与声音相对应的语音，以声音呈现为起点来计测事件相关电位。在实验中，让用户进行了与语音听取时的嘈杂度相关的主观报告。并且，基于与嘈杂度相关的主观报告，分别对事件相关电位进行了加法平均。另外，让用户联想与声音相对应的语音这一步骤，在嘈杂度判定中不是必须的。

结果，本申请发明者们发现，在以声音呈现为起点的事件相关电位中，伴随与声音对应的嘈杂度的增加，潜伏期约200ms的阴性成分(N1成分)的潜伏期变短。并且，发现了由于每个语音的辅音长度或辅音强度等特征的差异，N1成分的潜伏期不同。“潜伏期”是指以呈现了声音刺激的时刻为起点，到出现阳性成分或阴性成分的峰值为止的时间。

根据这些发现，本申请发明者们发现根据潜伏期约200ms的阴性成分(N1成分)的潜伏期能够判定语音听取的嘈杂度。通过本方法，作为语音听取的用户状态，能够按照每个语音客观、定量地实现是否感觉到嘈杂的评价。

以下，对这些更详细地进行说明。首先，说明本申请发明者们为了实现语音听取的嘈杂度判定而实施的脑波计测实验。之后，说明作为实施方式的、对语音听取的舒适性进行评价的语音听取的嘈杂度判定装置的概要以及包括语音听取的嘈杂度判定装置的语音听取的嘈杂度判定系统的构成以及动作。

2.脑波计测实验

在脑波计测实验中，调查了在声音呈现后获取的与嘈杂度相关的主观报告、和以声音为起点的事件相关电位之间的关系。以下，参照图1到图6，说明脑波计测实验的实验设定以及实验结果。

实验参加者是具有正常听力的大学生/研究生13名。

图1是脑波计测实验的实验步骤的概要。首先，在步骤A中呈现了单音节的声音。所呈现的声音的详细情况见后述。接着，在步骤B中，让参加者听声音并记录与听到的声音相对应的平假名。不改变呈现声音的条件，仅使语音的种类变化。将步骤A和B反复试行了5次。然后，在步骤C中，让参加者实施针对在步骤A中呈现的声音的、与嘈杂度等相关的主观评价。主观评价利用触控面板，用视觉模拟量表(100个等级评价)来进行。将上述的步骤A到步骤C作为一个1模块，反复进行了12个模块(共计60次试行)。按照每个模块使呈现声音的声压和变形的条件以随机的顺序变化。

图2是表示1个模块的步骤的流程图。

在步骤S11中，将单音节的声音呈现给实验参加者。

在步骤S12中，参加者听单音节的声音并联想相对应的文字。

在步骤S13中，参加者记录与所听到的声音相对应的文字。

在步骤S14中，对声音的呈现次数进行计数。到呈现次数为4次为止返回步骤S11。当呈现次数为5次时进入步骤S15，将呈现次数复位。

在步骤S15中，参加者针对在步骤S11中听到的声音回答主观评价。

作为刺激而呈现的语音声音，采用了容易听错的无声辅音中、由日本听觉医学会制定的67S式语言表所包含的8个音(キ、ク、シ、ス、タ、テ、ト、ハ)。为了针对具有正常听力的参加者操作嘈杂度，使用了对频率增益进行调整后的语音声音。“频率增益”是指多个频带中的每一个频带的增益(电路的增益、放大率)。

在频率增益的调整中，利用了3种声压(大：Large、中：Middle、小：Small)×2种变形(无：Flat、有：Distorted)共计6个条件。具体来说如以下的(1)～(6)。在本说明书中，例如，声压大且无变形取Large和Flat的首字母，称作LF条件等。

(1)LF(Large Flat)条件：作为声压大且容易听辨出来的声音，在所有的频带使增益提高了20dB。(2)LD(Large Distorted)条件：作为声压大但难以听辨的声音，以MD条件为基准整体提高了20dB。(3)MF(Middle Flat)条件：作为声压大且容易听辨的声音，没有进行频率增益的加工。(4)MD(Middle Distorted)条件：作为难以听辨的声音，对LF条件的声音将250Hz-16kHz的频率的增益渐渐调整(降低)到-30dB。(5)SF(Small Flat)条件：作为声压小但容易听辨出来的声音，在所有的频带使增益降低了20dB。(6)SD(Small Distorted)条件：作为声压小且难以听辨的声音，以MD条件为基准整体降低了20dB。

图3(a)表示声音和变形的6个条件的分类。此外，图3(b)表示每个频率的增益调整量。使高频带的频率增益降低的理由在于，为了模拟高龄重听的典型类型即高音重听型。声音刺激从频率特性平缓的扬声器来呈现。

脑波从头皮上的Fz、Cz、Pz、C3、C4(国际10-20法)、左右太阳穴、右眼上下开始，以右乳突(mastoid)为基准进行了记录。“乳突”是指耳朵背面的耳根下部的头盖骨的乳样突起。图4(a)表示国际10-20法(10-20System)的电极位置，图4(b)表示在本实验中安装了电极的电极配置。抽样频率为200Hz，时间常数为1秒。在脱机状态下施加0.05-20Hz的数字带通滤波器。作为针对声音呈现的事件相关电位，以呈现了声音的时刻为起点提取了-200ms到1000ms的波形。在此，“-200ms”是指在呈现声音的时刻的200毫秒前的时间点。

以下，对主观评价结果的分布和阈值的设定进行说明。

首先，示出主观评价的结果。基于主观评价结果，并基于通过后述的方法决定的每个参加者的阈值，进行了“嘈杂”/“不嘈杂”的标签设定。以下，将该主观评价的标签作为语音听取时的用户状态。

图5是与嘈杂度相关的每个参加者的主观评价的结果。横轴是主观评价值(视觉模拟量表的1到100)，纵轴是将度数分布除以全部试行次数而得到的比例(0到1)。在图5中示出了针对全部试行的比例。

图5中的实线是主观评价结果的分布，虚线表示对主观评价(“嘈杂”/“不嘈杂”)进行了分割的阈值。本申请发明者们按照每个人的评价结果(视觉模拟量表的1～100)的次序而决定了阈值。具体来说本申请发明者们对于个人之间的评价值的次序，从评价值较大的一方开始将3分之1作为“嘈杂”，将除此之外作为“不嘈杂”，而设定了阈值。其中，评价结果相同的评价作为相同的主观评价来处理。

以下，作为事件相关电位的结果，说明根据主观评价的结果进行了标签设定的、基于“嘈杂”/“不嘈杂”的基准进行了加法平均的结果。

图6表示在头顶部(Pz)以呈现了声音刺激的时刻为起点的事件相关电位。具体来说，图6是根据以上述方法进行了标签设定的“嘈杂”/“不嘈杂”的基准来区分并进行了总加法平均后的波形。加法平均基于上述计测实验的全部6个条件下的、每个模块的与嘈杂度相关的主观评价而进行。图6的横轴是时间、单位是ms，纵轴是电位、单位是μV。从图6中所示的量表(scale)可知，曲线的下方与正(阳性)相对应，上方与负(阴性)相对应。图6中所示的实线是“嘈杂”情况下的总加法平均波形，虚线是“不嘈杂”情况下的总加法平均波形。

根据图6可知，与“不嘈杂”的情况下的虚线相比，“嘈杂”情况下的实线上，在潜伏期约200ms引起的阴性成分(N1成分)的潜伏期较短。每个参加者的N1成分的潜伏期在“嘈杂”的情况下为195ms，在“不嘈杂”的情况下为240ms。对潜伏期进行了t检定的结果，看到了显著差异(p＜.05)。因此，可以得出与“不嘈杂”的情况相比在“嘈杂”的情况下潜伏期较短的结论。可以说，以进行了声音刺激的呈现(以下称作“声音呈现”)的时刻为起点的N1成分的潜伏期，反映了用户的主观的嘈杂度，可以作为语音听取时的嘈杂度的指标来利用。

另外，根据使用了纯音(短音(tone pip)、猝发音(tone burst))的现有研究，已知针对听觉刺激的N1成分的潜伏期以及振幅，根据声音刺激的强度和上升时间(rise time)而变化(铃木等，1985，听觉脑干反应-其基础和临床-参照pp384-385)。具体来说，伴随刺激音的强度的增大，潜伏期缩短，振幅(N1成分-P2成分的差的绝对值)增大。此外，伴随刺激音的上升时间的增大，振幅减小。

在本实验中作为听觉刺激使用了语音。图7表示在本实验中使用的、MF条件(8个语音：キ、ク、シ、ス、タ、テ、ト、ハ)的声音波形的例子。根据图7也可知，按照每个声音，辅音部分的长度/强度、元音部分的强度/上升时间不同。例如着眼于辅音部分的长度(辅音长度)。辅音长度是在产生开始时刻(0ms)后波形比较大地上升为止的时间长度。更具体来说，辅音长度是元音上升为止的时间长度。辅音长度在力行(キ/ク)为约80ms，在サ行(シ/ス)为约170ms，在タ行(タ/テ/ト)为约40ms，在ハ行(ハ)为130ms。此外，例如，辅音部分的强度，在サ行比力/タ/ハ行强。还可知这些行的每一行的声音波形有很大不同，另一方面，只要是相同的行则整体波形的特征相似。

另外，力行是指以k开头的语音。具体来说，是指ka、ki、ku、ke、ko。サ行是指以s开头的语音。具体来说，是指sa、si、su、se、so。タ行是指以t开头的语音。具体来说，是指ta、ti、tu、te、to。

根据现有研究中的与纯音刺激相关的见解，以及图7所示的每个语音的声音波形的差异，针对语音的N1成分的潜伏期/振幅有可能按照每个语音而不同。假设所呈现的语音声音的特征是N1成分的潜伏期变动的原因，那么N1成分的潜伏期与“嘈杂度”无关地变动。因此，有可能做出例如将不嘈杂的声音评价为嘈杂，或者将嘈杂的声音评价为不嘈杂这样的错误评价。

因此，本申请发明者们，按照声音波形的特征相似的每个相同行实施了加法平均。通过每行的加法平均，确保了N1成分的潜伏期的分析所需的一定的加法平均次数。然后，根据每行的加法平均波形的结果调查了声音刺激的特征的差异对N1成分的潜伏期产生的影响。另外，为了明确声压和N1成分潜伏期之间的关系，不管有无变形，都按照每个声压实施了加法平均。

图8(a)～(c)是每行的加法平均的结果的一例。图8(a)～(c)依次表示了タ行(タ/テ/ト)、ハ行(ハ)、サ行(シ/ス)的结果。图8的横轴是时间、单位是ms，纵轴是电位、单位是μV。

根据图8中所示的量表可知，曲线的下方与正(阳性)相对应，上方与负(阴性)相对应。图8中所示的粗实线是Large条件(85dB)的情况下的总加法平均波形，虚线是Middle条件(65dB)的情况下的总加法平均波形，细实线是Small条件(45dB)的情况下的总加法平均波形。图8中的○记号表示N1成分。N1成分例如取0ms到500ms的区间中的最小值。此外，在图8(a)到(c)中，为了表示声音波形与脑波在时间上的对应关系，对齐起点地表示了语音“タ”、“ハ”、“シ”的声音波形，来作为各自的行的代表。根据图8，可以看出在任意的行中，伴随声压的增大，N1成分的潜伏期缩短。此外，可知在图8(c)的Large条件下，在元音部分上升之前，N1成分取峰值。

图9表示通过本实验而得到的N1成分的潜伏期的、声压所导致的变化的一例。在图9中，还示出了基于现有研究的纯音声压所导致的变化。根据图9，关于(1)声音强度、以及(2)辅音长度，可以看出下述的特征。关于(1)声音强度，可知在任意的行中，伴随声压的增大，N1潜伏期都缩短。此外，关于(2)辅音长度，通过比较タ行的结果和ハ行的结果，可知N1成分的潜伏期根据辅音长度的不同而不同。

以下，关于上述的声音强度以及辅音长度分别进行考察。

首先，考察语音声音的声压增大所伴随的N1成分的潜伏期的减少特性。根据现有研究，已知在纯音中，对于同样的40dB的声压增大，N1成分的潜伏期仅缩短10ms。另一方面，利用本申请发明者们的实验结果对语音声音的声压增大所伴随的N1潜伏期的减少程度进行研究，看出了对于从45dB到85dB的40dB的声压增大，サ行/タ行/ハ行平均缩短约100ms。这说明纯音和语音的N1成分的减少特性不同。因此，可以说语音声音的声压增大所伴随的振幅减少特性在本申请发明者们所实施的实验中首次明确。

接着，考察与辅音长度相应的N1成分的潜伏期的减少特性。例如，如图7所示，タ行和ハ行的辅音长度分别为约40ms和约130ms，存在约90ms的差。Small条件下的タ行和ハ行的潜伏期为236ms和322ms，存在约90ms的差。因此，可以认为该N1成分是针对元音的上升而被引起的。另一方面，在与其他行相比辅音强度较强的サ行，辅音长度的影响不同。サ行的辅音长度为约170ms，与ハ行的辅音长度(约130ms)相比较长，而在全部的声压条件下N1成分的潜伏期在サ行比ハ行短。此外，サ行的Large条件下的N1成分的潜伏期为156ms，比サ行的辅音长度短。

根据这些结果，可以说在辅音长度的持续时间比规定时间(例如100ms程度)长，并且辅音强度强的情况下，针对辅音引起N1成分。

图10是作为刺激而呈现的语音声音的辅音强度的例子，表示MF条件下的与辅音部分相关的均方振幅的到该时刻为止的和。根据图10可知，在サ行，与其他语音相比，辅音部的强度较强。“辅音强度”是指，声音波形的辅音部分在时间段上的振幅的大小。辅音强度也可以根据例如辅音部分的振幅的均方值来求出。

此外，图11表示辅音强度较弱的辅音以及较强的辅音的各声音波形的例子。可以看出，与ザ行“ジ”/ラ行“リ”相比，マ行“モ”/ナ行“ネ”的辅音强度较强。另外，可以说，在サ行以外，对于例如マ行/ナ行/ヤ行/フ行/ガ行的语音，辅音强度较强。

因此，在辅音部分的强度较强的辅音的辅音部分没有引起N1成分，而仅在元音部分引起了N1成分的情况(N1成分的潜伏期比预想大幅延迟的情况)下，也可以判定为没有听清辅音部分。

以上，通过脑波计测实验可知，存在反映针对语音听取的用户关于嘈杂度的主观评价的脑波成分。具体来说，发现了嘈杂度反映于在潜伏期约200ms具有峰值的阴性电位。此外，发现了N1成分的潜伏期，由于声音波形的差异的影响，按照每个语音而不同。

上述头顶部(Pz)的、与嘈杂度相关的每个主观评价的、潜伏期约200ms的N1成分(图6)的潜伏期，例如也可以为在该区间取最小电位的时刻。此外，也可以根据典型的N1成分的波形建立模板，将该模板与计测波形的一致度最高的情况下的、模板的N1成分的峰值时刻作为潜伏期。另外，N1成分的潜伏期能够通过和与潜伏期相关的规定的阈值进行比较的方法等来识别。另外，阈值/模板既可以利用预先保持的典型的用户的阈值/模板，也可以按照每个人来建立。此外，在本次实验中，为了确认在以呈现了声音的时刻为起点的事件相关电位中出现反映了与嘈杂度相关的主观评价的成分，对13个参加者的数据进行了加法平均。但是，通过特征量提取的方法(例如波形的小波变换)或识别方法(例如支持向量机学习)的办法，即使通过非加法运算或数次程度的少次加法运算也能够识别阴性成分。

在本申请说明书中，为了定义事件相关电位的成分，将从某时间点开始起算的经过规定时间后的时刻，表述为例如“潜伏期约200ms”。这意味着可能包含以200ms这一特定的时刻为中心的范围。根据“事件相关电位(ERP)指南-以P300为中心”(加我君孝等编辑，篠原出版新社，1995)的30页中记载的表1，一般来说，在事件相关电位的波形中，按照每个人产生30ms到50ms的差异(偏差)。因此，“约Xms”或“接近Xms”这样的语句，意味着以Xms为中心，可能在其前后存在30到50ms的幅度(例如，300ms±30ms、750ms+50ms)。此外，如上所述，N1成分的潜伏期根据语音声音的特征的不同而变化。因此，至少包含辅音长度的变动部分(从0ms：元音到约200ms：辅音)，优选作为更宽的宽度、例如在前后约150ms程度的宽度来处理。因此，在本实施方式中，“潜伏期约200ms”是指包含在50ms以上350ms以下的范围内的潜伏期。

以上，通过本申请发明者们所实施的脑波计测实验可知，在以呈现了声音的时刻为起点的事件相关电位中，潜伏期约200ms的阴性成分(N1成分)反映嘈杂度。因此，能够以针对声音呈现(声音刺激)的事件相关电位为指标，实现语音听取时的与嘈杂度相关的主观评价。

图12表示由本申请发明者们总结的、N1成分的潜伏期与嘈杂度判定之间的对应关系。在N1成分的潜伏期比规定的阈值短的情况下判定为“嘈杂”。在N1成分的潜伏期比规定的阈值长的情况下判定为“不嘈杂”。

另外，一般来说，“阴性成分”是指比0μV小的电位。但是在本申请说明书中，为了识别是否感觉到“嘈杂”，将潜伏期比规定的阈值短的情况定义为”存在阴性成分”，将潜伏期比规定的阈值长的情况定义为“不存在阴性成分”。阈值的具体例见后述。

以下，说明本发明的实施方式所涉及的语音听取的嘈杂度判定系统。语音听取的嘈杂度判定系统，用声音依次呈现单音节的语音，基于以呈现了声音的时刻为起点的事件相关电位的潜伏期约200ms的阴性成分的潜伏期，来实现语音听取的嘈杂度判定。这是基于本申请发明者们的发现而首次实现的。

(实施方式1)

以下，首先说明语音听取的嘈杂度判定系统的概要。之后，说明包含语音听取的嘈杂度判定装置的语音听取的嘈杂度判定系统的构成以及动作。

本实施方式的语音听取的嘈杂度判定系统，依次呈现声音，并以每个声音呈现时刻为起点来计测事件相关电位。然后，检测潜伏期约200ms的阴性成分，判定语音听取的嘈杂度。

在本实施方式中，将试探电极设置在头顶部(Pz)，将基准电极设置在左右任意一方的乳突，计测作为试探电极与基准电极的电位差的脑波。另外，事件相关电位的特征成分的电平或极性，有可能根据安装脑波计测用的电极的部位、或基准电极以及试探电极的设定方式而改变。但是，只要基于以下的说明，本领域技术人员就能够根据当时的基准电极以及试探电极进行适当的变形，来检测事件相关电位的特征成分，并进行语音清晰度的评价。这种变形例属于本发明的范畴。

另外，在上述脑波计测实验的说明中，实验性地对具有正常听力的参加者使频率增益的强弱变化，再现了接近耳背者的听力状况的状况。但是，在对耳背者实施评价的情况下，没必要呈现难以听辨的语音。在本实施方式中，前提是根据预先测定出的耳背者的听力图，基于调试理论，呈现按照每个频率以最合适的增益调整后的声音。另外，在用户佩戴了助听器的状态下进行评价的情况下，不需要对所呈现的声音进行调整。

图13表示本实施方式的语音听取的嘈杂度判定系统100的构成以及利用环境。使该语音听取的嘈杂度判定系统100与后述的实施方式1的系统构成相对应地进行了例示。

语音听取的嘈杂度判定系统100具备：语音听取的嘈杂度判定装置1、声音输出部11、和生物体信号计测部50。生物体信号计测部50至少与2个电极A以及B连接。电极A粘贴于用户5的乳突，电极B粘贴在用户5的头皮上的头顶部(所谓Pz)。

语音听取的嘈杂度判定系统100，用某种声压的声音将单音节的语音呈现给用户5，在以声音呈现时刻为起点而计测出的用户5的脑波(事件相关电位)中对潜伏期约200ms的N1成分的潜伏期是否比规定的阈值短进行识别。然后，基于呈现声音和与该N1成分的潜伏期相关的识别结果，来判定在语音听取时用户是否感到嘈杂。

用户5的脑波基于电极A和电极B的电位差由生物体信号计测部50取得。生物体信号计测部50将与电位差相对应的信息(脑波信号)以无线或有线方式发送到语音听取的嘈杂度判定装置1。在图13中，示出了生物体信号计测部50以无线方式将该信息发送到语音听取的嘈杂度判定装置1的例子。

语音听取的嘈杂度判定装置1，进行用于语音听取的嘈杂度判定的声音的声压或声音的呈现定时的控制，并经由声音输出部11(例如扬声器)将声音呈现给用户5。

图14表示本实施方式的语音听取的嘈杂度判定装置1的硬件构成。语音听取的嘈杂度判定装置1具有CPU30、存储器31、和音频控制器32。它们通过总线34相互连接，能够相互进行数据的交换。

CPU30执行保存在存储器31中的计算机程序35。在计算机程序35中记述有后述的流程图所示的处理步骤。语音听取的嘈杂度判定装置1按照该计算机程序35，利用保存在相同的存储器31中的语音数据库(DB)71，进行对语音听取的嘈杂度判定系统100的整体进行控制的处理。该处理在后面详述。

音频控制器32按照CPU30的命令，分别生成应呈现的声音，并将所生成的声音信号以指定的声压输出到声音输出部11。

另外，语音听取的嘈杂度判定装置1也可以作为在1个半导体电路中嵌入了计算机程序的DSP等硬件来实现。这种DSP能够用1个集成电路实现上述的CPU30、存储器31、音频控制器32的全部功能。

上述的计算机程序35可以记录在CD-ROM等记录介质中来作为产品在市场上流通，或者也可以通过因特网等电气通信线路来传输。具备图14所示的硬件的设备(例如PC)，通过读入该计算机程序35，能够发挥本实施方式的语音听取的嘈杂度判定装置1的功能。另外，语音DB71也可以不保持在存储器31中，例如也可以保存在与总线34连接的硬盘(未图示)中。

图15表示本实施方式的语音听取的嘈杂度判定系统100的功能模块的构成。语音听取的嘈杂度判定系统100具有：声音输出部11、生物体信号计测部50、和语音听取的嘈杂度判定装置1。图15还示出了语音听取的嘈杂度判定装置1的详细功能模块。即，语音听取的嘈杂度判定装置1具备：事件相关电位处理部55、嘈杂度判定部65、呈现语音决定部70、语音DB71、和结果存储DB80。另外，用户5的模块是为了方便说明而示出的。

语音听取的嘈杂度判定装置1的各功能模块(除了语音DB7l)，分别通过执行与图14关联地进行了说明的程序，而与通过CPU30、存储器31、音频控制器32作为整体在每时每刻实现的功能相对应。

语音DB71是用于进行语音听取的嘈杂度判定的语音的数据库。图16示出例如将67S式语言表的20个语音作为检查语音来使用的情况下的语音DB71的例子。在图16所示的语音DB71中，除了所呈现的每个语音的声音文件、辅音标签之外，将每个语音的N1成分的基准潜伏期对应起来保持。每个语音的N1成分的基准潜伏期，优选为与语音所包含的辅音的长度或辅音的强度相对应的长度。声音文件既可以为例如与67S语言表的20个语音相关的标准的测试声音，也可以为收录了佩戴助听器主要进行会话的对象的声音的收录声音。所保存的声音，已经根据预先测定出的耳背者的听力图，基于某调试理论，完成了每个频率的增益调整(助听处理)。另外，所保存的语音的种类，除了67S式语言表的20个语音以外，也可以使用57S式语言表的50个音。辅音标签在用户5评价哪个辅音嘈杂度高时利用。

N1成分的基准潜伏期是考虑了语音声音的特征的差异的影响的、每个语音的N1成分的潜伏期的阈值(单位是ms)。在使用标准的测试声音的情况下，也可以使用在一般的用户感到嘈杂的声压下，按照每个语音计测出的N1成分的潜伏期。此外，不限于标准的测试声音，例如在使用录制了佩戴助听器主要进行会话的对象的声音的收录声音的情况下，例如也可以设定基于呈现语音的辅音长度和辅音强度而算出的值。通过比较该N1成分的基准潜伏期、和所计测出的N1成分的潜伏期，来判定嘈杂度。关于嘈杂度判定的方法见后述。

再次参照图15。呈现语音决定部70参照语音DB71，决定以哪个声压来呈现哪个语音。呈现语音例如也可以以随机的顺序来选择/决定。呈现语音的声压是对语音清晰度曲线测定的55dB SPL、65dB SPL、75dBSPL、85dB SPL的声音实施了助听处理后的声压。声压既可以从较小的声压开始依次变更为较大的声压，也可以反之。此外，也可以以随机的顺序选择声压。

呈现语音决定部70根据声音呈现时刻对生物体信号计测部50进行触发，以将所呈现的声音的内容发送到事件相关电位处理部55。

声音输出部11，通过再现由呈现语音决定部70决定的单音节的声音，来呈现给用户5。

生物体信号计测部50是对用户5的生物体信号进行计测的脑波计，对作为生物体信号的脑波进行计测。并且，对脑波数据进行与N1成分的提取相适应的截止频率的频率滤波，以被呈现语音决定部70触发为起点提取规定区间(例如-200ms到500ms的区间)的脑波的事件相关电位，并将其波形数据(脑波数据)发送到事件相关电位处理部55。N1成分的频率是10Hz程度。因此，在使用带通滤波器作为频率滤波器的情况下，例如也可以按照使脑波的5Hz到15Hz的成分通过的方式来进行设定。用户5预先安装了脑波计。脑波计测用的电极例如安装在头顶部的Pz。

事件相关电位处理部55根据从呈现语音决定部70接受的呈现声音的内容，进行从生物体信号计测部50接受的事件相关电位的加法运算。事件相关电位处理部55例如仅选择针对相同语音的声音呈现的事件相关电位，按照语音的每个种类进行事件相关电位的加法运算。在仅用相同语音对事件相关电位进行了加法运算的情况下能够进行每个语音的嘈杂度判定。语音声音的特征在具有相同辅音的语音中相似，因此加法运算也可以选择具有相同辅音的语音的事件相关电位来进行。此外，也可以对图16所示的N1成分的基准潜伏期的差小到例如10ms以内的语音进行分组来进行加法运算。在用具有相同辅音的语音进行了加法运算的情况下，能够按照辅音的每个种类，来进行语音听取的嘈杂度的评价。此外，在按照N1成分的基准潜伏期的差较小的每个语音进行了加法运算的情况下，能够进行其每个组的嘈杂度判定。通过每个辅音、N1成分的基准潜伏期的差较小的每个组的加法运算，能够分别得到某种程度上确保了加法运算次数的加法运算波形。此外，例如，作为计测脑波数据的特征，在事件相关电位处理部55中，也可以将N1成分作为信号来求出S(signal)/N(noise)。另外，虽然在上述实验中实施了事件相关电位的加法平均，但在仅着眼于N1成分的潜伏期的情况下不需要平均的处理。

事件相关电位处理部55将按照每个语音执行规定次数的加法运算而得到的脑波数据发送到嘈杂度判定部65。

嘈杂度判定部65从事件相关电位处理部55接受脑波数据，进行后述的解析处理。

嘈杂度判定部65基于从事件相关电位处理部55接受的脑波数据的潜伏期约200ms的N1成分的潜伏期，对用户是否感到嘈杂进行判定。例如，嘈杂度判定部65将在以被呈现语音决定部70触发为起点的50ms到350ms之间出现阴性电位的峰值的时刻(以下也称作“峰值潜伏期”。)作为N1成分的潜伏期，与保存在语音DB71中的规定的基准潜伏期(阈值)进行比较。并且，在N1成分的峰值潜伏期比规定的阈值短的情况下判定为“嘈杂”，将峰值潜伏期比规定的阈值小的情况判定为“不嘈杂”。在此，“嘈杂”是指，语音为用户感到不适的程度的较大的声压。“不嘈杂”是指，语音为用户不会感到过度嘈杂而不舒服的范围内的声压。另外，嘈杂度判定部65，不仅可以判定“嘈杂”和“不嘈杂”这2个值，也可以判定N1成分的峰值潜伏期与基准潜伏期的差。

例如在按照每个语音对嘈杂度进行判定的情况下，将每个语音的基准潜伏期作为规定的阈值。此外，在按照每个具有相同辅音的行对嘈杂度进行判定的情况下，也可以将每行的基准潜伏期作为规定的阈值，在按照基准潜伏期的差较小的每个组对嘈杂度进行判定的情况下，也可以将每个组的基准潜伏期作为规定的阈值。

结果存储DB80接受从呈现语音决定部70呈现的声音的信息。此外，结果存储DB80从嘈杂度判定部65接受每个语音的嘈杂度判定的结果的信息。然后，例如按照呈现声音的每个语音/每个声压，对所接受的嘈杂度的判定结果的信息进行存储。

图17是结果存储DB80中的数据存储的例子。在图17中，例示了按照每个语音/每个声压来对嘈杂度的信息进行存储的情况。例如图17中的“1”表示在嘈杂度判定部65中N1成分的潜伏期比基准潜伏期短而判定为“嘈杂”的情况，“0”表示N1成分的潜伏期比基准潜伏期长而判定为“不嘈杂”的情况。

图18(a)到(c)是语音清晰度曲线的测定结果(现有评价)、和除了现有评价之外本实施方式的语音听取的嘈杂度判定结果的例子。图18(a)是在佩戴时仅对呈现声音的每个声压的语音清晰度进行了评价的例子。该例子是通过现有的评价方法得到的评价结果。在该例子中，在65dBSPL以上的声压下，清晰度被评价为80％以上。因此，在与未佩戴时(在图18中未显示)相比语音清晰度提高了的情况下在助听器适合性检查中判定为适合。

图18(b)以及(c)是除了图18(a)所示的佩戴时的语音清晰度曲线的测定结果之外，还加上了本实施方式的嘈杂度判定的评价结果的例子。语音清晰度曲线通过发言或进行键盘输入等现有的方法另外进行了测定。

图18(b)以及(c)的清晰度相同，但嘈杂度判定的结果有很大不同。例如，在图18(b)中，嘈杂度的评价整体较低。因此，可以评价为用户很少感到嘈杂的助听处理。此外，例如，在图18(c)中，嘈杂度的评价整体较高，在65dB SPL以上的较大声压下尤其高。因此，可以评价为在日常会话的声压即65dB SPL下感到嘈杂的助听处理。根据这种评价，可以提出如下具体的调试步骤：例如在图18(b)的情况下，若用户进一步要求提高清晰度，则整体提高增益调整量，在图18(c)的情况下整体降低增益调整量，并进一步增强非线性放大中的压缩。

另外，在图18(b)、(c)中，仅示出了佩戴时的嘈杂度的评价，但也可以对未佩戴时(裸耳)进行嘈杂度评价，并在未佩戴时和佩戴时对嘈杂度进行比较。

接着，参照图19说明在图15的语音听取的嘈杂度判定系统100中进行的处理步骤。图19是表示在语音听取的嘈杂度判定系统100中进行的处理的步骤的流程图。

在步骤S101中，呈现语音决定部70参照语音DB71来决定呈现的单音节的语音和声压。声音输出部11以所决定的声压来向用户5呈现该语音。呈现语音决定部70对生物体信号计测部50进行触发，以向事件相关电位处理部55发送与所呈现的语音相关的声音信息。呈现的语音既可以从DB71中随机地选择，也可以集中地选择特定的辅音的语音。呈现语音的声压，例如是对语音清晰度曲线测定的55dB SPL、65dB SPL、75dBSPL、85dB SPL的声音实施了助听处理后的声压。声压的呈现顺序，既可以从较小的声压开始依次变更为较大的声压，也可以反之。此外，也可以以随机的顺序选择声压。

在步骤S102中，生物体信号计测部50被呈现语音决定部70触发而在所计测出的脑波中以触发为起点提取例如-200ms到500ms的事件相关电位。然后求出例如-200ms到0ms的平均电位，按照该平均电位成为0μV的方式，对所得到的事件相关电位进行基线校正。

另外，生物体信号计测部50在评价中不断计测脑波，并对脑波数据作用适合N1成分的提取的频率滤波器。适合的频率滤波器是指，例如使N1成分的中心频率10Hz周边的、5Hz到15Hz通过的带通滤波器。另外，在对脑波数据作用了例如5Hz以上的高通滤波器的情况下，几乎不受到低频的基线变化的影响，因此基线校正不是必须的。

在步骤S103中，事件相关电位处理部55对在步骤S102中提取的事件相关电位，基于从呈现语音决定部70接受的呈现语音的信息，按照每个语音/每个声压进行加法运算。虽然在本实施方式中按照每个语音/每个声压进行加法运算，但加法运算的对象不限于每个语音。例如，既可以根据语音的种类，例如按照每个辅音或基准潜伏期的差较小的语音的每个组来进行，也可以按照所呈现的每个声压来进行。即，在各语音基于语音的种类、辅音的种类、或基准潜伏期的差较小的组的至少一种而被分类时，事件相关电位处理部55只要对呈现了属于相同分类的语音时所得到的脑波信号的事件相关电位进行加法运算即可。

在步骤S104中，事件相关电位处理部55判定针对在步骤S101中呈现的语音的事件相关电位的加法运算次数是否到达了规定的加法运算次数。在加法运算次数为规定次数以下的情况下处理返回步骤S101，反复进行声音的呈现。在加法运算次数为规定次数以上的情况下，处理进入步骤S105。规定次数例如是20次。另外，“20次”是在计测事件相关电位的领域中大多被采用的加法运算次数，但这不过是一例。例如，在事件相关电位处理部55中，也可以将N1成分作为信号来求出S(signal)/N(noise)，并将S/N为一定以上的加法运算次数作为规定次数。

在步骤S105中，事件相关电位处理部55将进行了规定次数的加法运算的脑波数据发送到嘈杂度判定部65。

在步骤S106中，嘈杂度判定部65，求出从事件相关电位处理部55接受的脑波数据的N1成分的潜伏期，与从语音DB71接受的N1成分的基准潜伏期进行比较。脑波数据中的N1成分的潜伏期，是例如在0ms到500ms的区间电位最小的时刻。此外，在步骤S103中实施了每个语音/每个声压的加法运算的情况下，进行每个语音的基准潜伏期、和脑波数据中的N1成分的潜伏期之间的比较。

在步骤S107中，嘈杂度判定部65在脑波数据中的N1成分的潜伏期比基准潜伏期短的情况下，判定为用户5感到嘈杂。另一方面，在脑波数据中的N1成分的潜伏期比基准潜伏期长的情况下，判定为用户5感到不嘈杂。

在步骤S108中，结果存储DB80按照在步骤S101中呈现的每个语音/每个声压，来存储从嘈杂度判定部65接受的嘈杂度的判定结果的信息。

在步骤S109中，呈现语音决定部70判定是否在准备评价语音听取的嘈杂度的所有的语音/声压下完成了刺激呈现。在没有完成的情况下，处理返回步骤S101，在完成了的情况下结束语音听取的嘈杂度判定。

根据在结果存储DB80中存储的每个语音/每个声压的嘈杂度判定结果，能够提出更具体的调试步骤。例如，假设能够得到图18(b)所示的语音清晰度曲线的测定结果。在图18(b)中可以认为嘈杂度的评价整体较低。但是，若用户进一步要求提高清晰度，则只要整体提高增益调整量即可。由此，能够由该用户实现适当的调试。此外，也可以提出如下调试方式，即在能够得到图18(c)所示的语音清晰度曲线的测定结果的情况下，整体降低增益调整量，并进一步增强非线性放大中的压缩。

在本实施方式中，设定用声音呈现单音节的语音，通过使用以在该设定下呈现了声音的时刻为起点的事件相关电位的潜伏期约200ms的阴性成分的处理，对语音听取的嘈杂度进行了评价。通过上述处理，在语音听取时，能够实现关于用户感到了多大的嘈杂(嘈杂度)的判定。这意味着，能够以与语音清晰度不同的语音听取的嘈杂度为核心，来评价助听处理的适合度。因为能够以嘈杂度为核心来进行助听处理的评价，所以能够实现用户在语音听取时感觉不到嘈杂的、不容易听累的助听处理。

另外，本实施方式中的语音听取的嘈杂度判定装置1，如图14所示，通过使用了一般的硬件的、能够小型化的构成来实现。通过以能够携带的大小以及重量来构成嘈杂度判定装置1并由用户进行携带，从而能够在用户使用助听器的声音环境中对语音听取的舒适性进行评价。另外，在图13中声音输出部11采用了扬声器，但声音输出部11也可以为耳机。通过使用耳机，携带变得容易，能够在用户进行使用的环境中进行语音清晰度的评价。

在本实施方式中假设了对日语的评价来进行了说明。但是，只要是单音节的语音，则既可以为英语也可以为中国语。例如在英语的情况下，也可以呈现单音节的单词，并进行每个单词的评价。单音节的英语单词，是短时间的声音，由辅音和元音构成。因此，能够与上述的日语中的单音节语音大致相同地，基于辅音长度以及辅音强度，按照每个单词来决定基准潜伏期。

图20示出了按照每个单音节的单词对嘈杂度进行了评价的结果的一例。图20中的“1”表示用户感到了嘈杂，“0”表示没有感到嘈杂。

根据本实施方式的语音听取的嘈杂度判定系统100，用户只要听声音就能够实现在语音听取时感觉到了多大的嘈杂(嘈杂度)的判定。由此，在语音听取时用户所感到的“嘈杂度”被定量化，能够以嘈杂度为核心进行助听处理的评价，能够实现感觉不到嘈杂的、不容易听累的调试。

在本实施方式的说明中，生物体信号计测部50，以被呈现语音决定部70触发为起点，提取预先规定的范围的事件相关电位，进行基线校正并将电位波形的数据发送到事件相关电位处理部55。但是，该处理是一例。作为其他处理，例如，也可以由生物体信号计测部50持续地计测脑波，并由事件相关电位处理部55进行必要的事件相关电位的提取以及基线校正。若为该构成，则呈现语音决定部70不需要触发生物体信号计测部50，只要触发事件相关电位处理部55即可。

此外，在本实施方式中，嘈杂度判定的结果存储在结果存储DB80中，但也可以不存储。例如在将结果存储DB80设置在嘈杂度判定装置1的外部的情况下，只要输出嘈杂度判定部65的各判定结果即可。各判定结果可以作为与语音听取的嘈杂度相关的信息而被使用。

本实施方式所示的嘈杂度判定系统，根据声音呈现后的用户脑波的潜伏期约200ms(更具体来说是50ms到350ms)的阴性成分的潜伏期，针对语音听取判定感到了多大的嘈杂(嘈杂度)。此时，通过设定按照每个语音而不同的基准潜伏期，来与每个语音的例如辅音部分的长度(辅音长度)或辅音部分的强度(辅音强度)等特征无关地高精度地评价嘈杂度。通过针对语音听取的嘈杂度判定，能够选择用户不会感到嘈杂的、即使长时间佩戴助听器也不容易疲劳的助听处理。

(实施方式2)

在实施方式1的语音听取的嘈杂度判定系统100中，针对保存在语音DB71中的基于某一种助听处理而预先调整好的规定的声音，基于潜伏期约200ms的阴性成分的有无，对语音听取时的嘈杂度进行了判定。

但是，近年来，伴随信号处理的高精度化，实现例如辅音强调、指向性、降噪等功能的助听处理方法的开发不断发展，仅根据针对1种助听处理的嘈杂度判定的结果，来探索/确定最合适的助听处理是存在限度的。

因此，在本实施方式中，对如下的语音听取的嘈杂度判定系统进行说明，即设置将所呈现的语音声音加工为从助听器输出的声音的助听处理部，并对每种助听处理的嘈杂度进行评价。

图21表示本实施方式的语音听取的嘈杂度判定系统200的功能模块的构成。语音听取的嘈杂度判定系统200具有：声音输出部11、生物体信号计测部50、和语音听取的嘈杂度判定装置2。对与图15相同的模块附加相同的参照符号，并省略其说明。另外，语音听取的嘈杂度判定装置2的硬件构成，如图14所示。通过执行对与在实施方式1中说明了的程序35(图14)不同的处理进行规定的程序，来实现图21所示的本实施方式的语音听取的嘈杂度判定装置2。嘈杂度判定系统200也表述为助听处理系统。

本实施方式的语音听取的嘈杂度判定装置2，与实施方式1的语音听取的嘈杂度判定装置1较大的不同点在于，新设置了助听处理部90。另外，关于嘈杂度判定装置2的构成要素名，原则上使用了与实施方式1相同的名称，但在具有不同的动作以及/或者功能的情况下，使用不同的参照符号。例如，在本实施方式中，实施在实施方式1中没有进行的、多种助听处理中的每一种助听处理的嘈杂度判定，因此取代实施方式1所涉及的事件相关电位处理部55、呈现语音决定部70、语音DB71、结果存储DB80，在本实施方式中设置了事件相关电位处理部56、呈现语音决定部75、语音DB72、结果存储DB85。

以下，对语音DB72、呈现语音决定部75、助听处理部90、事件相关电位处理部56、结果存储DB85以及助听处理部90进行说明。

语音DB72，与实施方式1所涉及的语音DB71同样，是用于进行例如图16所示的67S式语言表的20个语音那样的语音听取的嘈杂度判定的语音数据库。与语音DB71同样，按照每个语音还保持有N1成分的基准潜伏期的信息。语音DB72与语音DB71的差异在于，语音DB72具有助听处理前的语音数据。

呈现语音决定部75与实施方式1所涉及的呈现语音控制部70同样地参照语音DB，来决定语音的种类和声压。呈现语音决定部75与呈现语音控制部70的差异在于，呈现语音决定部75选择以哪种助听处理来对声音进行加工，并将呈现语音的声音数据同时发送到助听处理部90。

助听处理部90基于从呈现语音决定部75接受的与助听处理选择相关的指示、和声音数据，以被指示的助听处理方法对声音数据进行加工。在助听处理中，例如有辅音强调、指向性、降噪等。在选择了辅音强调的助听处理的情况下，例如实施与通常相比提高辅音频率的增益放大量的处理，并对声音数据进行加工。另外，助听处理部90也可以基于嘈杂度判定部65的判定结果，对声音的增益放大量进行调整。例如，针对由嘈杂度判定部65判定为嘈杂的语音的声音数据，使规定的增益放大量降低。针对由嘈杂度判定部65判定为不嘈杂的语音的声音数据，不调整增益放大量。或者，也可以基于由嘈杂度判定部65判定出的、N1成分的峰值潜伏期与基准潜伏期的差，来决定增益放大量。例如，在N1成分的峰值潜伏期与基准潜伏期的差的大小，包含在预先规定的范围内的情况下，助听处理部90不调整增益放大量。N1成分的峰值潜伏期与基准潜伏期的差的大小、和预先规定的范围的上限值或下限值之差越大，则助听处理部90越减小增益放大量。

事件相关电位处理部56，与实施方式1所涉及的事件相关电位处理部55同样，根据从呈现语音决定部75接受的呈现声音的内容，来进行从生物体信号计测部50接受的事件相关电位的加法运算。事件相关电位处理部56和事件相关电位处理部55之间的差异在于，事件相关电位处理部56从呈现语音决定部75接受助听处理的信息，进行每个语音/每个声压/每种助听处理的加法运算。

结果存储DB85与实施方式1所涉及的结果存储DB80同样，例如按照每个语音/每个声压，存储基于从嘈杂度判定部65接受的N1成分的潜伏期的、嘈杂度判定结果的信息。结果存储DB85和结果存储DB80的差异在于，结果存储DB85从呈现语音决定部75除了接受呈现刺激的语音/声压的信息之外，还接受助听处理的种类的信息，并按照助听处理的每个种类来存储数据。

图22(a)以及(b)是结果存储DB85中的数据存储的例子。在图22中，例示了按照每个语音/每个声压/每种助听处理分别存储嘈杂度的判定结果的情况。图22(a)示出助听处理A的模式，图22(b)示出助听处理B的模式。分别示出了呈现助听处理后的语音的情况下的嘈杂度的评价结果。图22中的“1”表示在嘈杂度判定部65中，N1成分的潜伏期比基准潜伏期短而判定为用户5感到嘈杂的情况，“0”表示N1成分的潜伏期比基准潜伏期长而判定为用户5感到不嘈杂的情况。对图22的(a)和(b)进行比较，可以说在助听处理B的模式下进行了助听处理的(b)的情况下，“1”的数量较少，用户没有感觉到嘈杂。

接着，参照图23的流程图，说明在语音听取的嘈杂度判定系统200中进行的整体的处理步骤。

图23表示本实施方式的语音清晰度系统200的处理步骤。在图23中，对进行与语音听取的嘈杂度判定系统100的处理(图19)相同的处理的步骤附加相同的参照符号，并省略其说明。

本实施方式的语音听取的嘈杂度判定系统200的处理，与实施方式1的语音听取的嘈杂度判定系统100的处理的不同点在于，步骤S201、S202以及S203。在步骤S201中，呈现通过指定的助听处理加工后的单音节声音。在步骤S202中，按照每个语音/声压/助听处理进行加法运算。在步骤S203中，按照每个语音/每个声音/每种助听处理来存储结果。关于除此以外的步骤，已经与图19关联地进行了说明，因此省略说明。

在步骤S201中，呈现语音决定部75参照语音DB72来决定呈现的声音的种类和声压，并获取其数据。并且，呈现语音决定部75决定助听处理，将与助听处理的种类相关的信息和声音数据发送到助听处理部90。助听处理部90接受与由呈现语音决定部75决定的助听处理的种类相关的信息和声音数据，基于所指定的助听处理方法来对声音数据进行加工。声音输出部11将加工后的声音数据呈现给用户5。

在步骤S202中，事件相关电位处理部56接受从呈现语音决定部75接受的呈现语音的种类、声压、助听处理的信息，按照例如每个语音/每个声压/每种助听处理来对生物体信号计测部50所计测出的脑波的事件相关电位进行加法运算。

在步骤S203中，结果存储DB，按照从呈现语音决定部75接受的每个与呈现语音相关的信息(语音的种类、声压、助听处理)，来存储基于由嘈杂度判定部65判定出的N1成分的潜伏期的、嘈杂度的判定结果。结果存储的例子如图22所示。

通过这样的处理，例如，能够按照辅音强调、指向性、降噪等每种助听处理，来评价针对语音听取的舒适性。

另外，在本实施方式中，设想了对多个种类的进行了助听处理的声音进行混合，并以随机的顺序来呈现的情况，但也可以像例如在进行了助听处理A之后进行助听处理B时那样，按照助听处理的每个种类依次实施嘈杂度判定。若按照助听处理的每个种类来实施，则具有能够根据嘈杂度判定结果来变更下一个助听处理的参数的优势。

根据本实施方式的语音听取的嘈杂度判定系统200，能够评价每种助听处理的嘈杂度。由此，能够实现与助听器佩戴的目的、使用环境相匹配的助听处理的选择。

(实施方式3)

在实施方式1的语音听取的嘈杂度判定系统100中，在嘈杂度判定部65中，通过对一般用户的每个语音的N1成分的基准潜伏期、和计测出的脑波数据的N1成分的潜伏期进行比较，来实施了嘈杂度判定。

N1成分是被称作感应电位的事件相关电位的初始成分，可以认为与潜伏期/振幅相关的个体差异比较小。但是，在N1成分中并不是完全不存在潜伏期/振幅的个体差异。因此，在基于根据一般用户的每个语音的N1成分的潜伏期而求出的基准潜伏期来进行识别的情况下，想要更高精度地判定嘈杂度是存在限度的。

因此，在本实施方式中，在语音听取的嘈杂度判定之前，进行对每个用户的N1成分的基准潜伏期进行测定的校准，基于每个人的N1成分的特征来评价嘈杂度。由此，根据本实施方式，与实施方式1相比能够更高精度地判定嘈杂度。

图24表示本实施方式的语音听取的嘈杂度判定系统300的功能模块的构成。语音听取的嘈杂度判定系统300具有：声音输出部11、生物体信号计测部50、和语音听取的嘈杂度判定装置3。对与图15相同的模块附加相同的参照符号，并省略其说明。另外，语音听取的嘈杂度判定装置3的硬件构成，如图14所示。通过执行对与在实施方式1中说明了的程序35(图14)不同的处理进行规定的程序，来实现图24所示的本实施方式的语音听取的嘈杂度判定装置3。

本实施方式的语音听取的嘈杂度判定装置3，与实施方式1的语音听取的嘈杂度判定装置1较大的不同点在于，新设置了校正/评价切换部95以及基准潜伏期计算部96。此外，为了求出每个用户的针对各语音的N1成分的基准潜伏期，并基于该基准潜伏期来实施嘈杂度判定，而取代实施方式1的呈现语音决定部70、事件相关电位处理部55、语音DB71(图15)，设置了呈现语音决定部77、事件相关电位处理部57、语音DB73。

以下，对校正/评价切换部95、基准潜伏期计算部96、呈现语音控制部77、事件相关电位处理部57、语音DB73进行说明。

校正/评价切换部95切换用于对每个用户的针对各语音的N1成分的基准潜伏期进行确定的校正模式、和用于基于所确定的基准潜伏期和计测出的N1成分的潜伏期来进行嘈杂度判定的评价模式。并且，将表示当前模式的信息发送到呈现语音决定部77。另外模式的切换既可以在将针对各语音的基准潜伏期写入语音DB73的时间点来实施，也可以在用于对用户脑波的各语音对应的N1成分的基准潜伏期进行确定所需要的规定次数的语音呈现结束的时间点实施。

呈现语音决定部77，参照语音DB73，决定语音的种类和呈现声音的声压，并经由声音输出部11输出给用户5，与此同时，对生物体信号计测部50进行触发。此外，从校正/评价切换部95接受校正模式/评价模式的信息，并向事件相关电位处理部57发送声音信息和构成/评价模式的信息。呈现语音决定部77，根据从校正/评价切换部95接受的模式来切换动作。在校正模式的情况下，例如以规定的声压来呈现元音(没有辅音部分的单音节语音)的声音。通过呈现元音作为语音声音，能够确定不受辅音部分的影响的、按照每个用户成为基准的N1成分的潜伏期。规定的声压是用户能够听到声音的阈值以上的声压。例如也可以是用户感到“嘈杂”的声压。用户能够听到的声压/用户感到嘈杂的声压，例如既可以参考用户的听力图来决定，也可以预先通过主观评价来测定。在评价模式的情况下，与呈现语音控制部70同样地，以规定的声压呈现语音。

事件相关电位处理部57，与事件相关电位处理部55同样地，根据从呈现语音决定部77接受的呈现声音的内容，来进行从生物体信号计测部50接受的事件相关电位的加法运算。此外，事件相关电位处理部57，从呈现语音决定部77接受模式信息，并切换动作。在校正模式的情况下，例如按照每个元音实施加法运算，当规定次数的加法运算完成后，向基准潜伏期计算部96发送每个元音的加法运算波形。在评价模式的情况下，与事件相关电位处理部55同样地，向嘈杂度判定部65发送每个语音/每个声压的加法运算波形。

基准潜伏期计算部96，从事件相关电位处理部57接受每个元音的加法运算波形数据，求出潜伏期约200ms的N1成分的潜伏期。N1成分的潜伏期，例如是在潜伏期50ms到350ms电位成为最小的时刻。例如，在呈现语音决定部77中，在将声压设定为用户感到“嘈杂”的声压的情况下，将所求出的每个元音的N1成分的潜伏期，作为各元音的基准潜伏期。通过测定针对元音的N1潜伏期，能够根据每个元音的声音特征的差异，来按照每个元音求出N1成分的基准潜伏期。此外，包含辅音部分在内的辅音的基准潜伏期，通过在各元音的基准潜伏期上加上与辅音部分的特征相应的规定的正值来求出。规定的正值按照每个辅音来决定。例如，在辅音部分的强度较弱的辅音的情况下，也可以将辅音长度作为规定的正值。此外，例如，在辅音部分的强度较强的辅音的情况下，也可以将至辅音部分的强度成为规定的值以上为止的时间作为规定的正值。然后，将算出的结果写入语音DB73。

另外，与辅音相比元音的每个语音的声音特征的差较小，因此也可以对针对所有的元音的N1成分的潜伏期进行平均，作为元音的N1成分的基准潜伏期。此外，也可以仅对能够稳定地计测出N1成分的元音的潜伏期进行平均，作为元音的N1成分的基准潜伏期。

语音DB73，与图16中示出了一例的语音DB71同样，是用于进行语音听取的嘈杂度判定的语音的数据库。语音DB73和语音DB71的不同点在于，能够进行N1成分的基准潜伏期的改写。在由基准潜伏期计算部96改写N1成分的基准潜伏期之前，也可以按照每个语音保持表示没有设定基准潜伏期的0。

接着，参照图25的流程图，说明在语音听取的嘈杂度判定系统300中进行的整体的处理步骤。

图25表示本实施方式的语音清晰度系统300的处理步骤。在图25中，对进行与语音听取的嘈杂度判定系统100的处理(图19)相同的处理的步骤附加相同的参照符号，并省略其说明。

本实施方式的语音听取的嘈杂度判定系统300的处理，与实施方式1的语音听取的嘈杂度判定系统100的处理的不同点在于，步骤S301～S306。对于除此以外的步骤，已经与图19关联地进行了说明，因此省略说明。

在步骤S301中，校正/评价切换部95将当前的模式设定为校正模式，并将校正模式的信息发送到呈现语音决定部77。校正/评价切换部95也可以参照语音DB73，在N1成分的基准潜伏期的值为0的情况下选择构成模式。此外，也可以在规定次数的声音呈现结束之前设定为校正模式。另外，校正/评价的模式切换也可以通过助听器调试的专家或用户5的选择来实施。

在步骤S302中，呈现语音决定部77参照语音DB73，例如选择元音，并以规定的声压经由声音输出部11输出给用户5。规定的声压是指，用户能够听到声音的阈值以上的声压。例如也可以是用户感到“嘈杂”的声压。用户能够听到的声压/用户感到嘈杂的声压，例如也可以参考用户的听力图来决定。

在步骤S303中，事件相关电位处理部57对由生物体信号计测部50计测出的事件相关电位按照每个元音进行加法运算。

在步骤S304中，基准潜伏期计算部96，从事件相关电位处理部57接受每个元音的加法运算后的波形数据，求出潜伏期约200ms的N1成分的潜伏期。N1成分的潜伏期，例如是在潜伏期50ms到350ms电位成为最小的时刻。例如，在呈现语音决定部77中，在将声压设定为用户感到“嘈杂”的声压的情况下，将所求出的每个元音的N1成分的潜伏期作为元音的基准潜伏期。并且，包含辅音部分的辅音的基准潜伏期，在元音的基准潜伏期上加上与辅音部分的特征相应的规定的正值来求出。规定的正值，按照每个辅音来决定。例如，在辅音部分的强度较弱的辅音的情况下，也可以将辅音长度作为规定的正值。此外，例如，在辅音部分的强度较强的辅音的情况下，也可以将至辅音部分的强度成为规定的值以上为止的时间，作为规定的正值。

在步骤S305中，基准潜伏期计算部96将在步骤S304中算出的每个语音的N1成分的基准潜伏期写入语音DB73。

在步骤S306中，校正/评价切换部95，检测出在语音DB73中写入了N1成分的基准潜伏期的情况，进行从校正模式向评价模式的切换，并将评价模式的信息发送到呈现语音决定部77。模式的切换既可以在规定次数的声音呈现结束的阶段实施，也可以通过助听器调试的专家或用户5的操作输入来实施。

通过这样的处理，能够比较每个用户的针对各语音的N1成分的基准潜伏期、和计测出的脑波数据的N1成分的潜伏期，因此能够更高精度地评价语音听取的嘈杂度。

另外，在本实施方式中，在校正模式的情况下在呈现语音决定部77中选择元音，根据针对元音的N1成分的潜伏期，决定元音的基准潜伏期，并算出了辅音的基准潜伏期。这样一来，不需要算出针对全部语音的基准潜伏期，能够以短时间实施检查。但是，这只是一例。例如，也可以在校正模式下呈现嘈杂度判定对象的所有的语音，并针对所有的语音求出基准潜伏期。此外，例如，也可以在呈现语音决定部77中保持250Hz、500Hz、1kHz、2kHz、4kHz等在听力图中一般被测定的纯音，在校正模式下呈现纯音，并根据针对纯音的N1成分的潜伏期来算出每个语音的基准潜伏期。

根据本实施方式的语音听取的嘈杂度判定系统300，能够根据每个用户的脑波特征高精度地评价嘈杂度。由此，能够实现用户感觉不到嘈杂的、不会听累的助听处理。

另外，在上述的实施方式1～3中，说明了语音DB设置在语音听取的嘈杂度判定装置内的情况，但这不是必须的。语音DB也可以设置在例如经由网络与语音听取的嘈杂度判定装置连接的数据库服务器(未图示)或外部存储装置内。在此情况下，各实施方式的语音听取的嘈杂度判定系统，包含该数据库服务器或外部存储装置。

(实施方式4)

在实施方式1的语音听取的嘈杂度判定系统100中，在语音DB71中保持已收录的声音、和与该语音声音的特征相匹配的每个语音的N1成分的基准潜伏期，通过与计测出的脑波数据的N1成分的潜伏期进行比较来实施了嘈杂度判定。在已收录的声音中，例如有标准的测试声音、佩戴助听器主要进行会话的对象(以下称作“会话者A”。)的声音。针对会话者A所发出的声音进行的嘈杂度判定，是在日常生活中会话者A对用户说话的声音的评价，是很重要的。

但是，在嘈杂度判定之前，收录会话者A的声音，无论对于会话者A来说还是对于助听器调试的专家来说都很费事。

因此，在本实施方式中，对会话者A所发出的语音声音实时地进行分析，根据会话者A的语音声音的特征来推定用户5的N1成分的基准潜伏期，通过对推定出的基准潜伏期和计测出的脑波的N1成分的基准潜伏期进行比较，来评价嘈杂度。

图26表示本实施方式的语音听取的嘈杂度判定系统400的功能模块的构成。语音听取的嘈杂度判定系统400具有：文字输出部12、声音输入部41、生物体信号计测部50、和语音听取的嘈杂度判定装置4。对与图15相同的模块附加相同的参照符号，并省略其说明。

本实施方式的语音听取的嘈杂度判定系统400，与实施方式1的语音听取的嘈杂度判定系统100的不同点在于，新设置了声音输入部41，以及取代声音输出部11而设置了文字输出部12。语音听取的嘈杂度判定装置4，伴随这些构成要素的追加，具有与语音听取的嘈杂度判定装置1不同的功能。

文字输出部12是对会话者A输出语音的文字信息的显示装置，例如是液晶显示器。作为文字信息，呈现会话者A所发言的单音节的语音(例如“あ”、“だ”、“レ”)。此外，除了单音节的语音之外，也可以示出会话者A以多大声音来发言的与声压相关的信息。与声压相关的信息是指，例如“平时交谈的程度的大小”、“较大的声音”、“较小的声音”。

声音输入部41是对会话者A所发出的声音进行集音的麦克风。

关于语音听取的嘈杂度判定装置4见后述。

图27表示语音听取的嘈杂度判定装置4的硬件构成。对与图14所示的实施方式1相同的构成，附加同样的记号，并省略其说明。与图14的不同点在于，新具备了声音控制器46；取代音频控制器32具备了图形控制器45；以及从存储器31中去除了语音DB71。

声音控制器46对由会话者A发出并从声音输入部41输入的声音波形进行A/D变换，将所得到的声音数字数据发送到CPU30。

图形控制器45按照CPU30的命令，将所应呈现的语音的文字信息输出到文字输出部12。

声音波形的分析等、本实施方式的语音听取的嘈杂度判定装置4的处理，通过执行对与在实施方式1中说明了的程序35(图14)不同的处理进行规定的程序来实现。

再次参照图26。本实施方式的语音听取的嘈杂度判定装置4，与实施方式1的语音听取的嘈杂度判定装置1较大的不同点在于，新设置了声音分析部42、和基准潜伏期推定部43。此外，在本实施方式中，呈现语音决定部78以及嘈杂度判定部66决定会话者A所发出的语音的种类，求出针对会话者A所发出的语音声音的N1成分的基准潜伏期，并基于该基准潜伏期来实施嘈杂度判定。

以下，对呈现语音决定部78、声音分析部42、基准潜伏期推定部43、嘈杂度判定部66进行说明。

呈现语音决定部78参照预先准备好的、由自己保持着的语音列表，随机地决定会话者A所发出的语音，并经由文字输出部12输出给会话者A。然后，将所决定的语音的信息发送到事件相关电位处理部55以及基准潜伏期推定部43。语音列表既可以为例如67S语言表的20个语音，也可以为57S语言表的50个音。

声音分析部42从输入到声音输入部41的声音信息中，检测会话者A发出声音的定时，对与该声音的辅音长度、辅音强度、元音强度等相关的特征进行分析。然后，在检测出了会话者A的发声的定时对生物体信号计测部50进行触发。并且，向基准潜伏期推定部42发送与声音特征相关的信息。

基准潜伏期推定部43基于从声音分析部42接受的与声音特征相关的信息、和从呈现语音决定部78接受的语音信息，来推定针对该语音的N1成分的基准潜伏期。

嘈杂度判定部66与实施方式1的嘈杂度判定部65同样地，基于从事件相关电位处理部55接受的脑波数据的潜伏期约200ms的、N1成分的潜伏期，来判定用户是否感到嘈杂。例如，嘈杂度判定部66将潜伏期50ms到350ms的阴性电位的峰值的潜伏期，与基准潜伏期推定部43所推定出的基准潜伏期(阈值)进行比较。并且，在N1成分的峰值潜伏期比阈值短的情况下判定为“嘈杂”，将峰值潜伏期比规定的阈值小的情况判定为“不嘈杂”。

接着，参照图28的流程图，说明在语音听取的嘈杂度判定系统400中进行的整体的处理步骤。

图28表示本实施方式的语音清晰度系统400的处理步骤。在图28中，对进行与语音听取的嘈杂度判定系统100的处理(图19)相同的处理的步骤附加相同的参照符号，并省略其说明。

本实施方式的语音听取的嘈杂度判定系统400的处理，与实施方式1的语音听取的嘈杂度判定系统100的处理的不同点在于，步骤S401～S407。关于除此以外的步骤，已经与图19关联地进行了说明，因此省略说明。

在步骤S401中，呈现语音决定部78参照呈现语音决定部78所保持的语音列表，随机地决定让会话者A发出的语音的种类，并将所决定的语音经由文字输出部12输出给会话者A。

在步骤S402中，声音分析部42根据被输入到声音输入部41的声音信息，检测会话者A发出了声音的定时，并在所检测出的定时对发送到生物体信号计测部50进行触发。

在步骤S403中，声音分析部42对与根据被输入到声音输入部41的声音信息而检测出的声音的辅音长度/辅音强度/元音强度等相关的特征进行分析。然后，向基准潜伏期推定部43发送分析结果。

在步骤S404中，基准潜伏期推定部43基于从声音分析部42接受的与声音特征相关的信息、和从呈现语音决定部78接受的语音信息，来推定针对该语音的N1成分的基准潜伏期。基准潜伏期，是在规定的基准潜伏期上，加上基于声音的辅音长度或者辅音强度的规定的正值来进行推定的。规定的基准潜伏期也可以设为例如在90dB SPL下听元音时的一般用户的平均的N1成分的潜伏期。具体来说，也可以设为100ms。此外，规定的正值按照每个辅音来决定。例如，在辅音部分的强度较弱的辅音的情况下，也可以将在声音分析部42中分析出的辅音长度作为规定的正值。此外，例如，在辅音部分的强度较强的辅音的情况下，也可以将至在声音分析部42中分析出的辅音部分的强度或者辅音部分的特定频率的强度成为规定的值以上为止的时间，作为规定的正值。辅音强度的强弱也可以基于从呈现语音决定部78接受的语音信息来决定。然后，将推定出的基准潜伏期发送到嘈杂度判定部66。

在步骤S405中，事件相关电位处理部55将从呈现语音决定部70接受的呈现声音的内容、和从生物体信号计测部50接受的事件相关电位，发送到嘈杂度判定部66。

在步骤S406中，嘈杂度判定部66基于从事件相关电位处理部55接受的脑波数据的潜伏期约200ms的、N1成分的潜伏期，来判定用户是否感到嘈杂。例如，嘈杂度判定部65对潜伏期50ms到350ms的阴性电位的峰值的潜伏期、和从基准潜伏期推定部43接受的基准潜伏期进行比较。并且，在N1成分的峰值潜伏期比基准潜伏期短的情况下判定为“嘈杂”，将峰值潜伏期比基准潜伏期小的情况判定为“不嘈杂”。

在步骤S407中，结果存储DB80从呈现语音决定部77接受语音的种类，从嘈杂度判定部66接受嘈杂度判定的结果的信息。然后，例如按照每个语音来存储嘈杂度的判定结果的信息。

通过这样的处理，能够对会话者A所发出的声音的特征进行分析，按照每个声音特征来推定N1成分的基准潜伏期，并对推定出的N1成分的基准潜伏期和计测出的脑波数据的N1成分的潜伏期进行比较。另外，在让会话者A自由地发出单音节的语音，并在声音分析部42中进行声音识别的情况下，也可以没有呈现语音决定部78以及文字输出部12。

根据本实施方式的语音听取的嘈杂度判定系统400，能够利用会话者A所发出的声音，实时地实现语音听取的嘈杂度判定。由此，能够实现会话者A以及助听器调试的专家不费事、并且用户感觉不到嘈杂的、不会听累的助听处理。

此外，在本实施方式中，声音分析部42也可以不对生物体信号计测部50进行触发，而对事件相关电位处理部55进行触发。此时，也可以由生物体信号计测部50持续计测脑波，并由事件相关电位处理部55进行必要的事件相关电位的提取以及基线校正。

在上述实施方式中，说明了例如由嘈杂度判定部进行“判定”这一动作，由呈现语音决定部进行“决定”这一动作。但是这些动作是为了便于人们理解的表达方式，并不意味着装置积极地进行“判定”并将“决定”的内容输出到外部。作为装置的一个构成要素的“嘈杂度判定部”或“呈现语音决定部”，只要在满足了规定的条件时，进行规定的处理即可。

例如，嘈杂度判定部，在脑波数据中的N1成分的潜伏期比基准潜伏期短的情况下，只要以用户感到了嘈杂这一分类来存储该结果即可，此外在脑波数据中的N1成分的潜伏期比基准潜伏期长的情况下，只要以用户感到不嘈杂这一分类来存储该结果即可。此外，呈现语音决定部参照语音DB，以随机的顺序选择语音，并以随机的顺序选择声压，使其输出到声音输出部即可。请留意，只不过是利用“判定”或“决定”这种表达方式来对这些处理进行了说明。

上述的说明，在将本申请发明的处理作为方法来实施的情况下也是同样。

工业实用性

本发明的语音听取的嘈杂度判定装置以及嵌入了语音听取的嘈杂度判定装置的语音听取的嘈杂度判定系统，除了能否实现了语音听辨的清晰度之外，还能够基于语音听取时的脑波，定量地进行语音听取的嘈杂度判定。由此，能够选择用户不会感觉到嘈杂，且不会听累的助听处理，因此在所有的助听器用户的调试中都能够利用。

符号说明

1、2、3、4    语音听取的嘈杂度判定装置

5   用户

11  声音输出部

12  文字输出部

41  声音输入部

42  声音分析部

43  基准潜伏期推定部

50  生物体信号计测部

55、56、57   事件相关电位处理部

65、66  嘈杂度判定部

70、75、77、78  呈现语音决定部

71、72、73  语音DB

80、85  结果存储DB

90  助听处理部

95  评价切换部

96  基准潜伏期计算部

100、200、300、400  语音听取的嘈杂度判定系统

Claims (20)

1.一种嘈杂度判定系统，具备：

生物体信号计测部，其对用户的脑波信号进行计测；

语音数据库，是保持多个单音节的语音的语音数据库，其针对各语音，将语音和与所述语音相对应的脑波信号的阴性成分的基准潜伏期建立对应；

呈现语音决定部，其参照所述语音数据库，决定将呈现的单音节的语音；

输出部，其向所述用户呈现被决定的所述语音；和

嘈杂度判定部，其对在以呈现了所述语音的时刻为起点的50ms以上350ms以下的范围内包含的所述脑波信号的阴性成分的峰值潜伏期、和与保持在所述语音数据库中的所被决定的所述语音相对应的基准潜伏期进行比较，来判定被输出的所述语音的嘈杂度。

2.根据权利要求1所述的嘈杂度判定系统，其中，

语音数据库根据所述语音中包含的辅音的长度或辅音的强度，将所述语音和与所述语音相对应的脑波信号的阴性成分的基准潜伏期建立对应。

3.根据权利要求1所述的嘈杂度判定系统，其中，

所述嘈杂度判定部，在所述阴性成分的峰值潜伏期比所述基准潜伏期小的情况下，判定出所述声音信号对于所述用户来说嘈杂，在所述阴性成分的峰值潜伏期比所述基准潜伏期大的情况下，判定出所述声音信号对于所述用户来说不嘈杂。

4.根据权利要求1所述的嘈杂度判定系统，其中，

所述嘈杂度判定系统还具备事件相关电位处理部，所述事件相关电位处理部按照规定的基准对所述脑波信号的事件相关电位进行加法运算，

所述呈现语音决定部决定多个语音，

所述输出部依次呈现被决定的所述多个语音，

所述事件相关电位处理部，针对所述多个语音，对以所述语音的种类或呈现所述语音时的声压相同的语音被呈现的时刻为起点的所述脑波信号的事件相关电位进行加法运算，将进行所述加法运算后的结果输出到所述嘈杂度判定部。

5.根据权利要求1所述的嘈杂度判定系统，其中，

所述嘈杂度判定部，采用在以呈现了被决定的所述语音的时刻为起点的50ms以上350ms以下的范围内包含的所述脑波信号的阴性成分取最小电位的时刻作为所述峰值潜伏期，或者采用在所述脑波信号和预先准备好的N1成分的波形的模板之间的一致度变得最高的情况下的、与所述模板建立了对应的峰值潜伏期作为所述峰值潜伏期。

6.根据权利要求5所述的嘈杂度判定系统，其中，

所述事件相关电位处理部，按照每个辅音或者基准潜伏期的差比规定的值小的每个语音组来对事件相关电位进行加法运算。

7.根据权利要求1所述的嘈杂度判定系统，其中，

所述嘈杂度判定系统还具备结果存储数据库，所述结果存储数据库存储表示与所述语音的嘈杂度相关的判定结果的信息，

在所述结果存储数据库中，按照每个语音、每个辅音、或者基准潜伏期的差比规定的值小的每个语音组，存储有表示与所述语音的嘈杂度相关的判定结果的信息。

8.根据权利要求1所述的嘈杂度判定系统，其中，

所述嘈杂度判定系统还具备助听处理部，所述助听处理部针对所呈现的所述语音选择助听处理的种类，并基于被选择的助听处理来对在所述语音数据库中保持的语音数据进行加工。

9.根据权利要求1所述的嘈杂度判定系统，其中，

所述嘈杂度判定系统还具备切换部，所述切换部对计算每个用户的阴性成分的潜伏期的校正模式、和评价嘈杂度的评价模式进行切换，

在所述校正模式下，所述切换部在所述呈现语音决定部中选择元音，并基于针对元音的所述阴性成分的潜伏期来计算每个语音的基准潜伏期，

在切换为所述评价模式之后，所述切换部对所述阴性成分的峰值潜伏期和所计算出的所述基准潜伏期进行比较。

10.根据权利要求9所述的嘈杂度判定系统，其中，

在所述校正模式下，所述评价切换部，在所述呈现语音决定部中选择了元音的情况下，将针对元音的N1成分的潜伏期设定为元音的基准潜伏期，并在元音的基准潜伏期上加上根据辅音部分的长度或强度而决定的正值，来计算每个辅音的基准潜伏期。

11.一种助听处理系统，具备：

语音数据库，是保持多个单音节的语音的语音数据库，其针对各语音，将语音和与所述语音相对应的脑波信号的阴性成分的基准潜伏期建立对应；

呈现语音决定部，其参照所述语音数据库来决定将呈现的单音节的语音；

嘈杂度判定部，其对由生物体信号计测部计测出的所述用户的脑波信号中、以所述语音通过输出部被呈现给用户的时刻为起点的50ms以上350ms以下的范围内包含的脑波信号的阴性成分的峰值潜伏期、和与保持在所述语音数据库中的所被决定的所述语音相对应的基准潜伏期进行比较，并输出比较的结果；和

助听处理部，其基于所述嘈杂度判定部所输出的、所述脑波信号的阴性成分的峰值潜伏期和与所述语音相对应的基准潜伏期的差，来调整所述语音。

12.一种嘈杂度判定方法，包含如下步骤：

对用户的脑波信号进行计测的步骤；

参照将多个单音节的语音、和与所述语音相对应的脑波信号的阴性成分的基准潜伏期建立对应地保持的语音数据库，来决定将呈现的单音节的语音的步骤；

向所述用户呈现所决定的语音的步骤；和

对以呈现了所述语音的时刻为起点的50ms以上350ms以下的范围内包含的所述脑波信号的阴性成分的峰值潜伏期、和与保持在所述语音数据库中的所被决定的所述语音相对应的基准潜伏期进行比较，来判定所被输出的所述语音的嘈杂度的步骤。

13.一种计算机程序，其由设置在语音听取的嘈杂度判定系统中的计算机来执行，

所述计算机程序使安装在所述嘈杂度判定系统中的计算机执行如下步骤：

接受用户的脑波信号的步骤；

参照将多个单音节的语音、和与所述语音相对应的脑波信号的阴性成分的基准潜伏期建立对应地保持的语音数据库，来决定将呈现的单音节的语音的步骤；

向所述用户呈现被决定的语音的步骤；和

对以呈现了所述语音的时刻为起点的50ms以上350ms以下的范围内包含的所述脑波信号的阴性成分的峰值潜伏期、和与保持在所述语音数据库中的所被决定的所述语音相对应的基准潜伏期进行比较，来判定被输出的所述语音的嘈杂度的步骤。

14.一种嘈杂度判定系统，具备：

生物体信号计测部，其对用户的脑波信号进行计测；

声音输入部，其用于输入特定会话者所发出的声音信号，

声音分析部，其检测输入所述声音信号的定时来进行触发，并且对与所述声音的辅音部分的长度以及强度相关的特征进行分析；

基准潜伏期推定部，其基于由所述声音分析部分析出的所述特征，来推定阴性成分的基准潜伏期；和

嘈杂度判定部，其对以所述触发为起点的50ms以上350ms以下的范围内包含的所述脑波信号的阴性成分的峰值潜伏期、和由所述基准潜伏期推定部推定出的基准潜伏期进行比较来判定嘈杂度。

15.根据权利要求14所述的嘈杂度判定系统，其中，

所述嘈杂度判定系统还具备文字输出部，所述文字输出部输出表示用于让所述特定会话者发出的语音的文字信息，

将所述特定会话者基于由所述文字输出部输出的文字信息所发出的声音信号输入到所述声音输入部。

16.根据权利要求15所述的嘈杂度判定系统，其中，

所述文字输出部进一步输出与声压相关的信息，该声压表示所述特定会话者发出所述单音节的语音时的语音大小，

将所述特定会话者基于由所述文字输出部输出的文字信息以及与声压相关的信息而发出的声音信号输入到所述声音输入部。

17.根据权利要求15所述的嘈杂度判定系统，其中，

所述嘈杂度判定系统还具备呈现语音决定部，该呈现语音决定部参照预先准备的语音列表，来决定让所述特定会话者发出的语音，

所述文字输出部，输出表示由所述呈现语音决定部决定的所述语音的文字信息。

18.根据权利要求17所述的嘈杂度判定系统，其中，

所述基准潜伏期推定部，基于由所述声音分析部分析出的所述特征、以及呈现语音决定部所决定的让所述特定会话者发出的语音，来推定所述阴性成分的基准潜伏期。

19.根据权利要求17所述的嘈杂度判定系统，其中，

所述基准潜伏期推定部，通过在预先准备的基准潜伏期上，加上基于所述声音的辅音长度或者辅音强度而决定的规定的正值，来推定所述阴性成分的基准潜伏期。

20.一种嘈杂度判定方法，包含如下步骤：

对用户的脑波信号进行计测的步骤；

输入特定会话者所发出的声音信号的步骤；

检测输入了所述声音信号的定时来进行触发，并且对与所述声音的辅音部分的长度以及强度相关的特征进行分析的步骤；

基于在所述进行分析的步骤中分析出的所述特征，来对阴性成分的基准潜伏期进行推定的步骤；和

对以所述触发为起点的50ms以上350ms以下的范围内包含的所述脑波信号的阴性成分的峰值潜伏期、和通过所述进行推定的步骤而推定出的基准潜伏期进行比较来判定嘈杂度的步骤。

Images