CN114584908B - 助听器的声学测试方法、装置以及设备 - Google Patents
助听器的声学测试方法、装置以及设备 Download PDFInfo
- Publication number
- CN114584908B CN114584908B CN202210210555.3A CN202210210555A CN114584908B CN 114584908 B CN114584908 B CN 114584908B CN 202210210555 A CN202210210555 A CN 202210210555A CN 114584908 B CN114584908 B CN 114584908B
- Authority
- CN
- China
- Prior art keywords
- hearing aid
- noise reduction
- hearing
- reduction stability
- optimal
- 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
Links
- 238000012360 testing method Methods 0.000 title claims abstract description 48
- 230000009467 reduction Effects 0.000 claims abstract description 138
- 238000001228 spectrum Methods 0.000 claims abstract description 42
- 230000000694 effects Effects 0.000 claims abstract description 20
- 238000000034 method Methods 0.000 claims description 23
- 238000004519 manufacturing process Methods 0.000 claims description 18
- 238000011156 evaluation Methods 0.000 claims description 17
- 238000004590 computer program Methods 0.000 claims description 16
- 230000002950 deficient Effects 0.000 claims description 14
- 238000004458 analytical method Methods 0.000 claims description 13
- 238000006243 chemical reaction Methods 0.000 claims description 8
- 238000003860 storage Methods 0.000 claims description 8
- 238000010998 test method Methods 0.000 claims description 4
- 238000003908 quality control method Methods 0.000 abstract description 4
- 238000012545 processing Methods 0.000 description 24
- 230000006870 function Effects 0.000 description 10
- 238000004891 communication Methods 0.000 description 5
- 238000005070 sampling Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 208000032041 Hearing impaired Diseases 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 230000009466 transformation Effects 0.000 description 3
- 230000003044 adaptive effect Effects 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 208000016354 hearing loss disease Diseases 0.000 description 2
- 230000003595 spectral effect Effects 0.000 description 2
- 230000002411 adverse Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 229910002056 binary alloy Inorganic materials 0.000 description 1
- 239000000969 carrier Substances 0.000 description 1
- 230000003930 cognitive ability Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 210000005069 ears Anatomy 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000009432 framing Methods 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 210000002221 olecranon process Anatomy 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000013441 quality evaluation Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000011273 social behavior Effects 0.000 description 1
- 230000005236 sound signal Effects 0.000 description 1
- 230000001629 suppression Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04R—LOUDSPEAKERS, MICROPHONES, GRAMOPHONE PICK-UPS OR LIKE ACOUSTIC ELECTROMECHANICAL TRANSDUCERS; DEAF-AID SETS; PUBLIC ADDRESS SYSTEMS
- H04R25/00—Deaf-aid sets, i.e. electro-acoustic or electro-mechanical hearing aids; Electric tinnitus maskers providing an auditory perception
- H04R25/30—Monitoring or testing of hearing aids, e.g. functioning, settings, battery power
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04R—LOUDSPEAKERS, MICROPHONES, GRAMOPHONE PICK-UPS OR LIKE ACOUSTIC ELECTROMECHANICAL TRANSDUCERS; DEAF-AID SETS; PUBLIC ADDRESS SYSTEMS
- H04R25/00—Deaf-aid sets, i.e. electro-acoustic or electro-mechanical hearing aids; Electric tinnitus maskers providing an auditory perception
- H04R25/35—Deaf-aid sets, i.e. electro-acoustic or electro-mechanical hearing aids; Electric tinnitus maskers providing an auditory perception using translation techniques
- H04R25/353—Frequency, e.g. frequency shift or compression
Landscapes
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Otolaryngology (AREA)
- Neurosurgery (AREA)
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Acoustics & Sound (AREA)
- Signal Processing (AREA)
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (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的声学测试方法、装置以及设备,助听器的声学测试方法包括:接收多个助听器在嘈杂环境下拾音后播放的音频数据;将每个助听器的音频数据转化为频域图谱;对每个助听器的时域图谱和/或频域图谱进行分析,获得不良助听器;剔除不良助听器,并分析第一剩余助听器的降噪稳定性。本发明针对助听器的声学处理效果进行测试,用以评价助听器的声学性能,为助听器的质量把控提供数据基础。
Description
技术领域
本发明涉及助听器技术领域,尤其涉及一种助听器的声学测试方法、装置以及设备。
背景技术
随着老年性听力障碍的发病率逐年增高,老年性听力障碍给社区居家老年人生活质量、认知能力及社会行为等带来较大的不利影响。助听器可以改善听障患者的听力,提高生活质量,保护他们的残存听力。因此,助听器的产品质量对于老年性听力障碍患者具有重要意义,其中售后不良率是产品的重要指标之一。
现有技术下,一方面通过人工检查助听器耳机的鹰嘴处的喇叭外观来评价产品的优良,另一方面通过调整优化装置从助听器的装配方面提高助听器的声学一致性,以此降低助听器的售后不良率。但是,在助听器的产品质量评价中,没有对助听器的声学处理效果进行测试,这给产品质量带来了极大的风险。
发明内容
鉴于上述,本发明旨在提供一种助听器的声学测试方法、装置以及设备,并相应地提出一种计算机可读存储介质,通过这些方面针对助听器的声学处理效果进行测试,用以评价助听器的声学性能,为助听器的质量把控提供数据基础。
本发明采用的技术方案如下:
第一方面,本发明提供了一种助听器的声学测试方法,包括:
接收多个助听器在嘈杂环境下拾音后播放的音频数据;
将每个助听器的音频数据转化为频域图谱;
对每个助听器的时域图谱和/或频域图谱进行分析,获得不良助听器;
剔除不良助听器,并分析第一剩余助听器的降噪稳定性。
在其中一种可能的实现方式中,声学测试方法还包括依据频域图谱分析第一剩余助听器的声学一致性。
在其中一种可能的实现方式中,对每个助听器的时域图谱和/或频域图谱进行分析,获得不良助听器,具体包括如下步骤:
分析时域图谱的丢音次数、分析时域图谱的啸叫次数和/或分析频域图谱的噪声数量;
将丢音次数超过第一预设次数、啸叫次数超过第二预设次数和/或噪音数量超过第三预设次数的助听器记为不良助听器。
在其中一种可能的实现方式中,分析第一剩余助听器的降噪稳定性具体包括:
对于被测试的每一批助听器,获得降噪效果最好的助听器,作为最佳助听器;
计算最佳助听器之外的第二剩余助听器相对于最佳助听器的降噪差异,用来评价个体降噪稳定性:降噪差异越小,说明第二剩余助听器的降噪稳定性越好。
在其中一种可能的实现方式中,分析第一剩余助听器的降噪稳定性,还包括:
计算每一批助听器中所有第二剩余助听器的降噪差异的波动性,用来评价批次降噪稳定性:波动性越小,说明该批助听器的降噪稳定性越好。
在其中一种可能的实现方式中,分析第一剩余助听器的降噪稳定性,还包括:
计算同一产线的多个批次的降噪稳定性的波动性,用来评价产线降噪稳定性:波动性越小,说明产线的降噪稳定性越好。
在其中一种可能的实现方式中,计算最佳助听器之外的第二剩余助听器相对于最佳助听器的降噪差异,用来评价个体降噪稳定性,具体包括:
依据所有频点上第二剩余助听器与最佳助听器的差值计算第二剩余助听器相对于最佳助听器的均方误差,作为第二剩余助听器相对于最佳助听器的降噪差异,用来评价个体降噪稳定性。
第二方面,本发明提供了一种助听器的声学测试装置,包括音频数据接收模块、频谱转化模块、不良品获得模块以及降噪稳定性分析模块;
音频数据接收模块用于接收多个助听器在嘈杂环境下拾音后播放的音频数据;
频谱转化模块用于将每个助听器的音频数据转化为频域图谱;
不良品获得模块用于对每个助听器的时域图谱和/或频域图谱进行分析,获得不良助听器;
降噪稳定性分析模块用于剔除不良助听器,并分析第一剩余助听器的降噪稳定性。
在其中一种可能的实现方式中,降噪稳定性分析模块包括最佳助听器获得模块、个体降噪稳定性评价模块;
最佳助听器获得模块用于对于被测试的每一批助听器,获得降噪效果最好的助听器,作为最佳助听器;
个体降噪稳定性评价模块用于计算最佳助听器之外的第二剩余助听器相对于最佳助听器的降噪差异,用来评价个体降噪稳定性。
在其中一种可能的实现方式中,个体降噪稳定性评价模块用于依据所有频点上第二剩余助听器与最佳助听器的差值计算第二剩余助听器相对于最佳助听器的均方误差,作为第二剩余助听器相对于最佳助听器的降噪差异,用来评价个体降噪稳定性。
第三方面,本发明提供了一种助听器的声学测试设备,包括:
一个或多个处理器、存储器以及一个或多个计算机程序,其中一个或多个计算机程序被存储在存储器中,一个或多个计算机程序包括指令,当指令被设备执行时,使得设备执行上述的助听器的声学测试方法。
第四方面,本发明提供了一种计算机可读存储介质,计算机可读存储介质中存储有计算机程序,当其在计算机上运行时,使得计算机执行上述的助听器的声学测试方法。
本发明的构思在于,通过对助听器播放的音频数据进行多维度的指标统计,筛选出明显具有声学性能缺陷的助听器,作为不良品进行剔除。在此基础上,对剩余助听器的声学性能做进一步分析,从个体、批次、产线的多批次等多维度进行降噪性能稳定性和声学一致性的评价,实现全面测评,为单个和批量助听器的质量把控提供基础。
附图说明
为使本发明的目的、技术方案和优点更加清楚,下面将结合附图对本发明作进一步描述,其中:
图1为本发明提供的助听器的声学测试方法的流程图;
图2为本发明提供的助听器的声学测试系统的结构示意图;
图3为本发明提供的分析第一剩余助听器的降噪稳定性的流程图;
图4为本发明提供的助听器的声学测试装置的结构示意图;
图5为本发明提供的助听器的声学测试设备的结构示意图。
具体实施方式
下面详细描述本发明的实施例,实施例的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的,仅用于解释本发明,而不能解释为对本发明的限制。
本发明的构思在于,通过对助听器播放的音频数据进行多维度的指标统计,筛选出明显具有声学性能缺陷的助听器,作为不良品进行剔除。在此基础上,对剩余助听器的声学性能做进一步分析,从个体、批次、产线的多批次等多维度进行降噪性能稳定性和声学一致性的评价,实现全面测评,为单个和批量助听器的质量把控提供基础。
针对前述核心构思,本发明提供了至少一种助听器的声学测试方法的实施例,如图1所示,可以包括如下步骤:
步骤S110:接收多个助听器在嘈杂环境下拾音后播放的音频数据。
本发明中,助听器在拾音过程中处于带有噪音的环境中。
在一种可能的实现方式中,将多个助听器放置到静音房或者消音的盒子里,将每个助听器的采集模块分别放置在助听器的扬声器下面,利用采集模块模拟助听器在不同噪声环境下拾音后,人耳在助听器外罩中的听觉响应。随后采集模块将采集到的音频数据传输给数据处理系统。
但是,在上述实施方式中,采集模块与对应喇叭之间存在一定的距离,并且二者处于开放空间中,因此采集模块无法完整采集到助听器播放的声音。
基于上述考虑,在一种优选的实现方式中,声学测试系统如图2所示,测试盒子5(放置在静音房或者消音盒子里)中设有多个测试夹具9,助听器2放置到测试夹具9上。每个测试夹具的正下方设有一个喇叭10,用于播放音量恒定的纯音。每个助听器2的麦克风正对着对应的喇叭10,在测试盒子5内腔的四周均匀布置多个小音响3,小音响3播放嘈杂的环境音,用来制造噪声环境。每个助听器2与其采集模块(图中未示出)之间设有耦合器4,耦合器4与助听器2自身的扬声器之间用橡皮泥密封,以完整地采集助听器2播放的声音。
如图2所示,声学测试系统还包括通过滑块6设置在支架8的滑轨上的高速相机7。测试时,首先将每个助听器放置到对应的测试夹具上。然后点击数据处理系统的位置校准按钮,测试夹具上方的高速相机7在滑轨上滑动,逐个拍摄助听器在测试夹具上的位置,通过图像分析助听器是否放置完好。如果放置的位置有偏差,则数据处理系统的显示屏上该助听器对应的图标显示为红色。将该助听器的位置重新放好后,该助听器对应的图标则会更新为绿色。所有助听器的位置校准完成后,通过开启小音响3和喇叭10进行音频数据的采集。
助听器2拾取喇叭10播放的纯音,同时拾取环境噪音。助听器2拾音后通过其自身的扬声器将声音放大后播放出来,并借助耦合器4通过采集模块采集,将采集后的音频数据[PCM(Pulse Code Modulation,脉冲编码调制)]传送给数据处理系统1。
可以理解地,数据处理系统1可以是电脑上的工程软件,也可以是移动设备上的应用程序。
步骤S120:将每个助听器的音频数据转化为频域图谱。
在一种可能的实现方式中,数据处理系统1将接收到的音频数据通过离散傅里叶变换的快速算法变换为频域图谱。其中,先选取256个采样点(即频点),基于采样定理和人耳能分辨的8k的最高频率,确定语音信号的采样频率,其中采样频率设置为8K的整数倍。在一种可能的实现方式中,采样率可以是16000。
具体地,从原始PCM音频文件中截取256帧,将连续声学信号通过FFT(FastFourier transform,快速傅里叶变换)变换为256-4096不等的分辨率,分别对应0-8K的分频点的数据。通过将0频点的数据置零来消除直流分量。然后借助FFT变换将256个时域转换为256个频域数据,其中FFT变换公式:
其中,X(t)是X(s)的原函数,X(t)表示音频信号,X(s)表示频谱信号。
在分帧过程中,直接将一个连续的语音信号切分为若干个片段,会造成截断效应产生的频谱泄漏。
在此基础上,在一种优选的实现方式中,为了保证前后帧的关联性,需要用加窗来减小谱估计时的泄露失真,消除每个帧的短时信号在其两端边缘处出现的信号不连续问题。
在一种可能的实现方式中,采用汉明窗消除信号不连续问题,因为汉明窗的幅频特性是旁瓣衰减较大,主瓣峰值与第一个旁瓣峰值衰减可达40db。其中汉明窗函数为:
其中,N为短时傅里叶变换的长度,即汉明窗长度。
由此,经过上述语音处理获得一个含有音频和噪声相结合的频谱曲线。
步骤S130:对每个助听器的时域图谱和/或频域图谱进行分析,获得不良助听器。
在一种可能的实现方式中,获得不良助听器包括如下步骤:
S1301:分析时域图谱的丢音次数、分析时域图谱的啸叫次数和/或分析频域图谱的噪声数量。
其中,时域图谱中存在断续间隔不连续的点即为丢音,时域图谱上如果存在尖峰则说明设备发生了啸叫,频域图谱上存在较多的峰值即为噪声。
S1302:将丢音次数超过第一预设次数、啸叫次数超过第二预设次数和/或噪音数量超过第三预设次数的助听器记为不良助听器。
在一种可能的实现方式中,丢音超过2次则记为不良品,啸叫次数超过两次则记为不良品,存在3次以上峰值超过平均增益值的三分之二则记为不良品(助听器的噪声一般小于最大增益的二分之一)。由此获得不良助听器。
在一种可能的实现方式中,数据处理系统采用贪心算法鉴别不良助听器。具体地,先建立一个数学模型,把问题分为3个子问题:寻找丢音、噪声、啸叫。然后对3个子问题进行求解。满足“丢音次数超过第一预设次数”、“啸叫次数超过第二预设次数”、“噪音数量超过第三预设次数”3个条件中任意一个的助听器被记为不良助听器,在数据处理系统上自动标记出。
步骤S140:剔除不良助听器,并分析第一剩余助听器的降噪稳定性。将剔除不良助听器后剩余的助听器称为第一剩余助听器。
为了优化、加强用户的体验感,需将第一剩余助听器的频域图谱中的语音信号和噪声按照高频和低频滤波进行分离,获得降噪频域图谱,从而进行降噪性能的分析。
在一种可能的实现方式中,采用小波变换降噪算法进行降噪。针对FFT变换处理后的频谱信号,利用小波变换把含噪信号分解到多尺度中,采用二进制在每个尺度下把属于噪声的小波系数去除,然后保留并增强属于信号的小波系数,最后重构出小波消噪后的信号。
可以理解地,还可以采用其他降噪算法(如维纳滤波器降噪、LMS自适应滤波器等)对频域图谱进行降噪。
在此基础上,在一种可能的实现方式中,如图3所示,分析第一剩余助听器的降噪稳定性具体包括:
S1401:对于被测试的每一批助听器,获得降噪效果最好的助听器,作为最佳助听器。
在一种可能的实现方式中,比较同一批中每个助听器耳机降噪前后的频域图谱,计算两个频谱曲线之间每个频点的信号差值,作为第一差值;然后计算所有频点的第一差值的平均值,作为平均信号差值。平均信号差值最大的助听器是降噪效果最好的助听器,将该助听器作为最佳助听器。
S1402:计算最佳助听器之外的第二剩余助听器相对于最佳助听器的降噪差异,用来评价个体降噪稳定性。
在一种可能的实现方式中,计算第二剩余助听器相对于最佳助听器的降噪差异,用来评价个体降噪稳定性,具体为依据所有频点上第二剩余助听器与最佳助听器的差值计算第二剩余助听器相对于最佳助听器的均方误差,作为第二剩余助听器相对于最佳助听器的降噪差异,用来评价个体降噪稳定性。
具体包括:
S14021:计算每个频点上第二剩余助听器与最佳助听器的信号差值,作为第二差值。
S14022:计算所有频点第二差值的均方误差(Root Mean Square Error,RMSE),作为第二剩余助听器相对于最佳助听器的降噪差异。
具体地,其中,将最佳助听器的256个频点的值分别定义为假设测试盒子内的助听器共l个,则第二剩余助听器的数量为l-1,第m(1≤m≤l-1)个第二剩余助听器的第i个频点对应的信号值记为ymi,且1≤i≤256。则第m个助听器的RMSE,记为RMSEm:
RMSE通常用来反映一组数据与真实值的偏差,RMSEm越小(即降噪差异越小),说明第m个第二剩余助听器的256个频点的降噪数据越稳定,其与最佳助听器的稳定性差别就越小,第二剩余助听器的降噪稳定性越好。
在此基础上,在另一种可能的实现方式中,分析第一剩余助听器的降噪稳定性还包括:
S1403:计算每一批助听器中所有第二剩余助听器的降噪差异的波动性,用来评价批次降噪稳定性。
在一种可能的实现方式中,计算l-1个第二剩余助听器的RMSE值的方差(记为第一方差),作为该批助听器中所有第二剩余助听器的降噪差异的波动性,该波动性体现第二剩余助听器的降噪稳定性的一致性,用以体现该批助听器的质量分布。方差越小,说明l-1个第二剩余助听器的RMSE值相差越小,该批助听器的降噪效果波动越小,该批助听器的降噪稳定性越好。
具体地,通过如下公式计算第k批所有第二剩余助听器的RMSE值的方差
其中,分别表示第k批助听器的第1个、第2个、第m个、第l-1个第二剩余助听器的RMSE值,/>表示第k批助听器的第二剩余助听器的RMSE值的均值。
在此基础上,在再一种可能的实现方式中,分析第一剩余助听器的降噪稳定性还包括:
S1404:计算同一产线的多个批次的降噪稳定性的波动性,用来评价产线降噪稳定性。
在一种可能的实现方式中,计算同一产线上多个批次的第一方差值的方差(记为第二方差),作为多个批次的降噪稳定性的波动性。方差越小,说明该产线上这些批次的降噪效果相差越小,该产线的助听器降噪效果波动越小,该产线的降噪稳定性越好。
优选地,助听器的声学测试方法还可以包括:
S150:依据频域图谱分析第一剩余助听器的声学一致性。
为了保证声学校准不受影响,在数据处理系统中,将助听器的自适应啸叫抑制算法关闭,对音频数据做频谱转化和降噪处理获得降噪频域图谱,然后对同一批次和/或同一产线上的助听器的降噪频域图谱进行分析,获得该批或该产线的第一剩余助听器的声学一致性。
具体地,分析第一剩余助听器的声学一致性包括如下步骤:
S1501:将助听器接收到的纯音的声压作为输入声压,助听器通过自身扬声器播放出的放大后的声音的声压作为输出声压,将输出声压与输入声压的差值记为增益。
S1502:计算每个助听器的平均增益值。
根据IEC 60118-7 2005标准,平均增益是指1KHz、1.6kHz和2.5kHz的增益值的平均值。因此,计算每个助听器的1KHz、1.6kHz和2.5kHz的增益值的平均值,作为平均增益。
S1503:计算同一批次或同一产线上的所有助听器的平均增益的方差(记为第三方差),并根据第三方差评价该批次或该产线的助听器的声学一致性。方差越小,说明声学一致性效果越好。
相应于上述各实施例及优选方案,本发明还提供了一种助听器的声学测试装置的实施例,如图4所示,具体可以包括音频数据接收模块410、频谱转化模块420、不良品获得模块430以及降噪稳定性分析模块440。
音频数据接收模块410用于接收多个助听器在嘈杂环境下拾音后播放的音频数据。
频谱转化模块420用于将每个助听器的音频数据转化为频域图谱。
不良品获得模块430用于对每个助听器的时域图谱和/或频域图谱进行分析,获得不良助听器。
降噪稳定性分析模块440用于剔除不良助听器,并分析第一剩余助听器的降噪稳定性。
在其中一种可能的实现方式中,降噪稳定性分析模块440包括最佳助听器获得模块4401、个体降噪稳定性评价模块4402。
最佳助听器获得模块4401用于对于被测试的每一批助听器,获得降噪效果最好的助听器,作为最佳助听器。
个体降噪稳定性评价模块4402用于计算最佳助听器之外的第二剩余助听器相对于最佳助听器的降噪差异,用来评价个体降噪稳定性:降噪差异越小,说明第二剩余助听器的降噪稳定性越好。
在其中一种可能的实现方式中,降噪稳定性分析模块440还包括批次降噪稳定性评价模块4403,批次降噪稳定性评价模块4403用于计算每一批助听器中所有第二剩余助听器的降噪差异的波动性,用来评价批次降噪稳定性:波动性越小,说明该批助听器的降噪稳定性越好。
在其中一种可能的实现方式中,降噪稳定性分析模块440还包括产线降噪稳定性评价模块4404,产线降噪稳定性评价模块4404用于计算同一产线的多个批次的降噪稳定性的波动性,用来评价产线降噪稳定性:波动性越小,说明产线的降噪稳定性越好。
在其中一种可能的实现方式中,个体降噪稳定性评价模块4402用于依据所有频点上第二剩余助听器与最佳助听器的差值计算第二剩余助听器相对于最佳助听器的均方误差,作为第二剩余助听器相对于最佳助听器的降噪差异,用来评价个体降噪稳定性。
在其中一种可能的实现方式中,助听器的声学测试装置还包括声学一致性分析模块450,声学一致性分析模块450用于依据频域图谱分析第一剩余助听器的声学一致性。
应理解以上图4所示的助听器的声学测试装置的各个部件的划分仅仅是一种逻辑功能的划分,实际实现时可以全部或部分集成到一个物理实体上,也可以物理上分开。且这些部件可以全部以软件通过处理元件调用的形式实现;也可以全部以硬件的形式实现;还可以部分部件以软件通过处理元件调用的形式实现,部分部件通过硬件的形式实现。例如,某个上述模块可以为单独设立的处理元件,也可以集成在电子设备的某一个芯片中实现。其它部件的实现与之类似。此外这些部件全部或部分可以集成在一起,也可以独立实现。在实现过程中,上述方法的各步骤或以上各个部件可以通过处理器元件中的硬件的集成逻辑电路或者软件形式的指令完成。
例如,以上这些部件可以是被配置成实施以上方法的一个或多个集成电路,例如:一个或多个特定集成电路(Application Specific Integrated Circuit;以下简称:ASIC),或,一个或多个微处理器(Digital Singnal Processor;以下简称:DSP),或,一个或者多个现场可编程门阵列(Field Programmable Gate Array;以下简称:FPGA)等。再如,这些部件可以集成在一起,以片上系统(System-On-a-Chip;以下简称:SOC)的形式实现。
综合上述各实施例及其优选方案,本领域技术人员可以理解的是,在实际操作中,本发明适用于多种实施方式,本发明以下述载体作为示意性说明:
(1)一种助听器的声学测试设备,其可以包括:
一个或多个处理器、存储器以及一个或多个计算机程序,其中所述一个或多个计算机程序被存储在所述存储器中,所述一个或多个计算机程序包括指令,当所述指令被所述设备执行时,使得所述设备执行前述实施例或等效实施方式的步骤/功能。
图5为本发明的助听器的声学测试设备的实施例的结构示意图,其中,该设备可以是电子设备也可以是内置于上述电子设备的电路设备。上述电子设备可以为PC、服务器、智能终端(手机、平板、手表、眼镜等)、智能电视、机器人等。本实施例对助听器的声学测试设备的具体形式不作限定。
具体如图5所示,助听器的声学测试设备900包括处理器910、存储器930和显示单元970。其中,处理器910和存储器930之间可以通过内部连接通路互相通信,传递控制和/或数据信号,该存储器930用于存储计算机程序,该处理器910用于从该存储器930中调用并运行该计算机程序。上述处理器910可以和存储器930可以合成一个处理装置,更常见的是彼此独立的部件,处理器910用于执行存储器930中存储的程序代码来实现上述功能。具体实现时,该存储器930也可以集成在处理器910中,或者,独立于处理器910。其中,显示单元970可以包括显示屏。
除此之外,为了使得助听器的声学测试设备900的功能更加完善,该设备900还可以包括输入单元960、音频电路980、摄像头990和传感器901等中的一个或多个,所述音频电路还可以包括扬声器982、麦克风984等。
进一步地,上述助听器的声学测试设备900还可以包括电源950,用于给该设备900中的各种器件或电路提供电能。
应理解,图5所示的助听器的声学测试设备900能够实现前述实施例提供的方法的各个过程。该设备900中的各个部件的操作和/或功能,可分别为了实现上述方法实施例中的相应流程。具体可参见前文中关于方法、装置等实施例的描述,为避免重复,此处适当省略详细描述。
应理解,图5所示的助听器的声学测试设备900中的处理器910可以是片上系统SOC,该处理器910中可以包括中央处理器(Central Processing Unit;以下简称:CPU),还可以进一步包括其他类型的处理器,例如:图像处理器(Graphics Processing Unit;以下简称:GPU)等,具体在下文中再作介绍。
总之,处理器910内部的各部分处理器或处理单元可以共同配合实现之前的方法流程,且各部分处理器或处理单元相应的软件程序可存储在存储器930中。
(2)一种可读存储介质,在可读存储介质上存储有计算机程序或上述装置,当计算机程序或上述装置被执行时,使得计算机执行前述实施例或等效实施方式的步骤/功能。
在本发明所提供的几个实施例中,任一功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的某些技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以如下所述软件产品的形式体现出来。
(3)一种计算机程序产品(该产品可以包括上述装置),该计算机程序产品在终端设备上运行时,使终端设备执行前述实施例或等效实施方式的助听器的声学测试方法。
通过以上的实施方式的描述可知,本领域的技术人员可以清楚地了解到上述实施方法中的全部或部分步骤可借助软件加必需的通用硬件平台的方式来实现。基于这样的理解,上述计算机程序产品可以包括但不限于是指APP;接续前文,上述设备/终端可以是一台计算机设备(例如手机、PC终端、云平台、服务器、服务器集群或者诸如媒体网关等网络通信设备等)。并且,该计算机设备的硬件结构还可以具体包括:至少一个处理器,至少一个通信接口,至少一个存储器和至少一个通信总线;处理器、通信接口、存储器均可以通过通信总线完成相互间的通信。其中,处理器可能是一个中央处理器CPU、DSP、微控制器或数字信号处理器,还可包括GPU、嵌入式神经网络处理器(Neural-network Process Units;以下简称:NPU)和图像信号处理器(Image Signal Processing;以下简称:ISP),该处理器还可包括特定集成电路ASIC,或者是被配置成实施本发明实施例的一个或多个集成电路等,此外,处理器可以具有操作一个或多个软件程序的功能,软件程序可以存储在存储器等存储介质中;而前述的存储器/存储介质可以包括:非易失性存储器(non-volatile memory),例如非可移动磁盘、U盘、移动硬盘、光盘等,以及只读存储器(Read-Only Memory;以下简称:ROM)、随机存取存储器(Random Access Memory;以下简称:RAM)等。
本发明实施例中,“至少一个”是指一个或者多个,“多个”是指两个或两个以上。“和/或”,描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示单独存在A、同时存在A和B、单独存在B的情况。其中A,B可以是单数或者复数。字符“/”一般表示前后关联对象是一种“或”的关系。“以下至少一项”及其类似表达,是指的这些项中的任意组合,包括单项或复数项的任意组合。例如,a,b和c中的至少一项可以表示:a,b,c,a和b,a和c,b和c或a和b和c,其中a,b,c可以是单个,也可以是多个。
本领域技术人员可以意识到,本说明书中公开的实施例中描述的各模块、单元及方法步骤,能够以电子硬件、计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。本领域技术人员可以对每个特定的应用来使用不同方式来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
以及,本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可。尤其,对于装置、设备等实施例而言,由于其基本相似于方法实施例,所以相关之处可参见方法实施例的部分说明即可。以上所描述的装置、设备等实施例仅仅是示意性的,其中作为分离部件说明的模块、单元等可以是或者也可以不是物理上分开的,即可以位于一个地方,或者也可以分布到多个地方,例如系统网络的节点上。具体可根据实际的需要选择其中的部分或者全部模块、单元来实现上述实施例方案的目的。本领域技术人员在不付出创造性劳动的情况下,即可以理解并实施。
以上依据图式所示的实施例详细说明了本发明的构造、特征及作用效果,但以上仅为本发明的较佳实施例,需要言明的是,上述实施例及其优选方式所涉及的技术特征,本领域技术人员可以在不脱离、不改变本发明的设计思路以及技术效果的前提下,合理地组合搭配成多种等效方案;因此,本发明不以图面所示限定实施范围,凡是依照本发明的构想所作的改变,或修改为等同变化的等效实施例,仍未超出说明书与图示所涵盖的精神时,均应在本发明的保护范围内。
Claims (7)
1.一种助听器的声学测试方法,其特征在于,包括:
接收多个助听器在嘈杂环境下拾音后播放的音频数据;
将每个助听器的音频数据转化为频域图谱;
对每个助听器的时域图谱和/或频域图谱进行分析,获得不良助听器;
剔除所述不良助听器,并分析第一剩余助听器的降噪稳定性;
其中,所述分析第一剩余助听器的降噪稳定性具体包括:
对于被测试的每一批助听器,获得降噪效果最好的助听器,作为最佳助听器;
计算所述最佳助听器之外的第二剩余助听器相对于所述最佳助听器的降噪差异,用来评价个体降噪稳定性:所述降噪差异越小,说明所述第二剩余助听器的降噪稳定性越好;
计算每一批助听器中所有第二剩余助听器的降噪差异的波动性,用来评价批次降噪稳定性:波动性越小,说明该批助听器的降噪稳定性越好;
计算所述最佳助听器之外的第二剩余助听器相对于所述最佳助听器的降噪差异,用来评价个体降噪稳定性,具体包括:
依据所有频点上所述第二剩余助听器与所述最佳助听器的差值计算所述第二剩余助听器相对于所述最佳助听器的均方误差,作为所述第二剩余助听器相对于所述最佳助听器的降噪差异,用来评价个体降噪稳定性。
2.根据权利要求1所述的助听器的声学测试方法,其特征在于,还包括依据所述频域图谱分析所述第一剩余助听器的声学一致性。
3.根据权利要求1所述的助听器的声学测试方法,其特征在于,对每个助听器的时域图谱和/或频域图谱进行分析,获得不良助听器,具体包括如下步骤:
分析所述时域图谱的丢音次数、分析所述时域图谱的啸叫次数和/或分析所述频域图谱的噪声数量;
将丢音次数超过第一预设次数、啸叫次数超过第二预设次数和/或噪音数量超过第三预设次数的助听器记为不良助听器。
4.根据权利要求1所述的助听器的声学测试方法,其特征在于,所述分析第一剩余助听器的降噪稳定性,还包括:
计算同一产线的多个批次的降噪稳定性的波动性,用来评价产线降噪稳定性:波动性越小,说明所述产线的降噪稳定性越好。
5.一种助听器的声学测试装置,其特征在于,包括音频数据接收模块、频谱转化模块、不良品获得模块以及降噪稳定性分析模块;
所述音频数据接收模块用于接收多个助听器在嘈杂环境下拾音后播放的音频数据;
所述频谱转化模块用于将每个助听器的音频数据转化为频域图谱;
所述不良品获得模块用于对每个助听器的时域图谱和/或频域图谱进行分析,获得不良助听器;
所述降噪稳定性分析模块用于剔除所述不良助听器,并分析第一剩余助听器的降噪稳定性;
其中,所述降噪稳定性分析模块包括最佳助听器获得模块、个体降噪稳定性评价模块以及批次降噪稳定性评价模块;
所述最佳助听器获得模块用于对于被测试的每一批助听器,获得降噪效果最好的助听器,作为最佳助听器;
所述个体降噪稳定性评价模块用于计算所述最佳助听器之外的第二剩余助听器相对于所述最佳助听器的降噪差异,用来评价个体降噪稳定性;
所述批次降噪稳定性评价模块用于计算每一批助听器中所有第二剩余助听器的降噪差异的波动性,用来评价批次降噪稳定性:波动性越小,说明该批助听器的降噪稳定性越好;
其中,所述个体降噪稳定性评价模块用于依据所有频点上所述第二剩余助听器与所述最佳助听器的差值计算所述第二剩余助听器相对于所述最佳助听器的均方误差,作为所述第二剩余助听器相对于所述最佳助听器的降噪差异,用来评价个体降噪稳定性。
6.一种助听器的声学测试设备,其特征在于,包括:
一个或多个处理器、存储器以及一个或多个计算机程序,其中所述一个或多个计算机程序被存储在所述存储器中,所述一个或多个计算机程序包括指令,当所述指令被所述设备执行时,使得所述设备执行如权利要求1~4任一项所述的助听器的声学测试方法。
7.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质中存储有计算机程序,当其在计算机上运行时,使得计算机执行如权利要求1~4任一项所述的助听器的声学测试方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210210555.3A CN114584908B (zh) | 2022-03-04 | 2022-03-04 | 助听器的声学测试方法、装置以及设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210210555.3A CN114584908B (zh) | 2022-03-04 | 2022-03-04 | 助听器的声学测试方法、装置以及设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114584908A CN114584908A (zh) | 2022-06-03 |
CN114584908B true CN114584908B (zh) | 2023-12-01 |
Family
ID=81777820
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210210555.3A Active CN114584908B (zh) | 2022-03-04 | 2022-03-04 | 助听器的声学测试方法、装置以及设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114584908B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115038024A (zh) * | 2022-06-07 | 2022-09-09 | 深圳市听多多科技有限公司 | 一种基于耳机设备的宽动态压缩助听方法及相关设备 |
CN117692855B (zh) * | 2023-12-07 | 2024-07-16 | 深圳子卿医疗器械有限公司 | 一种助听器语音质量评价方法及系统 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1598927A (zh) * | 2004-08-31 | 2005-03-23 | 四川微迪数字技术有限公司 | 一种用于数字助听器的中文语音信号处理方法 |
CN1967659A (zh) * | 2005-11-14 | 2007-05-23 | 北京大学科技开发部 | 用于助听器的语音增强方法 |
GB0913291D0 (en) * | 2007-01-31 | 2009-09-02 | Wireless Fibre Systems Ltd | A system for detection of underwater objects |
CN101616351A (zh) * | 2008-06-27 | 2009-12-30 | 索尼株式会社 | 降噪音频再现设备和降噪音频再现方法 |
CN102365679A (zh) * | 2009-04-07 | 2012-02-29 | 索尼公司 | 信号处理设备和信号处理方法 |
CN105791640A (zh) * | 2015-01-08 | 2016-07-20 | 松下知识产权经营株式会社 | 摄像装置 |
CN106021948A (zh) * | 2016-05-30 | 2016-10-12 | 清华大学 | 一种面向肠鸣音信号监护系统的信号处理方法 |
CN111341337A (zh) * | 2020-05-07 | 2020-06-26 | 上海力声特医学科技有限公司 | 声音降噪算法及其系统 |
EP3694229A1 (en) * | 2019-02-08 | 2020-08-12 | Oticon A/s | A hearing device comprising a noise reduction system |
CN112562265A (zh) * | 2020-12-23 | 2021-03-26 | 江苏集萃智能集成电路设计技术研究所有限公司 | 一种基于助听器的智能监护系统及监护方法 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102005043348A1 (de) * | 2005-09-12 | 2006-12-28 | Siemens Audiologische Technik Gmbh | Schaltungsvorrichtung zum Betrieb eines Hörgeräts mit zeitadaptivem Verhalten und entsprechendes Verfahren |
SG11201508116UA (en) * | 2013-04-08 | 2015-10-29 | Aria Innovations Inc | Wireless control system for personal communication device |
DE102017214163B3 (de) * | 2017-08-14 | 2019-01-17 | Sivantos Pte. Ltd. | Verfahren zum Betrieb eines Hörgeräts und Hörgerät |
US11137382B2 (en) * | 2018-06-15 | 2021-10-05 | Morgan Schaffer Ltd. | Apparatus and method for performing gas analysis using optical absorption spectroscopy, such as infrared (IR) and/or UV, and use thereof in apparatus and method for performing dissolved gas analysis (DGA) on a piece of electrical equipment |
-
2022
- 2022-03-04 CN CN202210210555.3A patent/CN114584908B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1598927A (zh) * | 2004-08-31 | 2005-03-23 | 四川微迪数字技术有限公司 | 一种用于数字助听器的中文语音信号处理方法 |
CN1967659A (zh) * | 2005-11-14 | 2007-05-23 | 北京大学科技开发部 | 用于助听器的语音增强方法 |
GB0913291D0 (en) * | 2007-01-31 | 2009-09-02 | Wireless Fibre Systems Ltd | A system for detection of underwater objects |
CN101616351A (zh) * | 2008-06-27 | 2009-12-30 | 索尼株式会社 | 降噪音频再现设备和降噪音频再现方法 |
CN102365679A (zh) * | 2009-04-07 | 2012-02-29 | 索尼公司 | 信号处理设备和信号处理方法 |
CN105791640A (zh) * | 2015-01-08 | 2016-07-20 | 松下知识产权经营株式会社 | 摄像装置 |
CN106021948A (zh) * | 2016-05-30 | 2016-10-12 | 清华大学 | 一种面向肠鸣音信号监护系统的信号处理方法 |
EP3694229A1 (en) * | 2019-02-08 | 2020-08-12 | Oticon A/s | A hearing device comprising a noise reduction system |
CN111341337A (zh) * | 2020-05-07 | 2020-06-26 | 上海力声特医学科技有限公司 | 声音降噪算法及其系统 |
CN112562265A (zh) * | 2020-12-23 | 2021-03-26 | 江苏集萃智能集成电路设计技术研究所有限公司 | 一种基于助听器的智能监护系统及监护方法 |
Non-Patent Citations (4)
Title |
---|
Abnormal behavior detection by causality analysis and sparse reconstruction;王军;夏利民;;Journal of Central South University(第12期);全文 * |
基于循环神经网络与子带谱熵法的助听器语音增强;张雨晨;陈霏;韩悦;朱亚涛;贾雯;;传感技术学报(第08期);全文 * |
声反馈抑制技术在助听器中的应用;曹宏彦;曹国强;曹琛;;科技风(第19期);全文 * |
王军 ; 夏利民 ; .Abnormal behavior detection by causality analysis and sparse reconstruction.Journal of Central South University.2017,(第12期),全文. * |
Also Published As
Publication number | Publication date |
---|---|
CN114584908A (zh) | 2022-06-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114584908B (zh) | 助听器的声学测试方法、装置以及设备 | |
KR101905234B1 (ko) | 풍 잡음 검출을 위한 방법 및 장치 | |
CN109493877B (zh) | 一种助听装置的语音增强方法和装置 | |
CN107360530B (zh) | 一种回声消除的测试方法和装置 | |
US20060206320A1 (en) | Apparatus and method for noise reduction and speech enhancement with microphones and loudspeakers | |
AU2018292422A1 (en) | System, device and method for assessing a fit quality of an earpiece | |
CN112017687B (zh) | 一种骨传导设备的语音处理方法、装置及介质 | |
CN106664473A (zh) | 信息处理装置、信息处理方法和程序 | |
CN108401204A (zh) | 一种新型主动降噪耳机 | |
CN111081214A (zh) | 主动降噪方法及主动降噪装置的反馈滤波器的优化方法 | |
CN113241085B (zh) | 回声消除方法、装置、设备及可读存储介质 | |
CN112954563B (zh) | 信号处理方法、电子设备、装置及存储介质 | |
WO2022174727A1 (zh) | 啸叫抑制方法、装置、助听器及存储介质 | |
CN113938795B (zh) | 调节耳机音量的方法、装置、耳机及存储介质 | |
CN105723459A (zh) | 用于改进声频信号的感知的设备和方法 | |
CN110956973A (zh) | 一种回声消除方法、装置及智能终端 | |
Rix et al. | Models of human perception | |
CN108605191B (zh) | 异音检测方法和装置 | |
CN113838471A (zh) | 基于神经网络的降噪方法、系统、电子设备及存储介质 | |
CN113517000A (zh) | 回声消除的测试方法、终端以及存储装置 | |
CN111128216B (zh) | 一种音频信号的处理方法、处理装置及可读存储介质 | |
Vicen-Bueno et al. | A hearing aid simulator to test adaptive signal processing algorithms | |
CN116935872A (zh) | 残留回声估计方法、装置、系统、设备及存储介质 | |
CN115052070A (zh) | 一种调节通话音量的方法、装置、通话设备及介质 | |
CN114420153A (zh) | 音质调整方法、装置、设备及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |