CN113411733B - 一种面向免验配助听器的参数自调节方法 - Google Patents

Abstract

本发明公开了一种面向免验配助听器的参数自调节方法，包括以下步骤：步骤一：确定10组参数[a₁,b₁,a₂,b₂,r,s,t]_1～10；步骤二：根据患者在中心频率CF处的听力损失，分别计算10组参数对应的内/外毛细胞听力损失，正常耳和患耳的最大增益和补偿系数；步骤三：将输入语音x_in分帧加窗，并计算每帧信号的能量谱E(k)；步骤四：计算10组参数对应的补偿增益；步骤五：将步骤四计算得出的补偿增益作用在信号谱上，获得补偿后的10组语音信号；步骤六：计算10组语音信号的适应度，并重新生成10组参数。该面向免验配助听器的参数自调节方法根据耳蜗听损模型建立响度补偿模型，同时基于智能算法自适应调节参数，具有响度补偿效果好且调配方便的优点。

Description

一种面向免验配助听器的参数自调节方法

技术领域

本发明涉及助听器验配技术领域，具体涉及一种面向免验配助听器的参数自调节方法。

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，由于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。当前，使用人工智能算法来替代听力专家的作用成为一种研究趋势，如基于遗传算法对谱增强算法参数和多通道补偿算法参数的优化，但是该遗传算法的收敛速度慢，稳定性差，影响了算法的实用性。而且，由于缺乏有效的认知评估方法，基于认知的参数优化算法的研究进展缓慢，近年来，有些专家提出一种自验配的助听器参数优化算法，即通过患者的反馈利用智能算法取代听力专家的工作，从而变相的引入认知因素。

但是上述的算法，仍然没有充分利用患者的综合性信息，比如认知能力，验配过程，因此，如何基于这些数据构建新的自验配模型改善言语增强效果有待进一步研究。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，如何解决上述的问题，是当前急需实现的。

发明内容

发明目的：为了克服现有技术中存在的不足，本发明给出了一种面向免验配助听器的参数自调节方法，该方法根据耳蜗听损模型建立了一个响度补偿模型，基于声压级和语音可懂度构建了一个对响度补偿效果的评价指标，利用优化算法优化模型参数以使响度补偿效果最优化。

技术方案：为实现上述目的，本发明采用如下技术方案：

一种面向免验配助听器的参数自调节方法，包括以下步骤：

步骤一：确定10组参数[a₁,b₁,a₂,b₂,r,s,t]_1～10，包括低于中心频率CF的滤波器的调节系数a₁和b₁，高于中心频率CF的滤波器的调节系数a₂和b₂，补偿调节系数r以及正常耳最大增益调节系数s和t；

步骤二：根据患者在中心频率CF处的听力损失，分别计算10组参数对应的内/外毛细胞听力损失，正常耳和患耳的最大增益和补偿系数；

步骤三：将输入语音x_in分帧加窗，并计算每帧信号的能量谱E(k)；

步骤四：计算10组参数对应的补偿增益；

步骤五：将步骤四计算得出的补偿增益作用在信号谱上，获得补偿后的10组语音信号；

步骤六：计算10组语音信号的适应度，并重新生成10组参数，如果种群的平均适应度不再提高，且适应度高度集中，保留适应度最高的1组参数即为最优参数，退出迭代；否则，对除最优参数外的另9组参数进行染色体交叉，生成9组新的参数即为修正后参数，将最优参数与9组修正后参数重新返回步骤二。

优选的，所述步骤一中，中心频率CF的取值包括125，250，500，1000，2000，4000和6000Hz；七个参数a₁,b₁,a₂,b₂,r,s,t分别设置为[0.108±0.01]，[2.33±0.2]，[0.0641±0.006]，[0±0.1]，[0.05±0.005]，[0.019±0.002]，[1.1±0.1]范围内均匀分布的随机变量，10组参数在取值范围内随机生成。

优选的，所述步骤二中，内/外毛细胞损失，正常耳和患耳的最大增益和补偿系数的计算包括以下步骤：

1)根据患者在中心频率CF处的听力损失HL(CF)，计算内毛细胞听力损失HL_IHC(CF)和外毛细胞听力损失HL_OHC(CF)，

2)计算正常耳最大增益G_M,Normal(CF)和患耳最大增益G_M,Impaired(CF)，

其中，s和t均为正常耳最大增益调节系数；

3)计算正常耳和患耳的补偿系数C_Normal(CF)和C_Impaired(CF)，

其中，r为补偿调节系数。

优选的，所述补偿增益的计算包括以下步骤：

1)计算各个通道的能量E_pf(CF)；

其中，E(k)为每帧信号的能量谱，k代表频点，W_pf(CF,k)为频点为k的中心频率为CF的无源滤波器频响表达式；

W_pf(CF,f)为输入语音频率为f的中心频率为CF的无源滤波器频响表达式；其计算公式如式(5)：

式(5)中，t_l(CF)和t_u(CF)分别代表频率低于或高于CF的滤波器，f为输入语音的频率，

2)计算外毛细胞对应的目标补偿增益IG_OHC(CF)；

IG_OHC(CF)＝m[G_Normal(CF)-G_Impaired(CF)]     (5)

式(7)中，m为修正系数，m的取值为

G_Normal(CF)和G_Impaired(CF)分别为正常耳和患耳的增益，其表示如式(9)所示：

式(9)中，D(CF)＝exp{r·E_pf(CF)}，r为补偿调节系数；

3)计算内毛细胞增益IG_IHC(CF)；

IG_IHC(CF)＝0.5·min[HL_IHC(CF),40]     (10)；

4)计算补偿增益IG(CF)为

IG(CF)＝IG_OHC(CF)+IG_IHC(CF)+INT(CF)     (11)

其中INT(CF)为一个衰减因子，当频率CF等于125，250和500Hz时，INT(CF)分别为-15dB，-10dB和-5dB，当CF大于等于1000Hz时，INT(CF)等于0dB，当CF等于其它值时，INT(CF)则根据以上几个值通过线性插值得到。

优选的，所述计算适应度并重新生成参数包括以下步骤：

1)计算输入语音x_in和补偿后信号y_i的可懂度差异ΔHI(loss_i)

ΔHI(loss_i)＝HI(y_i,loss_i)-HI(x_in,loss_i)    (12)

其中，i代表6种典型听力图中的一种，loss_i为第i种典型听力图，HI(y_i,loss_i)表示补偿后信号的可懂度，HI(x_in,loss_i)表示输入语音的可懂度；

2)计算补偿后信号的强度参考标准εi：

其中，loss_overall,i表示第i个听力图对应的整体听力损失：

3)计算适应度为

4)如果10组参数的适应度比较接近，那么选出最高适应度对应的参数作为最优参数；否则，修正参数为

[a₁,b₁,a₂,b₂,r,s,t]'＝[a₁,b₁,a₂,b₂,r,s,t]+[Δa₁,Δb₁,Δa₂,Δb₂,Δr,Δs,Δt]  (16)

其中，Δa₁，Δb₁，Δa₂，Δb₂，Δr，Δs，Δt都是随机变量，分别在[-0.01，0.01]，[-0.2，0.2]，[-0.006，0.006]，[-0.1，0.1]，[-0.005，0.005]，[-0.002，0.002]，[-0.1，0.1]之间均匀分布；

5)随机选择一组修正的参数[a₁,b₁,a₂,b₂,r,s，]'_pt和另一组修正的参数[a₁,b₁,a₂,b₂,r,s,t]'_q进行对应参数随机互换，得到一组修正后参数为[a₁,b₁,a₂,b₂,r,s,t]'_l,1，则修正后参数计算公式为：

[a₁,b₁,a₂,b₂,r,s,t]'_l1＝α_j[a₁,b₁,a₂,b₂,r,s,t]'_p+(1-α_j)[a₁,b₁,a₂,b₂,r,s,t]'_q(17)

其中，α_j(j＝1～7)分别表示一个[0，1]之间均匀分布的随机数，互相独立，重复操作第5)步，得到9组修正后参数[a₁,b₁,a₂,b₂,r,s,t]'_l,n(n＝1～9)，将9组修正后参数与第4)步的最优参数一起，返回步骤二，重新进行步骤二到步骤六。

有益效果：与现有技术相比，本发明的有益效果如下：

(1)、基于人耳听觉模型调配增益，可以适应不同频谱特征的声音，对大多数类型的频谱都能取得较好的响度补偿效果；

(2)、基于智能算法自适应的调节助听器参数，比传统的基于听力专家的参数调配方法更方便，更易于普及。

附图说明

图1为本发明的一种面向免验配助听器的参数自调节方法的流程图。

图2为本发明方法与传统方法的响度补偿效果对比图。

具体实施方式

下面结合附图对本发明作更进一步的说明。

如图1所示，本发明的一种面向免验配助听器的参数自调节方法，包含以下步骤：

步骤一：确定10组参数[a₁,b₁,a₂,b₂,r,s,t]_1～10，包括低于中心频率CF的滤波器的调节系数a₁和b₁，高于中心频率CF的滤波器的调节系数a₂和b₂，补偿调节系数r以及正常耳最大增益调节系数s和t，中心频率CF的取值包括125，250，500，1000，2000，4000和6000Hz；七个参数a₁,b₁,a₂,b₂,r,s,t分别设置为[0.108±0.01]，[2.33±0.2]，[0.0641±0.006]，[0±0.1]，[0.05±0.005]，[0.019±0.002]，[1.1±0.1]范围内均匀分布的随机变量，10组参数在取值范围内随机生成；

步骤二：根据患者在中心频率CF处的听力损失，分别计算10组参数对应的内/外毛细胞听力损失，正常耳和患耳的最大增益和补偿系数；

1)根据患者在中心频率CF处的听力损失HL(CF)，计算内毛细胞听力损失HL_IHC(CF)和外毛细胞听力损失HL_OHC(CF)，

2)计算正常耳最大增益G_M,Normal(CF)和患耳最大增益G_M,Impaired(CF)，

其中，s和t均为正常耳最大增益调节系数；

3)计算正常耳和患耳的补偿系数C_Normal(CF)和C_Impaired(CF)，

其中，r为补偿调节系数；

步骤三：将输入语音x_in分帧加窗，并计算每帧信号的能量谱E(k)；

1)计算各个通道的能量E_pf(CF)；

其中，E(k)为每帧信号的能量谱，k代表频点，W_pf(CF,k)为频点为k的中心频率为CF的无源滤波器频响表达式；

W_pf(CF,f)为输入语音频率为f的中心频率为CF的无源滤波器频响表达式；其计算公式如式(5)：

式(5)中，t_l(CF)和t_u(CF)分别代表频率低于或高于CF的滤波器，f为输入语音的频率，

2)计算外毛细胞对应的目标补偿增益IG_OHC(CF)；

IG_OHC(CF)＝m[G_Normal(CF)-G_Impaired(CF)]     (7)

式(7)中，m为修正系数，m的取值为

G_Normal(CF)和G_Impaired(CF)分别为正常耳和患耳的增益，其表示如式(9)所示：

式(9)中，D(CF)＝exp{r·E_pf(CF)}，r为补偿调节系数；

3)计算内毛细胞增益IG_IHC(CF)；

IG_IHC(CF)＝0.5·min[HL_IHC(CF),40]     (10)；

4)计算补偿增益IG(CF)为

IG(CF)＝IG_OHC(CF)+IG_IHC(CF)+INT(CF)     (11)

其中INT(CF)为一个衰减因子，当频率CF等于125，250和500Hz时，INT(CF)分别为-15dB，-10dB和-5dB，当CF大于等于1000Hz时，INT(CF)等于0dB，当CF等于其它值时，INT(CF)则根据以上几个值通过线性插值得到；

步骤四：计算10组参数对应的补偿增益；

步骤五：将步骤四计算得出的补偿增益作用在信号谱上，获得补偿后的10组语音信号；

步骤六：计算10组语音信号的适应度，并重新生成10组参数，如果种群的平均适应度不再提高，且适应度高度集中，保留适应度最高的1组参数即为最优参数，退出迭代；否则，对除最优参数外的另9组参数进行染色体交叉，生成9组新的参数即为修正后参数，将最优参数与9组修正后参数重新返回步骤二；

1)计算输入语音x_in和补偿后信号y_i的可懂度差异ΔHI(loss_i)

ΔHI(loss_i)＝HI(y_i,loss_i)-HI(x_in,loss_i)    (12)

其中，i代表6种典型听力图中的一种，loss_i为第i种典型听力图，HI(y_i,loss_i)表示补偿后信号的可懂度，HI(x_in,loss_i)表示输入语音的可懂度；

2)计算补偿后信号的强度参考标准ε_i：

其中，loss_overall,i表示第i个听力图对应的整体听力损失：

3)计算适应度为

4)如果10组参数的适应度比较接近，那么选出最高适应度对应的参数作为最优参数；否则，修正参数为

[a₁,b₁,a₂,b₂,r,s,t]'＝[a₁,b₁,a₂,b₂,r,s,t]+[Δa₁,Δb₁,Δa₂,Δb₂,Δr,Δs,Δt]  (16)

其中，Δa₁，Δb₁，Δa₂，Δb₂，Δr，Δs，Δt都是随机变量，分别在[-0.01，0.01]，[-0.2，0.2]，[-0.006，0.006]，[-0.1，0.1]，[-0.005，0.005]，[-0.002，0.002]，[-0.1，0.1]之间均匀分布；

5)随机选择一组修正的参数[a₁,b₁,a₂,b₂,r,s，]'_pt和另一组修正的参数[a₁,b₁,a₂,b₂,r,s,t]'_q进行对应参数随机互换，得到一组修正后参数为[a₁,b₁,a₂,b₂,r,s,t]'_l,1，则修正后参数计算公式为：

[a₁,b₁,a₂,b₂,r,s,t]'_l1＝α_j[a₁,b₁,a₂,b₂,r,s,t]'_p+(1-α_j)[a₁,b₁,a₂,b₂,r,s,t]'_q(17)

其中，α_j(j＝1～7)分别表示一个[0，1]之间均匀分布的随机数，互相独立，重复操作第5)步，得到9组修正后参数[a₁,b₁,a₂,b₂,r,s,t]'_l,n(n＝1～9)，将9组修正后参数与第4)步的最优参数一起，返回步骤二，重新进行步骤二到步骤六；

图2为传统方法和本发明方法的响度补偿效果，实验选择10个音频作为测试音频，并选用5个听障患者进行测试，如表1所示，其中，患者1和患者3为平坦性听损患者，患者4和5是高频听损患者，而患者2位为低频听损患者。如图2所示，对于平坦性听损患者，提出方法的补偿后的语音可懂度与传统方法基本相同；对于高频听损患者，补偿后的语音可懂度显著提高；而对于低频听损患者，补偿后的语音可懂度略微降低。主要原因在于，在本文的优化过程中用到的听力图来源于真实的临床统计数据，高频听损类型更多，优化的结果也会更适合高频类型患者者。

表1测试时使用的听力图

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，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (1)

1.一种面向免验配助听器的参数自调节方法，其特征在于，包括以下步骤：

步骤一：确定10组参数[a₁,b₁,a₂,b₂,r,s,t]_1～10，包括低于中心频率CF的滤波器的调节系数a₁和b₁，高于中心频率CF的滤波器的调节系数a₂和b₂，补偿调节系数r以及正常耳最大增益调节系数s和t；

步骤二：根据患者在中心频率CF处的听力损失，分别计算10组参数对应的内/外毛细胞听力损失，正常耳和患耳的最大增益和补偿系数；

步骤三：将输入语音x_in分帧加窗，并计算每帧信号的能量谱E(k)；

步骤四：计算10组参数对应的补偿增益；

步骤五：将步骤四计算得出的补偿增益作用在信号谱上，获得补偿后的10组语音信号；

步骤六：计算10组语音信号的适应度，并重新生成10组参数，如果种群的平均适应度不再提高，且适应度高度集中，保留适应度最高的1组参数即为最优参数，退出迭代；否则，对除最优参数外的另9组参数进行染色体交叉，生成9组新的参数即为修正后参数，将最优参数与9组修正后参数重新返回步骤二；

步骤一中，中心频率CF的取值包括125，250，500，1000，2000，4000和6000Hz；七个参数a₁,b₁,a₂,b₂,r,s,t分别设置为[0.108±0.01]，[2.33±0.2]，[0.0641±0.006]，[0±0.1]，[0.05±0.005]，[0.019±0.002]，[1.1±0.1]范围内均匀分布的随机变量，10组参数在取值范围内随机生成；

步骤二中，内/外毛细胞损失，正常耳和患耳的最大增益和补偿系数的计算包括以下步骤：

1)根据患者在中心频率CF处的听力损失HL(CF)，计算内毛细胞听力损失HL_IHC(CF)和外毛细胞听力损失HL_OHC(CF)，

2)计算正常耳最大增益G_M,Normal(CF)和患耳最大增益G_M,Impaired(CF)，

其中，s和t均为正常耳最大增益调节系数；

3)计算正常耳和患耳的补偿系数C_Normal(CF)和C_Impaired(CF)，

其中，r为补偿调节系数；

补偿增益的计算包括以下步骤：

1)计算各个通道的能量Epf(CF)；

其中，E(k)为每帧信号的能量谱，k代表频点，W_pf(CF,k)为频点为k的中心频率为CF的无源滤波器频响表达式；

W_pf(CF,f)为输入语音频率为f的中心频率为CF的无源滤波器频响表达式；其计算公式如式(5)：

式(5)中，t_l(CF)和t_u(CF)分别代表频率低于或高于CF的滤波器，f为输入语音的频率，

2)计算外毛细胞对应的目标补偿增益IGOHC(CF)；

IG_OHC(CF)＝m[G_Normal(CF)-G_Impaired(CF)]    (6)

式(7)中，m为修正系数，m的取值为

G_Normal(CF)和G_Impaired(CF)分别为正常耳和患耳的增益，其表示如式(9)所示：

式(9)中，D(CF)＝exp{r·E_pf(CF)}，r为补偿调节系数；

3)计算内毛细胞增益IGIHC(CF)；

IG_IHC(CF)＝0.5·min[HL_IHC(CF),40]    (8)；

4)计算补偿增益IG(CF)为

IG(CF)＝IG_OHC(CF)+IG_IHC(CF)+INT(CF)    (9)

其中INT(CF)为一个衰减因子，当频率CF等于125，250和500Hz时，INT(CF)分别为-15dB，-10dB和-5dB，当CF大于等于1000Hz时，INT(CF)等于0dB，当CF等于其它值时，INT(CF)则根据CF等于125，250、500Hz及CF大于等于1000Hz时的INT(CF)值通过线性插值得到；

计算适应度并重新生成参数包括以下步骤：

1)计算输入语音x_in和补偿后信号y_i的可懂度差异ΔHI(loss_i)

ΔHI(loss_i)＝HI(y_i,loss_i)-HI(x_in,loss_i)    (10)

其中，i代表6种典型听力图中的一种，loss_i为第i种典型听力图，HI(y_i,loss_i)表示补偿后信号的可懂度，HI(x_in,loss_i)表示输入语音的可懂度；

2)计算补偿后信号的强度参考标准ε_i：

其中，lossoverall,i表示第i个听力图对应的整体听力损失：

3)计算适应度为

4)如果10组参数的适应度比较接近，那么选出最高适应度对应的参数作为最优参数；否则，修正参数为

[a₁,b₁,a₂,b₂,r,s,t]'＝[a₁,b₁,a₂,b₂,r,s,t]+[Δa₁,Δb₁,Δa₂,Δb₂,Δr,Δs,Δt](16)

其中，Δa1，Δb1，Δa2，Δb2，Δr，Δs，Δt都是随机变量，分别在[-0.01，0.01]，[-0.2，0.2]，[-0.006，0.006]，[-0.1，0.1]，[-0.005，0.005]，[-0.002，0.002]，[-0.1，0.1]之间均匀分布；

5)随机选择一组修正的参数[a₁,b₁,a₂,b₂,r,s,t]'_p和另一组修正的参数[a₁,b₁,a₂,b₂,r,s,t]'_q进行对应参数随机互换，得到一组修正后参数为[a₁,b₁,a₂,b₂,r,s,t]'_l,1，则修正后参数计算公式为：

[a₁,b₁,a₂,b₂,r,s,t]'_l1＝α_j[a₁,b₁,a₂,b₂,r,s,t]'_p+(1-α_j)[a₁,b₁,a₂,b₂,r,s,t]'_q(17)

其中，α_j(j＝1～7)分别表示一个[0，1]之间均匀分布的随机数，互相独立，重复操作第5)步，得到9组修正后参数[a₁,b₁,a₂,b₂,r,s,t]'_l,n(n＝1～9)，将9组修正后参数与第4)步的最优参数一起，返回步骤二，重新进行步骤二到步骤六。

Images