CN104053112B - 一种助听器自验配方法 - Google Patents

一种助听器自验配方法 Download PDF

Info

Publication number
CN104053112B
CN104053112B CN201410292892.7A CN201410292892A CN104053112B CN 104053112 B CN104053112 B CN 104053112B CN 201410292892 A CN201410292892 A CN 201410292892A CN 104053112 B CN104053112 B CN 104053112B
Authority
CN
China
Prior art keywords
parameter
hearing aid
current patents
aid algorithms
current
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201410292892.7A
Other languages
English (en)
Other versions
CN104053112A (zh
Inventor
梁瑞宇
王青云
唐闺臣
吕晓敏
马安骏
房徐琪
仇晓梅
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Nanjing Tianyue Electronic Technology Co Ltd
Original Assignee
Nanjing Institute of Technology
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Nanjing Institute of Technology filed Critical Nanjing Institute of Technology
Priority to CN201410292892.7A priority Critical patent/CN104053112B/zh
Publication of CN104053112A publication Critical patent/CN104053112A/zh
Application granted granted Critical
Publication of CN104053112B publication Critical patent/CN104053112B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
    • G16H20/30—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to physical therapies or activities, e.g. physiotherapy, acupressure or exercising
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/70—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for mining of medical data, e.g. analysing previous cases of other patients

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • Medical Informatics (AREA)
  • General Health & Medical Sciences (AREA)
  • Epidemiology (AREA)
  • Primary Health Care (AREA)
  • Data Mining & Analysis (AREA)
  • Physical Education & Sports Medicine (AREA)
  • Biophysics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biomedical Technology (AREA)
  • Databases & Information Systems (AREA)
  • Pathology (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)

Abstract

本发明公开了一种助听器自验配方法，该方法首先建立知识库，找出与当前患者最相似的历史患者，获得该历史患者的最优化助听器算法参数，然后当前患者对声音质量进行满意度评估，根据评价指标迭代更新助听器算法参数，并与知识库进行交互，然后根据更新的助听器算法参数生成测试声音给当前患者，直到当前患者满意为止。本发明引入知识库，极大地缩小了助听器算法参数匹配范围，显著提高了助听器验配效率；根据评价指标迭代更新助听器算法参数，最大限度的满足当前患者对助听器的期望值，提高了助听器算法参数的精确性。

Description

一种助听器自验配方法
技术领域
本发明涉及一种音频信号处理的方法，特别是涉及一种涉及助听器的自验配的方法。
背景技术
听力损失会严重影响听障患者的身心健康，佩戴助听器是目前听障患者改善听力最有效的手段。在中国，庞大的老龄听损人口、落后的助听器技术、以及汉语与英语本身的差异性，都使得汉语数字助听器技术研究面临严峻的挑战。
传统的助听器验配主要依靠听力专家对患者问题的解读，然后转化为正确的助听器电声特征。由于，助听器的类型及其信号处理的参数的数量不断增加，对听力专家的技能要求越来越高，已成为制约助听器使用的重要因素之一。使用智能信息处理算法来替代听力专家的作用成为一种研究趋势。Durant等人(2004)将遗传算法用在回波抵消的多参数优化上。在遗传算法基础上，Takagi等人(2007)采用交互式进化计算方法初步实现用户自验配方式，但是遗传算法的收敛速度慢，稳定性差，影响了算法的实用性。在自验配技术上，Elizabeth等人(2011)详细介绍了这一理念，并分析了其目前存在的问题，同时指出自验配过程能包含个人认知能力的影响，但是并没有提出实际的解决方法。
由此可见，上述现有的助听器验配方法，显然仍存在有不便与缺陷，而亟待加以进一步改进。为了解决助听器验配方法存在的问题，相关领域技术人员莫不费尽心思来谋求解决之道，但长久以来一直未见适用的方法被发展完成，而一般现有的助听器验配又不能适切的解决上述问题，此显然是相关业者急欲解决的问题。
发明内容
本发明的目的在于克服现有技术中的不足，提供一种助听器自验配方法，解决现有技术中助听器验配方法效率低下、精确度低，难以满足患者需求的技术问题。
为解决上述技术问题，本发明所采用的技术方案是：一种助听器自验配方法，包括以下步骤：
步骤一：建立知识库：知识库中包含历史患者的个人信息和与历史患者匹配的最优化助听器算法参数；
步骤二：查找最优化助听器算法参数：将当前患者个人信息输入知识库，并与知识库中历史患者的个人信息进行匹配，找出与当前患者最相似的历史患者，获得该历史患者的最优化助听器算法参数；
步骤三：当前助听器声音测试：将步骤二中获得的历史患者的最优化助听器算法参数或步骤四更新的助听器算法参数输入当前助听器，并将生成的测试声音提供给当前患者，当前患者对声音质量进行满意度评估；
步骤四：验配结果判定：若当前患者对声音质量不满意，则对当前助听器进行助听器算法参数更新，将当前的助听器算法参数输入知识库生成新的助听器算法参数，并返回步骤三，重新进行当前助听器声音测试；若当前患者对声音质量满意，则将当前患者个人信息和与当前患者匹配的最优化助听器算法参数输入知识库，结束验配。
当前患者对声音质量进行的满意度评估包含对测试声音的自然度、清晰度和舒适度三类指标的评估。
所述助听器算法参数更新包含以下步骤：
1)结合知识库，分别确定测试声音的自然度、清晰度和舒适度三类指标的后验概率；
2)设当前助听器算法参数为C1，依据当前患者的满意度评估，结合测试声音的三类指标后验概率，获得C1中当前患者满意的助听器算法参数的部分参数B1，并根据B1在知识库中寻找匹配的助听器算法参数C2；
3)随机产生一个与C2等长的混沌变量X＝(X1,X2,…,Xl,…,Xd)，其中Xl∈[0,1]。对X进行Tent混沌映射，得到：令newXl＝minl+(maxl-minl)·Xl'，其中，[minl,maxl]是助听器算法参数第l维变量的定义域，则得到混沌扰动量newX＝(newX1,newX2,…,newXl,…,newXd)，则混沌扰动后的更新参数C3＝(C2+α·newX)/2，其中α为与用户满意度成反比的比例常数；
4)对更新参数C3进行M次高斯变异，生成的参数为CNi＝C3﹡(1+N(0,1))，其中i∈[1,M]，N(0,1)表示期望为0、标准差为1的正态分布随机数，最后，参数组成参数群Y＝(CN1,CN2,…,CNl,…,CNM)；
5)计算参数群Y中的任一参数与当前参数C1的欧式距离Dm，其中m∈[1,M]，并按照欧式距离从大到小将参数群Y进行排序，得到参数群YN＝(CN1',CN'2,…,CNl',…,CN'M)，然后每Q个参数选一个参数形成参数子群Y'＝(CN1',CN'Q,…,CN’[M/Q]·Q)；
6)定义参数子群Y’中Dm最大的参数为最佳个体yb，Dm最小的参数为最差个体yw，则更新给当前助听器的最优化助听器算法参数为Cbest＝C1+rand()﹡(yb-yw)，其中rand()表示随机数。
前述的，M的取值范围是20～50。
前述的，Q的取值范围是2～6。
所述个人信息至少包含性别、年龄、教育程度和纯音听力测试结果。
与现有技术相比，本发明所达到的有益效果是：1、引入知识库，找出与当前患者最相似的历史患者，获得该历史患者的最优化助听器算法参数，极大地缩小了助听器算法参数匹配范围，显著提高了助听器验配效率；2、根据当前患者满意度评估标迭代更新助听器算法参数，最大限度的满足当前患者对助听器的期望值，提高了助听器算法参数的精确性；3、本发明的助听器自验配方法提出参数更新策略，具有搜索范围广、抗局部最优能力强的优点，可用于听障患者的助听器验配。
附图说明
图1为本发明所述的助听器自验配方法原理图。
图2为本发明所述的助听器自验配方法的参数更新原理图。
具体实施方式
下面结合附图对本发明作进一步描述。以下实施例仅用于更加清楚地说明本发明的技术方案，而不能以此来限制本发明的保护范围。
如图1所示，助听器自验配方法，包括以下步骤：
步骤一：建立知识库：知识库中包含历史患者的个人信息和与历史患者匹配的最优化助听器算法参数。个人信息指的是与认知相关的因素，至少包含性别、年龄、教育程度和纯音听力测试结果，性别、年龄和教育程度可用模糊值进行表示。
步骤二：查找最优化助听器算法参数：将当前患者个人信息输入知识库，并与知识库中历史患者的个人信息进行匹配，找出与当前患者最相似的历史患者，获得该历史患者的最优化助听器算法参数；
步骤三：当前助听器声音测试：将步骤二中获得的历史患者的最优化助听器算法参数或步骤四更新的助听器算法参数输入当前助听器，并将生成的测试声音提供给当前患者，当前患者对声音质量进行满意度评估。当前患者对声音质量进行的满意度评估包含对测试声音的自然度、清晰度和舒适度三类指标的评估，每类评估分五级：很满意、满意、一般、不满意、极不满意，分别用模糊值进行表示。
步骤四：验配结果判定：若当前患者对声音质量不满意，则对当前助听器进行助听器算法参数更新，将当前的助听器算法参数输入知识库生成新的助听器算法参数，并返回步骤三，即将更新的助听器算法参数输入当前助听器，并将生成的测试声音提供给当前患者，重新进行当前助听器声音测试。若当前患者对声音质量满意，则将当前患者个人信息和与当前患者匹配的最优化助听器算法参数输入知识库，结束验配。
如图2所示，助听器算法参数更新包含以下步骤：
1)结合知识库，分别确定测试声音的自然度、清晰度和舒适度三类指标的后验概率。
2)设当前助听器算法参数为C1，依据当前患者的满意度评估，结合测试声音的三类指标后验概率，获得C1中当前患者满意的助听器算法参数的部分参数B1，并根据B1在知识库中寻找匹配的助听器算法参数C2。
3)随机产生一个与C2等长的混沌变量X＝(X1,X2,…,Xl,…,Xd)，其中Xl∈[0,1]。对X进行Tent混沌映射，得到：令newXl＝minl+(maxl-minl)·Xl'，其中，[minl,maxl]是助听器算法参数第l维变量的定义域，则得到混沌扰动量newX＝(newX1,newX2,…,newXl,…,newXd)，则混沌扰动后的更新参数C3＝(C2+α·newX)/2，其中α为与用户满意度成反比的比例常数。
4)对更新参数C3进行M次高斯变异，生成的参数为CNi＝C3﹡(1+N(0,1))，其中i∈[1,M]，N(0,1)表示期望为0、标准差为1的正态分布随机数，最后，参数组成参数群Y＝(CN1,CN2,…,CNl,…,CNM)。此处，M的取值范围为20～50，优选30。
5)计算参数群Y中的任一参数与当前参数C1的欧式距离Dm，其中m∈[1,M]，并按照欧式距离从大到小将参数群Y进行排序，得到参数群YN＝(CN1',CN'2,…,CNl',…,CN'M)，然后每Q个参数选一个参数形成参数子群Y'＝(CN1',CN'Q,…，CN'[M/Q]·Q)。这里，Q一般取2～6之间的任一整数，优选5。
6)定义参数子群Y’中Dm最大的参数为最佳个体yb，Dm最小的参数为最差个体yw，则更新给当前助听器的最优化助听器算法参数为Cbest＝C1+rand()﹡(yb-yw)，其中rand()表示随机数。
以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明技术原理的前提下，还可以做出若干改进和变形，这些改进和变形也应视为本发明的保护范围。

Claims (4)

1.一种助听器自验配方法，其特征在于，包括以下步骤：
步骤一：建立知识库：知识库中包含历史患者的个人信息和与历史患者匹配的最优化助听器算法参数；
步骤二：查找最优化助听器算法参数：将当前患者个人信息输入知识库，并与知识库中历史患者的个人信息进行匹配，找出与当前患者最相似的历史患者，获得该历史患者的最优化助听器算法参数；
步骤三：当前助听器声音测试：将步骤二中获得的历史患者的最优化助听器算法参数或步骤四更新的助听器算法参数输入当前助听器，并将生成的测试声音提供给当前患者，当前患者对声音质量进行满意度评估；
步骤四：验配结果判定：若当前患者对声音质量不满意，则对当前助听器进行助听器算法参数更新，将当前的助听器算法参数输入知识库生成新的助听器算法参数，并返回步骤三，重新进行当前助听器声音测试；若当前患者对声音质量满意，则将当前患者个人信息和与当前患者匹配的最优化助听器算法参数输入知识库，结束验配；
当前患者对声音质量进行的满意度评估包含对测试声音的自然度、清晰度和舒适度三类指标的评估；
所述助听器算法参数更新包含以下步骤：
1)结合知识库，分别确定测试声音的自然度、清晰度和舒适度三类指标的后验概率；
2)设当前助听器算法参数为C1，依据当前患者的满意度评估，结合测试声音的三类指标后验概率，获得C1中当前患者满意的助听器算法参数的部分参数B1，并根据B1在知识库中寻找匹配的助听器算法参数C2；
3)随机产生一个与C2等长的混沌变量X＝(X1,X2,…,Xl,…,Xd)，其中Xl∈[0,1]；对X进行Tent混沌映射，得到：令newXl＝minl+(maxl-minl)·X′l，其中，[minl,maxl]是助听器算法参数第l维变量的定义域，则得到混沌扰动量newX＝(newX1,newX2,…,newXl,…,newXd)，则混沌扰动后的更新参数C3＝(C2+α·newX)/2，其中α为与用户满意度成反比的比例常数；
4)对更新参数C3进行M次高斯变异，生成的参数为CNi＝C3﹡(1+N(0,1))，其中i∈[1,M]，N(0,1)表示期望为0、标准差为1的正态分布随机数，最后，参数组成参数群Y＝(CN1,CN2,…,CNl,…,CNM)；
5)计算参数群Y中的任一参数与当前参数C1的欧式距离Dm，其中m∈[1,M]，并按照欧式距离从大到小将参数群Y进行排序，得到参数群YN＝(CN′1,CN′2,…,CN′l,…,CN′M)，然后每Q个参数选一个参数形成参数子群Y′＝(CN′1,CN′Q,…,CN′[M/Q]·Q)；
6)定义参数子群Y’中Dm最大的参数为最佳个体yb，Dm最小的参数为最差个体yw，则更新给当前助听器的最优化助听器算法参数为Cbest＝C1+rand()﹡(yb-yw)，其中rand()表示随机数。
2.根据权利要求1所述的助听器自验配方法，其特征在于，M的取值范围是20～50。
3.根据权利要求2所述的助听器自验配方法，其特征在于，Q的取值范围是2～6。
4.根据权利要求1所述的助听器自验配方法，其特征在于，所述个人信息至少包含性别、年龄、教育程度和纯音听力测试结果。
CN201410292892.7A 2014-06-26 2014-06-26 一种助听器自验配方法 Active CN104053112B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201410292892.7A CN104053112B (zh) 2014-06-26 2014-06-26 一种助听器自验配方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201410292892.7A CN104053112B (zh) 2014-06-26 2014-06-26 一种助听器自验配方法

Publications (2)

Publication Number Publication Date
CN104053112A CN104053112A (zh) 2014-09-17
CN104053112B true CN104053112B (zh) 2017-09-12

Family

ID=51505387

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201410292892.7A Active CN104053112B (zh) 2014-06-26 2014-06-26 一种助听器自验配方法

Country Status (1)

Country Link
CN (1) CN104053112B (zh)

Families Citing this family (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106231521A (zh) * 2016-09-08 2016-12-14 佛山博智医疗科技有限公司 快速助听器验配装置及助听器验配方法
CN106303874B (zh) * 2016-10-28 2019-03-19 东南大学 一种数字助听器的自适应验配方法
CN106714062B (zh) * 2016-11-30 2020-02-18 天津大学 一种基于bp人工神经网络的数字助听器智能验配方法
CN109151692B (zh) * 2018-07-13 2020-09-01 南京工程学院 基于深度学习网络的助听器自验配方法
CN109246515B (zh) * 2018-10-09 2019-10-29 王青云 一种可提升个性化音质功能的智能耳机及方法
CN111968677B (zh) * 2020-08-21 2021-09-07 南京工程学院 面向免验配助听器的语音质量自评估方法
CN113825080A (zh) * 2021-09-11 2021-12-21 武汉左点科技有限公司 一种助听器自验配方法及装置
CN114938487B (zh) * 2022-05-13 2023-05-30 东南大学 基于声场景判别的助听器自验配方法
WO2025092727A1 (zh) * 2023-10-31 2025-05-08 赵藙婷 助听产品适配度评估系统及其评估方法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101695147A (zh) * 2009-05-27 2010-04-14 明展生医科技股份有限公司 助听器系统
CN103491491A (zh) * 2013-09-22 2014-01-01 江苏贝泰福医疗科技有限公司 一种全数字助听器及非传统的助听器验配方法

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DK2986033T3 (da) * 2005-03-29 2020-11-23 Oticon As Høreapparat til registrering af data og læring der fra
KR100958646B1 (ko) * 2008-01-21 2010-05-20 파나소닉 주식회사 보청기 조정 장치, 보청기, 및 프로그램

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101695147A (zh) * 2009-05-27 2010-04-14 明展生医科技股份有限公司 助听器系统
CN103491491A (zh) * 2013-09-22 2014-01-01 江苏贝泰福医疗科技有限公司 一种全数字助听器及非传统的助听器验配方法

Also Published As

Publication number Publication date
CN104053112A (zh) 2014-09-17

Similar Documents

Publication Publication Date Title
CN104053112B (zh) 一种助听器自验配方法
Chamorro-Premuzic et al. Personality predictors of artistic preferences as a function of the emotional valence and perceived complexity of paintings.
Wang et al. Sequential three-way multiple attribute group decisions with individual attributes and its consensus achievement based on social influence
CN108921286A (zh) 一种免阈值设定的静息态功能脑网络构建方法
CN108052683B (zh) 一种基于余弦度量规则的知识图谱表示学习方法
US20190146981A1 (en) Large scale social graph segmentation
CN108256678A (zh) 一种利用排序度量的双层注意力网络进行用户关系预测的方法
CN104268572A (zh) 面向后台多源数据的特征提取和特征选择方法
CN101819408B (zh) 一种基于数据驱动的差别化纤维纺丝工艺交互式设计方法
CN115759205A (zh) 基于多模型协作对比学习的负样本采样方法
CN111340125A (zh) 基于随机森林算法训练子宫内膜异位囊肿破裂数据的方法
CN110717281A (zh) 基于犹豫云语言术语集和群决策的仿真模型可信度评估方法
Choudhury et al. An empirical study of community and sub-community detection in social networks applying Newman-Girvan algorithm
CN114386826A (zh) 一种基于融合感官体验的模糊网络dea包装材料评估方法
CN112541010A (zh) 一种基于逻辑回归的用户性别预测方法
Chi et al. Application of BP neural network based on genetic algorithms optimization in prediction of postgraduate entrance examination
CN118246522A (zh) 一种面向异质数据高效鲁棒的联邦学习算法
CN115590530B (zh) 跨对象目标域代理子域适应方法、系统及介质
CN114938487B (zh) 基于声场景判别的助听器自验配方法
CN115565669B (zh) 一种基于gan和多任务学习的癌症生存分析方法
Chen et al. Ensemble of diverse sparsifications for link prediction in large-scale networks
CN115758276A (zh) 一种基于生成对抗网络的多视图离群点检测方法
CN103942278A (zh) 通过分析用户主动交友意愿进行朋友推荐的方法
Booth et al. What can reverse causation tell us about demographic differences in the social network and social support determinants of self-rated health in later life?
CN105260774A (zh) 一种基于构象空间退火的两阶段差分进化多模态优化方法

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
TR01 Transfer of patent right

Effective date of registration: 20190305

Address after: Room 618, Block B, Chuangzhi Building, 17 Xinghuo Road, Jiangbei New District, Nanjing City, Jiangsu Province, 210000

Patentee after: Nanjing Tianyue Electronic Technology Co., Ltd.

Address before: 211167 1 Hong Kong Avenue, Jiangning Science Park, Nanjing, Jiangsu

Patentee before: Nanjing Institute of Technology

TR01 Transfer of patent right