CN107786930A - 用于设置助听设备的方法和装置 - Google Patents

Abstract

为了设置助听设备，以数据形式产生用户的听觉希望，该数据关于用户的听觉感受包含关于问题和/或关于希望的改善的描述。关于听觉希望，根据与用户相关联的助听设备的以前的助听设备参数以及根据用户的个人数据，借助计算算法针对助听设备计算改变后的助听设备参数，并且应用于助听设备。在稍后的时刻，采集反馈，反馈包含改变后的助听设备参数是否或者在何种程度上满足听觉希望的信息。依据听觉希望和反馈，将以前的助听设备参数以及改变后的助听设备参数和/或用于区别改变后的助听设备参数与以前的助听设备参数的参数改变，与用户的个人数据一起作为数据组存档到用户数据库中。借助用户数据库，针对用户和/或计算算法的改变确定替换助听设备参数。

Description

用于设置助听设备的方法和装置

技术领域

本发明涉及一种用于设置助听设备、即用于针对用户个人设置助听设备的参数、使得实现针对助听设备的用户优化的听觉感受的方法。本发明还涉及执行该方法的装置。

背景技术

通常将用于改善对传播到用户的耳朵的环境声音的感觉的可佩戴的听力装置称为“助听设备”。一般称为“听力设备”的助听设备的子类被配置用于供应在医学意义上遭受听力损失的听障者。为了迎合其大量个人的需要，提供不同结构形式的助听设备，例如耳后式听力设备(HdO)、具有外部听筒的听力设备(RIC,Receiver in the Canal(耳道内接收器))、内耳式听力设备(IdO)或者外耳听力设备或耳道听力设备(ITE,CIC)。示例性地列举的听力设备在外耳上或者耳道内佩戴。此外，在市场上还提供骨导式助听器、可植入或者振动助听器。在这些助听器的情况下，以机械或电的方式对受损的听力进行刺激。

最近，除了前面描述的典型的听力设备之外，还存在用于支持听力正常的人的助听设备。这种助听设备也称为“个人声音放大产品”或者“个人声音放大设备”(缩写为：“PSAD”)。这些助听设备不被设置用于对听力损失进行补偿。相反，这种助听设备用于在特定听力情形下有目的地支持和改善正常人的听力。

例如，PSAD可以用于在狩猎时支持猎人，或者也可以在观察鸟类或者蝙蝠时使用，以便能够更好地听到动物的叫声以及由动物发出的其它声音。此外，开发了使得听力正常的人能够在恶劣条件下更好地进行对话和/或语音理解的PSAD，例如在“鸡尾酒会”情形下或者对于要在体育场中通电话的体育记者。PSAD的进一步的其它应用面向小提琴演奏者，其在其练习期间要减弱频谱纯净的小提琴声音，以减小对其听力的持续负荷。

所有类型的助听设备作为主要部件通常包括输入转换器、放大器和输出转换器。作为输入转换器，通常使用声电转换器，例如麦克风和/或电磁接收器、例如感应线圈。输出转换器通常作为电声转换器、例如作为微型扬声器或者作为机电转换器、例如骨导式听筒来实现。放大器通常集成在信号处理装置中。

助听设备由各个制造商对于声音信号处理配备有非常广泛的处理机制。在此，借助多个参数的值，可以对不同的信号处理特性的大范围的细节、例如增益、(动态)压缩范围、定向麦克风、语音的频谱范围的增加、反馈抑制和干扰噪声(例如麦克风的固有噪声或者风噪声)的抑制的细节进行设置。

现代助听设备、即不仅典型的听力设备、而且用于听力正常的人的助听设备的可参数化，被经常几千个参数推进到与大型医疗设备、例如计算机断层成像设备或者核磁共振断层成像设备的复杂度相当的复杂度范围内。这些参数中的大多数还仅能够由听力系统的制造商以有意义的方式设置。但是参数设置可能对用户的听觉感受(即相应的助听设备的佩戴者听到的听觉质量)有决定性的影响。仅一小部分参数值、例如用于强调高音和/或低音的增益或者声音平衡在此对于普通用户来说是完全可以理解并且可以有意义地设置的。

通常对助听设备的针对用户个人的设置(也称为：调整)由受过培训的听力学专家或者“HCP”(听力专业人员)进行，其由于其培训而熟悉声音信号处理的概念、例如增益、动态压缩范围、方向性指标(德语“Richtwirkungsindex”-听力系统的麦克风的方向性有多强的度量)、干扰噪声降低或者反馈抑制。声学专家与听力系统佩戴者进行对话，了解其客户的不适或者希望，并且应用其知识，从而其适配地设置构成听力系统的信号处理特性的听力系统的对应的参数值。在一个或多个调整会话期间，HCP迭代地改变助听设备的参数值，以找到与用户协调的参数设置。

但是即使对于专业人员，现代助听设备的可设置参数中的许多仍然很难控制。其原因还在于对助听设备的良好的调整不仅与听力系统佩戴者的听力或者听力损失有关，而且还总是与多个另外的个别的个人特性、例如兴趣、习惯效果、认知能力、母语或者听力系统佩戴者所停留的环境(例如在大自然中还是在电视机前)有关。

此外，用户可能多次在调整会话的过程中未获得包容性或者(即对于其整个生活环境)代表性的听力印象。因为调整会话期间的声音环境不能展示听力系统佩戴者的生活中的多种情形。还已知听障者必须经过几个星期才能习惯新的听力系统，因为大脑例如理解语言的能力在听觉迟钝的情况下随着时间的推移会渐渐消失。仅仅因为该原因，一般对于多个连续进行的调整会话，需要进行对应的重新调整，因为用户必须逐渐学习对待恢复的听力。

此外，听力的单纯的恢复或者改善(即单纯的声音感知)经常不是设置助听设备的参数的唯一标准。对于许多用户，其为了理解语言必须花费的努力尽可能小同样是非常重要的。个人用户的哪个参数设置使听的努力最少，现在仅能够规则地通过长持续时间的试用来发现。

面对前面描述的进行助听设备设置时的复杂性，在实践中，建立了与用户交互的听力学专家和助听设备的制造商之间的分工的过程。在此，制造商提供典型的听觉希望的目录，听力系统佩戴者对其HCP提出。每一个听觉希望以用户的经常反复发生的具体的不适、即对关于用户的听觉感受的典型问题的描述(例如“说话声太小”、“声音太沉闷”或者“声音太响亮/太金属化”、“经常出现反馈/回声”以及其它等等)或者等同地以改善希望(例如“说话更大声”等)为标题。

对于每一个这种听觉希望，现在制造商配制了将信号处理特性的设置与听觉希望对应地进行修改的计算算法。这些计算算法完全可以被设计为考虑用户个人的特性：例如，当应当增大增益时，则该增大的最佳增量对于具有弱听力损失的人可以大于对于具有强听力损失的人；因为后者在听力阈值和不适阈值之间还仅提供较小的范围。

现在，将这些计算算法利用调整软件交付给HCP，从而其可以在调整会话的过程中执行这些计算算法。HCP在调整软件中选择其从其患者得知的听觉希望并且执行对应的计算算法。

这种计算算法的应用具有如下优点：制造商可以将其关于助听设备的特殊的信号处理特性的全部知识引入到其中。计算算法由此通常也对普通听力学专家不详细知道的特殊的制造商特定的信号处理特性进行修正。

听力学专家使用这些计算算法对参数进行预调。然后，听力学专家仅在需要时对由相应的计算算法计算的参数重新进行校正。

通过重新校正的可能性，听力学专家可以将其工作经验或者自己的“差别诊断”、即直接提供给其的印象为了其患者而引入。

这种方法即使功能强大，同样仍然还是时间和成本密集的。特别是，计算算法的建立对于助听设备的制造商造成了很大的开销。

发明内容

因此，本发明要解决的技术问题是，实现有效的、但是虽然如此与相对小的开销相关联的对助听设备的设置。

在下面的描述中说明有利的并且部分本身被视为创造性的实施方式和进一步扩展。

根据本发明的用于设置助听设备的方法包括以下步骤：

1)产生用户的听觉希望。听觉希望在此以数据的形式产生，该数据关于用户的听觉感受包含关于具体存在的问题和/或关于希望的改善的描述。

2)关于听觉希望，根据与用户相关联的助听设备的以前的助听设备参数(下面简称为：HG参数)以及根据用户的个人数据，借助计算算法针对助听设备计算改变后的HG参数。听觉希望例如通过从预先给定的听觉希望的列表中选择或者编制成任意文本利用随后的自动文本分析以及与多个预先给定的听觉希望类别中的一个自动相关联来产生。特征“关于听觉希望”在所述方法的优选实施方式中理解成，对于每个听觉希望或每个听觉希望类别，提供一个或更多个单独的计算算法，将其分别应用于对应的听觉希望。在所述方法的等同替换实施方式中，在单个计算算法的过程中，依据听觉希望进行情况区分或者加权。

3)将改变后的HG参数应用于助听设备。

4)在稍后的时刻，采集反馈，反馈包含改变后的HG参数是否或者在何种程度上满足听觉希望的信息。因此，反馈给出是否或者在何种程度上解决了用户表达出来的问题或是否或者在何种程度上实现了希望的改善。采集反馈的“稍后的时刻”特别地是经过(例如一个星期的)最小时间间隔之后的接下来的时刻，在该时刻在应用由计算算法计算的改变后的HG算法(特别是经由相关联的配置单元、例如智能电话App或者声学专家的调整工作站)之后，通过数据传输技术将助听设备与用户数据库连接。所提及的最小时间间隔优选匹配于预先根据经验值确定的、一般在应用相应的计算算法之后直至完全发挥其效果经过的作用时间(适应时间)。对应地，用于不同的计算算法的预先给定的最小时间间隔通常不同地预先给定。对于根据经验在重复应用特定次数之后才完全达到其效果的计算算法，优选将对应的多倍的作用时间计入最小间隔时间。

在最简单的情况下，反馈由二进制描述构成，利用其用户采纳或者拒绝由计算算法计算的改变后的HG参数。作为其替换，设置通过多级评估形成的等同形式的反馈，利用其用户将由计算算法计算的改变后的HG参数关于满足听觉希望评估为例如1至5的级别。优选作为反馈，在稍后的时刻确定用户是否在未改变的情况下接受了由计算算法计算的改变后的HG参数，或者其是否进行了手动重新校正。这种形式的反馈优选自动、即在用户不有意进行的情况下发出。作为反馈，这里例如将可以表示“在未改变的情况下接受”和“重新进行了校正”两个值中的一个的二进制数据项存档到用户数据库中。此外，在本发明的范围内，反馈还可以包括前面描述的反馈类型的组合。

5)最后，依据听觉希望和反馈，将

(1)以前的HG参数，以及

(2)改变后的HG参数和/或改变后的HG参数与以前的HG参数不同的参数改变，与

(3)用户的个人数据一起

作为数据组存档到用户数据库中。借助用户数据库(即通过分析存档到用户数据库中的数据组)，特别是在反馈为负的情况下，针对用户确定替换HG参数。作为其替换或附加，借助用户数据库确定计算算法的改变。替换HG参数或计算算法的改变的确定优选自动(即在没有人的干预的情况下)确定。但是在此任选地设置手动验证步骤，在其过程中专家采纳或者丢弃自动确定的替换HG参数或计算算法的改变。

特征“依据听觉希望”在所述方法的优选实施方式中理解为，将听觉希望或听觉希望类别作为数据项记录在存档的数据组中-在这种情况下，用户数据库包含针对所有预先给定的听觉希望或听觉希望类别的数据组。替换地，对于每个听觉希望或每个听觉希望类别引导自己的用户数据库，其中，这些用户数据库“依据听觉希望”与数据组相关联。

特征“依据反馈”在所述方法的优选实施方式中理解为，将反馈(例如以二进制、多级或者连续评估的形式)作为数据项记录在存档的数据组中-在这种情况下，用户数据库包含用于正反馈和负反馈的数据组。替换地，仅将具有正反馈的数据组(或者替换地仅将具有负反馈的数据组)存档在用户数据库中-在后者的情况下，依据反馈，将具有相应的另外的反馈的数据组丢弃。

在所述方法的一个优选实施方式中，HG参数可以由用户或者声学专家(听力学专家)手动地重新进行校正。在稍后的时刻，在此优选为了采集反馈，确定由计算算法计算的改变后的HG参数在助听设备上未改变地被接受，还是手动地重新进行了校正。在手动地重新进行了校正的情况下，将重新校正后的HG参数附加地存档到用户数据库中的数据组中。

在所述方法的另一个优选实施方式中，对包含在用户数据库中的数据组进行簇分析，以确定数据组是否依据听觉希望和反馈以及关于HG参数和个人数据的子组分解为了在统计上彼此可分离的簇。在确定这种分簇的情况下，在此特别是自动地针对计算算法产生考虑这种分簇的改变后或补充的规则。

作为改变后或补充的规则，在此，特别是又自动地针对计算算法产生情况区分，通过其针对HG参数中的一个或更多个预先给定依据个人数据中的一个或更多个变化的参数改变。

计算算法的情况特定的改变优选在此通过求平均值经由或者通过(线性或者非线性地)匹配(适配)于反映所确定的分簇的、包含在用户数据库中的数据的子组来确定。当例如在簇分析中确定说意大利语的用户以统计上的显著性关于确定的听觉希望，与现有的计算算法向其建议的相比，优选其它参数改变时，向该计算算法添加针对说意大利语的用户和不说意大利语的用户的新的情况区分。通过关于存档的说意大利语的用户的数据组求平均值，或者通过例如使用Levenberg-Marquardt方法将计算算法“适配”于所存档的说意大利语的用户的数据组，来确定计算算法针对第一种情况(即针对说意大利语的用户)的特性。对于第二种情况(即对于不说意大利语的用户)，例如保持计算算法的以前的特性不变。

为了防止计算算法在重复补充新的情况区分的过程中采用大量仍然难以处理的参量，在所述方法的一个适宜的变形例中，将不同的情况映射到不同、但是相应地可独立执行的子算法。情况区分在此优选在上级的预测算法中实现，该预测算法依据与情况区分有关的HG参数和/或个人数据选择相应地相关联的子算法。在所述方法的一个进一步扩展中设置为，并行地选择并且执行多个子算法，随后确定其各自的结果(进行加权或者不进行加权)。

在所述方法的过程中处理并且存档的个人数据优选包括关于用户的听力损失、年龄、体重、性别、语言技能(例如关于主要语言以及可选地关于多语言和/或外语技能的描述)、国籍、疾病和/或残疾的描述。

在所述方法的过程中采集、确定并且存档的HG参数优选包括关于与频率有关的增益因数、压缩范围、干扰噪声抑制(特别是关于干扰噪声抑制的强度和与频率有关的特性)、包含在助听设备中的麦克风的方向性、反馈抑制的应用(特别是关于反馈抑制的强度)和/或听力情形的分类的描述。

然而，所述方法不局限于所提及的个人数据和HG参数。相反，多个另外的个人数据和HG参数可以(从一开始或者在执行所述方法的过程中连续地)纳入所述方法中。特别是，用户数据库优选被配置为，可以在不重新构建用户数据库的情况下，用另外的HG参数和/或个人数据扩展已经存档的数据组，并且可以对相对于已经存档的数据组具有扩展的HG参数和/或个人数据的数据组的新的数据组进行存档。

在所述方法的另一个优选实施方式中，特别是在反馈为负的情况下，从用户数据库中选择在考虑到听觉希望、个人数据和以前的HG参数的情况下最接近用户的对应的数据的、另一个用户的存档的数据组。作为用于该用户的替换HG参数接受所选择的该存档的数据组的改变后的HG参数。在此，优选仅考虑具有正反馈或者在需要时具有成功的手动重新校正的存档的数据组。

在所述方法的前面描述的实施方式的一个变形例中，不从所述一个最类似的存档的数据组中、而是从多个类似的数据组中确定替换HG参数，其中，关于这些类似的存档的数据组的改变后的HG参数求平均。也就是说，特别是在反馈为负的情况下，从用户数据库中选择在考虑到听觉希望、个人数据和以前的HG参数的情况下最接近用户的对应的数据的、其他用户的多个存档的数据组。在此，将所选择的这些存档的数据组的改变后的HG参数的(加权或者重新压缩的)平均值确定为用于该用户的替换HG参数。在此，又优选仅考虑具有正反馈或者在需要时具有成功的手动重新校正的存档的数据组。

根据本发明的装置一般地被配置用于执行前面描述的、特别是所描述的实施方式变形例中的一个中的方法。前面描述的方法的实施方式由此相应地在装置的对应的实施方式中找到其对应。

具体地，所述装置包括

-用户数据库，不同的用户的多个数据组存档在用户数据库中，其中，每个数据组依据相应地作为基础的听觉希望和相关的反馈包含

-以前的HG参数，以及

-改变后的HG参数和/或改变后的HG参数与以前的HG参数不同的参数改变，以及

-相应的用户的个人数据，

-软件库，在软件库中提供至少一个计算算法和分析算法，

-其中，计算算法被配置为，针对特定用户的听觉希望，根据与该用户相关联的助听设备的以前的HG参数以及根据该用户的个人数据，计算改变后的HG参数，以及

-其中，分析算法被配置为，从用户数据库中确定用于该用户的替换HG参数和/或计算算法的改变，

-配置单元，其能够通过数据传输技术与用户的助听设备连接，以便将由计算算法计算的改变后的HG参数应用于助听设备，其中，配置单元被配置为

-产生听觉希望，

-在应用由计算算法计算的改变后的HG参数之后采集反馈，以及

-将听觉希望与反馈、以前的HG参数、改变后的HG参数和/或改变后的HG参数与以前的HG参数不同的参数改变以及用户的个人数据一起(直接或者经由所述装置的其它部件间接地)传输到用户数据库，以进行存档，

-用于执行计算算法的(第一)运行环境，可以将计算算法从软件库加载到该运行环境中，以及

-用于执行分析算法的(第二)运行环境，可以将分析算法从软件库加载到该运行环境中。

在本发明的范围内，配置单元可以被构造为硬件设备，例如构造为用于对助听设备进行编程的专用手持设备。但是优选配置单元是例如App形式的软件模块，其被配置用于在用户的电子数据处理设备(例如计算机、智能电话或者平板计算机)上运行并且使用数据处理设备的硬件、例如蓝牙收发器，以通过数据传输技术与助听设备建立连接。

用于执行计算算法的(第一)运行环境特别地是所谓的中间件，即安装在计算机或者其它程序控制的设备的操作系统上的软件平台，计算算法又可以在其上执行。第一运行环境在此特别地集成在配置单元、例如前面描述的智能电话App中。

用于执行分析算法的(第二)运行环境特别地在中央服务器上、优选在云计算中心中实现。在本发明的范围内，该第二运行环境也可以中间件。替换地，分析算法直接在服务器上运行，从而(第二)运行环境通过服务器的操作系统形成。

如前面所提及的，优选HG参数可以由用户或者声学专家(听力学专家)经由配置单元手动地重新进行校正。配置单元在此优选被配置为，

-采集反馈，以确定由计算算法计算的改变后的HG参数是不变地在助听设备上被接受，还是手动地重新进行了校正，以及

-在手动地重新进行了校正的情况下，将重新校正后的HG参数附加地传输到用户数据库，以进行存档。

优选分析算法被配置为，对包含在用户数据库中的数据组进行前面描述的簇分析，以产生用于计算算法的改变后或者补充的规则。

附图说明

下面，根据附图详细说明本发明的实施例。其中：

图1示出了用于设置用户5的助听设备的参数的装置。

具体实施方式

在图1中示出的装置1包括

-具有用户数据库3的数据库服务器2，多个数据组D存档在用户数据库3中，

-用于设置用户5的助听设备4的信号处理特性、即用于计算改变后的HG参数PG的多个计算算法B，

-用于预测合适的计算算法B的最佳选择的多个预测算法S，

-可选地用于预测在多次执行时相应的计算算法B的最佳效果的多个预测算法W，

-多个分析算法A，其被配置为一方面用于用户的替换HG参数PA的计算，另一方面用于计算算法B、预测算法S或预测算法W的改变CB,CS和CW的计算，

-(配置)App 6形式的配置单元，其被确定为在用户的电子数据处理设备(这里为智能电话7)上运行，以便在执行计算算法B中的一个时，计算用于助听设备4的改变后的HG参数PG，

-用于执行计算算法B的第一运行环境8，其在根据图1的示例中作为App 6的构成部分实现，

-服务器9，具有用于执行分析算法A的第二运行环境10，以及

-服务器11，具有软件库12、即管理目录，其中提供程序包和有关的元数据，即在当前情况下用于下载到智能电话7上或服务器9上的算法B,S,W,A以及App 6。

智能电话7向助听设备4和用户5一样不是装置1的构成部分。相反，智能电话7、助听设备4和用户5仅与装置1的上述部件进行交互。装置1的这些部件优选(例如具有用户数据库3的数据库服务器2、具有第二运行环境10的服务器9和具有软件库12的服务器11)安装在云数据中心中或者分布式地安装在云的多个数据中心上并且从那里(例如向具有第一运行环境8和算法B,S和W的App 6以下载到智能电话7上)提供。服务器9例如经由云内部的数据传输网络与数据库服务器2和服务器11连接。可选地，在图1中示出的装置1的多个部件还集成为更大的单元。例如，服务器2,9和11也可以组合成一个单元。智能电话7经由因特网与服务器9和软件库12连接。

在用户数据库3中存档的数据组D中的每一个包含关于如下内容的描述(数据项)：

-(通常与用户5不同的)另一个用户表达出来的听觉希望H‘，

-该另一个用户的个人数据PD‘，

-该另一个用户的(通常对应于助听设备4的)助听设备的以前的HG参数PB‘，其给出了表达听觉希望H‘的理由，

-计算算法B根据该另一个用户的听觉希望H‘以及个人数据PD‘和以前的HG参数PB‘计算的改变后的HG参数PG‘，

-反馈R‘，其给出了改变后的HG参数PG“是否满足听觉希望H‘，以及

-在需要时由该另一个用户手动地重新校正后的HG参数PK‘。

可选地，数据组D包含其它数据项，例如

-重复次数和/或重复之间的等待时间，重复次数给出了为了得到改变后的HG参数PG‘计算算法B多久重复一次，

-该另一个用户是否遵从了App 6关于待使用的计算算法B和/或计算算法B的应用的重复方式的建议的描述，和/或

-关于所使用的计算算法B的描述。

在软件库12中，除了App 6之外，还针对每个听觉希望H存储了多个计算算法B(即一个计算算法B或者多个计算算法B)以及相应的有关的预测算法S、有关的预测算法W和有关的分析算法A。在图1中，示例性地针对两个听觉希望分别示出了与此相关的算法B,S,W和A的一个这种的数据组，其中，彼此有关的算法B,S,W和A分别以一个在另一个上方的方式示出。在所提供的应用中，软件库12分别针对多个听觉希望H包含算法B,S,W和A的一个这种的数据组。

在一个替换实施方式中，也可以针对所有听觉希望H保持共同的预测算法S、共同的预测算法W和/或共同的分析算法A。在本发明的替换实施方式中，计算算法B中的多个也可以组合成一个上级的(听觉希望特定或者跨听觉希望的)计算算法B。

为了使用装置1，用户5首先将App 6从软件库12中下载到智能电话7上。

App 6使用智能电话7的蓝牙接收器，以通过数据传输技术与用户5的助听设备4连接，并且通过经由智能电话7与App 6进行交互尽可能为用户5改变助听设备4的HG参数(或者优选该HG参数的一个选择的子集)。

当助听设备4以前的HG参数PB产生用户5不满意的听觉感受时，通过用户5从App 6预先给定的列表中选择对应于其问题的项，用户5通过经由智能电话7与App 6进行交互表达出听觉希望H。

App 6于是从助听设备4加载以前的HG参数PB以及用户5的个人数据PD。此外，其从软件库12下载对应于听觉希望H的预测算法S，并且将该预测算法S引入运行环境8中执行。

预测算法S分析以前的HG参数PB以及用户4的个人数据PD，并且基于其向用户5建议(与听觉希望H相关联的计算算法B的组中的)按照内部规定最合适的计算算法B。

用户5现在可以通过经由智能电话7与App 6的交互确认所建议的计算算法B或者选择与听觉希望H相关联的计算算法B中的另一个。App 6从软件库12中下载所确认或者选择的计算算法B并且引入运行环境8中执行。

计算算法B在此根据以前的HG参数PB以及用户4的个人数据PD计算改变后的HG参数PG。随后，App 6使用智能电话7的蓝牙接收器将该改变后的HG参数PG应用于助听设备4。

此外，App 6还从软件库12下载对应于听觉希望H的预测算法W，并且将该预测算法W引入运行环境8执行。

预测算法W依据所使用的计算算法B以及根据以前的HG参数PB以及用户4的个人数据PD计算按照内部规定最佳的重复方式，重复方式包含关于重复执行所使用的计算算法B的重复次数以及重复之间的最佳等待时间的规定。所确定的重复次数在此在特殊情况下也可以为零。可选地，预测算法W还使得自动根据所确定的重复方式重复执行所使用的计算算法B，或者至少提醒用户5根据该重复方式执行计算算法B。

在执行预测算法W期间和之后(由此在重复执行计算算法B期间或者之后)，用户5可以通过经由智能电话7与App 6的交互手动地对助听设备4的HG参数重新进行校正。此外，用户5也可以提前中断预测算法W的执行。

在执行推荐的重复方式之后，或者当用户5中断了预测算法W的执行时，App 6经由智能电话7请用户5在预测算法W依据所使用的计算算法B预先给定的等待时间之后给出反馈R。该等待时间可以由用户5中断。

反馈R包含用户5将接受(正反馈)、还是拒绝(负反馈)由计算算法B改变后的HG参数PG的二进制描述。如果用户5拒绝了改变后的HG参数PG，并且如果用户5自第一次执行计算算法B起就对HG参数手动进行了重新校正，则App 6在与用户5的交互中在助听设备4上保持重新校正后的HG参数PK，或者再一次产生以前的HG参数PB。

不仅在负反馈的情况下，而且在正反馈的情况下，App 6将

-听觉希望H，与

-用户5的个人数据PD，

-助听设备4的以前的HG参数PB，

-计算算法B在最后一次重复时计算的改变后的HG参数PG，

-反馈R，以及

-在需要时用户5手动重新校正后的HG参数PK一起以及在需要时其它的描述(例如重复次数和等待时间、关于用户5采纳还是拒绝App 6的建议的描述和/或关于所使用的算法的描述)传输到服务器9，服务器9将这些数据作为新的数据组D存档在用户数据库3中。

当反馈R为负时，服务器9从软件库12下载对应于听觉希望H的分析算法A，并且将该分析算法W引入运行环境10执行。

分析算法A被划分为了两个子算法，其原则上可以彼此独立地执行，因此在装置1的修改后的实施方式中作为单独的算法实现。

分析算法A的第一子算法依据听觉希望H，在用户数据库3中搜索整体上最接近用户5的个人数据PD和助听设备4的以前的HG参数PB的、具有正反馈R‘的其他用户的存档的数据组D。根据在此找到的数据组D中的、与所提及的用户5的数据具有最大的相似度的特定数量的(例如10个)数据组，第一子算法求改变后的HG参数PG‘的平均值，并且将该平均值作为替换HG参数PA传输到App 6。

如果用户5同意接受，则App 6随后使用智能电话7的蓝牙接收器将替换HG参数PA应用于助听设备4。

分析算法A的第二子算法(也称为：调整算法)对在用户数据库3中存档的其他用户的数据组进行簇分析。在簇分析的过程中，特别是检查特定改变后或者重新校正后的HG参数的值的分布(特别是在反馈R‘的类型相同的情况下)是否关于特定个人数据PD‘和/或其它HG参数(特别是以前的HG参数PB‘)分解为了在统计上可彼此区分开的簇(聚集)。如果在此找到了这种簇，则第二子算法通过使用优化方法(Fit)重新关于形成所找到的簇的存档的数据组D调整现有的计算算法B的变量，针对相关听觉希望自动建立新的计算算法B。

分析算法A将重新建立的计算算法B作为改变CB馈入到软件库12中。

此外，分析算法A在预测算法S中对新的情况区分补入改变CS，使得预测算法S以后对于对应于所确定的簇的个人数据PD和/或HG参数建议该重新建立的计算算法B。

此外，分析算法A还以改变CW调整预测算法W，使得该预测算法W针对计算算法B建议合适的重复次数和等待时间。

调整算法(即分析算法的第二子算法)的执行优选还以其它事件(触发器)触发，例如由一定的时间段的经过、用户数据库3的预先给定的数量的数据组D的增加、手动促使等。

根据装置1的另一个实施方式，总是向运行环境8提供整个软件库12(但是没有分析算法A)。用户5由此也可以离线地，也就是说，在智能电话7与因特网没有连接时，也可以执行改变后的HG参数的算法支持的计算。

在这种情况下，当智能电话7又具有因特网连接时，用户数据和用户动作向用户数据库3的传输以延迟的方式进行。

在另一个实施方式中设置为，进行附加的处理步骤：

调整算法在此不直接将其修改补入存储在软件库12中的计算和预测算法B,S,W。相反，将调整算法的结果可视化并且向听力系统调整的专家(特别是助听设备制造商的员工)显示。专家在此获得了对改变CB,CS和CW进行如下处理的可能性：

-接受，

-进行修改，然后接受，或者

-作为直到那时还没有施加计算或者预测算法的应用情况或者患者特征的模型使用。

在前面描述的装置1的所有变形例和由其执行的方法中，也可以代替改变后的HG参数PG或者代替重新校正后的HG参数PA，对参数改变进行存档和分析，以区分改变后或重新校正后的HG参数PG,PK与以前的HG参数PB。

下面，描述使用装置1和由其执行的方法的3个案例。为了说明本发明的效果，有意地选择了这些示例，其使得本领域技术人员能够容易地理解作为基础的情境。与此相对，在实际应用时，本发明真正的优点在于，通过应用根据本发明的方法，还能够找到因果关系即使对于本领域技术人员也不可识别或者不可理解的、用于助听设备的改进的设置的可能性。

案例1：

法国、意大利和德国的用户访问软件库。许多用户在那里从听觉希望目录中选择了描述“说话声太小”。

对于该听觉希望，存储了使增益在1kHz和4kHz之间的频率范围内轻微提高的计算算法。许多用户使用该计算算法。这些用户中的一部分还对增益调节重新进行校正。使用和重新校正的执行同样存储在用户数据库3中。

在输入1000次使用(并且在用户数据库3中存储1000个对应的数据组D)之后，激活针对计算算法“在1kHz和4kHz之间的频率范围内提高增益”配置的调整算法。其检查当前的数据组D的关系。重新校正首先看起来不太明显：存在重新校正，但是其给出了不统一的图像。

但是当在根据母语进行区分的情况下进行分析时，显示以下图像：

-来自法国的用户利用其重新校正在1kHz-2kHz之间的频率范围内附加地提高了增益。

-来自意大利的用户利用其重新校正在2kHz和4kHz之间的频率范围内提高了增益。

由此形成结果是重新校正的差异(数值分散)与重新校正的平均值相比相对小的图像。

调整算法对计算算法B进行补充，使得

-对于以法语为母语的用户，在1kHz和2kHz之间附加地提高增益。

-对于以意大利语为母语的用户，在2kHz和4kHz之间附加地提高增益。

该示例以本领域技术人员能够理解的情况为基础，即法语的主导频率处于1kHz和2kHz之间，而意大利语的主导频率处于2kHz和4kHz之间。

案例2：

许多用户从App 6提供的一般的不适的列表中选择了突然的干扰噪声、例如勺子碰撞咖啡杯使得感觉到不适的描述。

针对该听觉希望的计算算法B被设计为，其对助听设备4的大量HG参数分别进行微小的改变。然而，该计算算法由于缺乏专家的知识而关于参数改变的最佳增量与特定个人参数PG的依赖性普遍地工作，即对于每一个用户相同地工作。谨慎起见，将预先设置的参数改变的大小设置为小，从而计算算法的简单执行仅微小地改变在音强的时间曲线图中作为“针形状”的尖峰可见的干扰。

在1000个用户使用该计算算法之后，对应的调整算法进行分析。在此显示，用户在大多数情况下在简单的执行中保持原状。

但是，听力在高音范围内降低了大于60dB的听障者以在统计上突出的频率多次执行该计算算法B，平均相继执行3次，由此使脉冲形状的干扰与大多数用户相比更明显地减小。

因此，调整算法调整预测算法W，使得其向高音范围内的听力损失大于60dB的听障者提出执行3次计算算法B的建议。

该示例以本领域技术人员能够理解的情况为基础，即与听力正常的人相比，听障者感觉脉冲形状的干扰、恰好例如勺子碰撞咖啡杯要不适得多。因此，与听力较好的人相比，具有重度听力损失的听障者可能有对这种脉冲进行更强的抑制的需求。

案例3：

来自欧洲和中国的用户访问软件库。许多用户这里选择了描述“例如洗碗时餐具的碰撞声的高音不适，太刺耳”作为听觉希望H。

对于该听觉希望H，存储了两个替换计算算法B。

-第一计算算法B增大上频率范围内的动态压缩范围。

-第二计算算法B减小上频率范围内的增益。

预测算法S默认建议第一计算算法B。许多用户尝试两个计算算法的效果，然后决定使用两个计算算法中的一个。将此时使用哪个计算算法B的选择与该听觉希望H一起存储在用户数据库3的患者历史中。

在1000个用户使用了针对该听觉希望H的改进之后，调整算法分析直至那时累计的该听觉希望H的累积情况的选择。

该分析提供如下结果：以汉语为母语的大部分用户偏爱第二计算算法B多于第一计算算法B。调整算法于是改变预测算法S，使得默认向以汉语为母语的用户建议第二计算算法B。

在一个可以想到的实施方式中，预测算法S使用登记选择的相对频率的表格。为了获得前面描述的效果，调整算法扩展该表格，使得现在加入根据母语进行的区分。

该示例以本领域技术人员能够理解的情况为基础，即说所谓的音调语言、例如汉语的用户根据经验经常更偏爱具有尽可能小的动态压缩范围的信号处理。

通过前面描述的实施例和案例，本发明变得特别明显，但是仍然不局限于前面描述的实施例和案例。相反，根据权利要求和前面的描述可以得到本发明的其它实施方式。

附图标记列表

1 装置

2 数据库服务器

3 用户数据库

4 助听设备

5 用户

6 App

7 智能电话

8 (第一)运行环境

9 服务器

10 (第二)运行环境

11 服务器

12 软件库

A 分析算法

B 计算算法

CB 改变

CS 改变

CW 改变

D 数据组

H,H‘ 听觉希望

PA,PA‘ (替换)HG参数

PB,PB‘ (以前的)HG参数

PD,PD‘ 个人数据

PG,PG‘ (改变后的)HG参数

PK,PK‘ (重新校正后的)HG参数

R,R‘ 反馈

S 预测算法

W 预测算法

Claims (11)

1.一种用于设置助听设备的方法，

-其中，以数据的形式产生用户5的听觉希望，该数据关于用户5的听觉感受包含关于问题和/或关于希望的改善的描述，

-其中，关于听觉希望，根据与用户相关联的助听设备的以前的助听设备参数以及根据用户的个人数据，借助计算算法针对助听设备计算改变后的助听设备参数，

-其中，将改变后的助听设备参数应用于助听设备，

-其中，在稍后的时刻，采集反馈，反馈包含改变后的助听设备参数是否或者在何种程度上满足听觉希望的信息，

-其中，依据听觉希望和反馈，将

-以前的助听设备参数，以及

-改变后的助听设备参数和/或用于区别改变后的助听设备参数与以前的助听设备参数的参数改变，与

-用户的个人数据一起

作为数据组存档到用户数据库中，以及

-其中，借助用户数据库，针对用户和/或计算算法的改变确定替换助听设备参数。

2.根据权利要求1所述的方法，

-其中，助听设备参数能够由用户或者声学专家手动地重新进行校正，

-其中，在稍后的时刻，为了采集反馈，确定，由计算算法计算的改变后的助听设备参数在助听设备上未改变地被接受，还是手动地重新进行了校正，以及

-其中，在手动地重新进行了校正的情况下，将重新校正后的助听设备参数附加地存档到用户数据库中的数据组中。

3.根据权利要求1或2所述的方法，

其中，对包含在用户数据库中的数据组进行簇分析，以确定，数据组是否依据听觉希望和反馈以及关于助听设备参数和个人数据的子组分解为了在统计上彼此可分离的簇，以及其中，在确定这种分簇的情况下，针对计算算法产生考虑这种分簇的改变后或补充的规则。

4.根据权利要求3所述的方法，

其中，作为改变后或补充的规则，针对计算算法产生情况区分，通过其，针对助听设备参数中的一个或更多个，预先给定依据个人数据中的一个或更多个变化的参数改变。

5.根据权利要求1至4中任一项所述的方法，

其中，个人数据包括关于用户的听力损失、年龄、身高、性别、语言技能、国籍、疾病和/或残疾的描述。

6.根据权利要求1至5中任一项所述的方法，

其中，助听设备参数包括关于与频率有关的增益因数、关于压缩范围、关于干扰噪声抑制、关于包含在助听设备中的麦克风的方向性、关于反馈抑制和/或关于听力情形的分类的描述。

7.根据权利要求1至6中任一项所述的方法，

-其中，特别是在反馈为负的情况下，从用户数据库中选择另一个用户的在考虑到听觉希望、个人数据和以前的助听设备参数的情况下最接近用户的对应的数据的那个存档的数据组，以及

-其中，作为用于该用户的替换助听设备参数，接受所选择的该存档的数据组的改变后的助听设备参数。

8.根据权利要求1至7中任一项所述的方法，

-其中，特别是在反馈为负的情况下，从用户数据库中选择其他用户的在考虑到听觉希望、个人数据和以前的助听设备参数的情况下最接近用户的对应的数据的多个存档的数据组，以及

-其中，将所选择的这些存档的数据组的改变后的助听设备参数的加权或者未加权的平均值，确定为用于该用户的替换助听设备参数。

9.一种用于按照根据权利要求1至8中任一项所述的方法设置助听设备的装置，

-具有用户数据库，不同的用户的多个数据组存档在用户数据库中，其中，每个数据组依据相应地作为基础的听觉希望和相关的反馈包含

-以前的助听设备参数，以及

-改变后的助听设备参数和/或用于区别改变后的助听设备参数与以前的助听设备参数的参数改变，以及

-相应的用户的个人数据，

-具有软件库，在软件库中提供至少一个计算算法和分析算法，

-其中，计算算法被配置为，针对特定用户的听觉希望，根据与该用户相关联的助听设备的以前的助听设备参数以及根据该用户的个人数据，计算改变后的助听设备参数，以及

-其中，分析算法被配置为，从用户数据库中确定用于该用户的替换助听设备参数和/或计算算法的改变，

-具有配置单元，其能够通过数据传输技术与用户的助听设备连接，以便将由计算算法计算的改变后的助听设备参数应用于助听设备，其中，配置单元被配置为

-产生听觉希望，

-在应用由计算算法计算的改变后的助听设备参数之后采集反馈，以及

-将听觉希望与反馈、以前的助听设备参数、改变后的助听设备参数和/或用于区别改变后的助听设备参数与以前的助听设备参数的参数改变以及用户的个人数据一起传输到用户数据库，以进行存档，

-具有用于执行计算算法的运行环境，可以将计算算法从软件库加载到该运行环境中，以及

-具有用于执行分析算法的运行环境，可以将分析算法从软件库加载到该运行环境中。

10.根据权利要求9所述的装置，

-其中，助听设备参数能够由用户或者声学专家经由配置单元手动地重新进行校正，

-其中，配置单元被配置为，

-采集反馈，以确定，由计算算法计算的改变后的助听设备参数是不变地在助听设备上被接受，还是手动地重新进行了校正，以及

-在手动地重新进行了校正的情况下，将重新校正后的助听设备参数附加地传输到用户数据库，以进行存档。

11.根据权利要求9或10所述的装置，

其中，分析算法被配置为，对包含在用户数据库中的数据组进行簇分析，以产生用于计算算法的改变后或者补充的规则。