-
Die
vorliegende Erfindung betrifft ein Verfahren zur Reduzierung von
Störgeräuschen bei
Hörvorrichtungen
durch Aufnehmen eines Eingangssignals, Modellieren des Eingangssignals
mit einem Nutzsignalmodell und einem Störsignalmodell und Reduzieren
des Störgeräuschanteils
des Eingangssignals mit Hilfe des durch das Störsignalmodell. geschätzten Störschalls.
Unter dem Begriff „Hörvorrichtung" wird hier insbesondere
jedes am Ohr tragbare Gerät,
wie beispielsweise ein Hörgerät, ein Headset,
Kopfhörer und
dergleichen, verstanden.
-
Hörgeräte sind
tragbare Hörvorrichtungen, die
zur Versorgung von Schwerhörenden
dienen. Um den zahlreichen individuellen Bedürfnissen entgegenzukommen,
werden unterschiedliche Bauformen von Hörgeräten wie Hinter-dem-Ohr-Hörgeräte (HdO)
und In-dem-Ohr-Hörgeräte (IdO),
z. B. auch Concha-Hörgeräte oder
Kanal-Hörgeräte (CIC),
bereitgestellt. Die beispielhaft aufgeführten Hörgeräte werden am Außenohr oder
im Gehörgang
getragen. Darüber
hinaus stehen auf dem Markt aber auch Knochenleitungshörhilfen,
implantierbare oder vibrotaktile Hörhilfen zur Verfügung. Dabei
erfolgt die Stimulation des geschädigten Gehörs entweder mechanisch oder
elektrisch.
-
Hörgeräte besitzen
prinzipiell als wesentliche Komponenten einen Eingangswandler, einen Verstärker und
einen Ausgangswandler. Der Eingangswandler ist in der Regel ein
Schallempfänger, z.
B. ein Mikrofon, und/oder ein elektromagnetischer Empfänger, z.
B. eine Induktionsspule. Der Ausgangswandler ist meist als elektroakustischer
Wandler, z. B. Miniaturlautsprecher, oder als elektromechanischer
Wandler, z. B. Knochenleitungshörer,
realisiert. Der Verstärker
ist üblicherweise
in eine Signalverarbeitungseinheit integriert. Dieser prinzipielle Aufbau
ist in 1 am Beispiel eines Hinterdem-Ohr-Hörgeräts dargestellt.
In ein Hörgerätegehäuse 1 zum Tragen
hinter dem Ohr sind ein oder mehrere Mikrofone 2 zur Aufnahme
des Schalls aus der Umgebung eingebaut. Eine Signalverarbeitungseinheit 3,
die ebenfalls in das Hörgerätegehäuse 1 integriert
ist, verarbeitet die Mikrofonsignale und verstärkt sie. Das Ausgangssignal
der Signalverarbeitungseinheit 3 wird an einen Lautsprecher
bzw. Hörer 4 übertragen,
der ein akustisches Signal ausgibt. Der Schall wird gegebenenfalls über einen
Schallschlauch, der mit einer Otoplastik im Gehörgang fixiert ist, zum Trommelfell
des Geräteträgers übertragen.
Die Stromversorgung des Hörgeräts und insbesondere
die der Signalverarbeitungseinheit 3 erfolgt durch eine
ebenfalls ins Hörgerätegehäuse 1 integrierte
Batterie 5.
-
Monaurale
Störgeräuschreduktionsverfahren
sind fester Bestandteil von Hörgeräten. Dazu werden
Verfahren im Frequenzbereich mit spektraler Gewichtung, z. B. das
Wiener-Filter oder die spektrale Subtraktion, eingesetzt.
-
Bei
diesen Störgeräuschreduktionsverfahren muss
aus dem empfangenen störbehafteten
Signal der Anteil des Störgeräusches geschätzt werden.
Für diese
Schätzung
kann beispielsweise das Verfahren der Minimum-Statistik verwendet
werden. Neben der Störgeräuschschätzung ist
für die
spektrale Gewichtung nach Ephraim-Malah auch eine Schätzung des Amplitudenspektrums
des Nutzsignals nötig.
-
Sowohl
die Algorithmen der Nutzsignalschätzung als auch die der Störsignalschätzung gehen
von bestimmten, zumeist vereinfachenden Voraussetzungen bezüglich der
Signalstatistik aus. So werden beispielsweise für die Bestimmung der Gewichtungsregeln
nach Ephraim-Malah die Nutzsignalamplitudenspektren als Gauß-verteilt
angenommen.
-
Die
realen statistischen Eigenschaften von Nutz- und Störsignal
sind jedoch meist deutlich komplexer und gehen daher bei den genannten
Verfahren nur bedingt ein. Weiterhin sind die Parameter für eine optimale
Wirkung der Störgeräuschreduktion bei möglichst
geringen Nutzsignalverzerrungen normalerweise während des Betriebs fest eingestellt.
-
Bei
nicht stationären
Störgeräuschen ist
die Wirkung der genannten Verfahren zur Störgeräuschreduktion stark eingeschränkt. Aufgrund
einer hinreichend lange zu erfassenden Signalstatistik kann die
Störgeräuschschätzung einer
hohen zeitlichen Dynamik des Störgeräuschs nur
verhältnismäßig langsam
folgen. Dadurch wird in solchen Situationen die Wirkung der Störgeräuschreduktion
verringert.
-
Bei
den bisher genannten Verfahren werden keine apriori vorhandenen
Informationen zur Erfassung der Signalstatistik ausgenutzt. Auch
unter Einbeziehung der Signalstatistik wird bei allen Verfahren nur
auf eine endliche Anzahl von statistisch unterschiedlichen Signalmodellen
während
des Betriebs zurückgegriffen.
Diese Signalmodelle liegen alle fest vor. Daneben ist die Modellierung
insbesondere für das
Nutzsignal sehr aufwendig und meist auch auf einen Nutzsignaltyp
wie z. B. Sprache festgelegt. Auch die Modellierung des Störgeräuschs beschränkt sich meist
nur auf die spektrale Einhüllende.
Dadurch kann der in der Praxis im Allgemeinen auftretende Fall mehrerer,
räumlich
getrennter Störsignale
nur sehr schwer abgebildet werden. Sowohl die räumlichen als auch die spektralen
Eigenschaften können sich
auch zeitlich ändern.
-
Die
Aufgabe der vorliegenden Erfindung besteht somit darin, die Wirkung
von Störgeräuschreduktionsverfahren
zu verbessern.
-
Erfindungsgemäß wird zur
Lösung
dieser Aufgabe vorgeschlagen ein Verfahren zur Reduzierung von Störgeräuschen bei
Hörvorrichtungen
durch Aufnehmen eines Eingangssignals, Modellieren des Eingangssignals
mit einem Nutzsignalmodell und einem Störsignalmodell und Reduzieren
des Störgeräuschanteils
des Eingangssignals mit Hilfe des Störsignalmodells und/oder des
Nutzsignalmodells sowie das Erfassen einer Signalstatistik des Eingangssignals
und Ändern
des Nutzsignalmodells und/oder des Störsignalmodells in Abhängigkeit
von der Signalstatistik. Unter dem Begriff „Ändern" wird hier nicht ein „Ersetzen" eines Modells, sondern
das inhaltliche Verändern
und Anpassen eines Modells verstanden.
-
In
vorteilhafter Weise wird die Erkenntnis genutzt, dass apriori vorhandene
Informationen zur Erfassung der Signalstatistik für die Gewinnung
der Parameter geeigneter Modelle des Nutzsignals und des Störsignals
verwendet werden können.
Dabei sind die festen Modellparameter mit statistisch relevanten Trainingsdaten
so einzustellen, dass eine möglichst umfassende
Abbildung der Signalstatistik erreicht wird. Die erfindungsgemäße Störgeräuschreduktion wird
also nicht wie in bekannten Verfahren mit festen Annahmen an die
Signalschätzung
bzw. mit vorab fest trainierten Parametern von Signalmodellen betrieben.
Durch die Erfassung der individuellen Statistik von Nutz- und Störsignalen
können
im Gegensatz dazu die Modelle der Störgeräuschreduktion optimal an die
aktuelle Situation des Hörgeräteträgers bzw. Nutzers
der Hörvorrichtung
angepasst werden.
-
Gemäß einer
speziellen Ausführungsform können eines
oder beide von dem Nutzsignalmodell und dem Störsignalmodell des erfindungsgemäßen Geräuschereduktionsalgorithmus
autoregressive Modelle mit trainierten Codebüchern, Modelle mit überkompletten
Codebüchern,
Modelle basierend auf Transformationen oder Waveletrepräsentationen, Modelle
mit Zerlegungen in tonale, transiente und rauschartige Anteile und
signalstatistische Modellierungen sein. Dadurch können die
zu trainierenden Modelle mit „Vorabwissen" gestartet werden.
-
Gemäß einer
anderen Ausführungsform kann
vorgesehen sein, dass während
des Betriebs der Hörvorrichtung
ein Datalogging des Eingangssignals und/oder von dessen Signalstatistik,
die sich auf Modellparameter des zu ändernden Modells bezieht, durchgeführt und
das zu ändernde
Modell mit Hilfe der aufgezeichneten Daten trainiert wird. Mit den
aufgezeichneten Daten kann so ein Trainieren in Echtzeit stattfinden.
Vorzugs weise erfolgt das Datalogging und das Training fortlaufend
automatisch. Damit steht immer ein aktuell neu trainiertes Signalmodell zur
Verfügung.
-
Zur
Auswahl eines Nutzsignalmodells und eines Störsignalmodells kann ein Qualitätsmaß der Störgeräuschreduktion
herangezogen werden.
-
Zusätzlich zu
dem Nutzsignalmodell und dem Störsignalmodell
kann mindestens ein weiteres vom Nutzer der Hörvorrichtung wählbares
Modell trainiert und anstelle des Nutzsignalmodells oder des Störsignalmodells
zur Störgeräuschreduzierung
verwendet werden. Damit kann der Nutzer in den Entscheidungsprozess über das
zu verwendende Modell selbst eingreifen und die Störgeräuschreduzierung subjektiv
beeinflussen.
-
Entsprechend
einer weiteren Ausführungsform
des erfindungsgemäßen Verfahrens
kann das zu ändernde
Modell auch anhand einer in Echtzeit durchgeführten Schätzung eines Störsignals
oder Nutzsignals geändert
werden. Somit lassen sich auch Modellparameter durch Schätzungen
gewinnen.
-
Eine
weitere bevorzugte Ausführungsform der
vorliegenden Erfindung besteht darin, dass zur Schätzung des
Störschalls
oder Nutzschalls zusätzlich
zu dem Störsignalmodell
und dem Nutzsignalmodell mindestens ein weiteres Modell herangezogen wird.
So können
beispielsweise durch die Verwendung mehrerer paralleler Störsignalmodelle
auch komplexe, aus mehreren verschiedenen Quellen herrührende Störungen effektiv
unterdrückt
werden.
-
Die
vorliegende Erfindung wird anhand der beigefügten Zeichnungen näher erläutert, in
denen zeigen:
-
1 den
prinzipiellen Aufbau eines Hörgeräts gemäß dem Stand
der Technik;
-
2 ein
Blockschaltbild zur Anpassung der Signalmodelle mittels Datalogging
gemäß der vorliegenden
Erfindung;
-
3 ein
Blockschaltbild zur Anpassung mehrerer Signalmodelle mittels Datalogging
und
-
4 ein
Blockschaltbild mit automatischer Anpassung der Signalmodelle.
-
Die
nachfolgend näher
geschilderten Ausführungsbeispiele
stellen bevorzugte Ausführungsformen
der vorliegenden Erfindung dar.
-
Generell
beziehen sich die hier vorgestellten Geräuschunterdrückungssysteme auf Systeme,
in welchen mindestens ein verrauschtes Eingangssignal durch eine
Modellierung nachgebildet wird. Hierbei kommen jeweils wenigstens
ein Modell für
einen Nutzsignalanteil und einen Störsignalanteil zum Einsatz,
deren Parameter abhängig
vom Eingangssignal so geschätzt
werden, dass das Modell das Eingangssignal gemäß einem bestimmten Kriterium
optimal beschreibt. Als Modell kommen hier beispielsweise autoregressive
Modelle mit trainierten Codebüchern in
Frage sowie Modelle mit überkompletten
Codebüchern,
Modelle basierend auf Transformationen wie der Fourriertransformation,
der diskreten Cosinustransformation oder basierend auf Waveletrepräsentationen,
Modelle mit Zerlegungen in tonale, transiente und rauschartige Anteile,
signalstatistische Modellierungen oder weitere geeignete Modelle.
Mit Hilfe der so gewonnenen modellhaften Beschreibungen für Nutz-
und Störsignal
kann eine Geräuschunterdrückung mittels
verschiedener, bekannter Techniken vorgenommen werden.
-
Für die erfindungsgemäße Störgeräuschunterdrückung erfolgt
also eine geeignete, individuelle Anpassung eines oder mehrerer
Signalmodelle an die tatsächlich
vorliegende Statistik des Eingangssignals. Hierzu bestehen grundsätzlich verschiedene Möglichkeiten
für die
Anpassung, wie dies nachfolgend in Zusammenhang mit den 2 bis 4 näher dargestellt
werden wird.
-
Das
System gemäß 2 weist
als zentralen Baustein einen modellbasierten Störgeräuschreduktionsalgorithmus 10 auf.
Ihm wird ein Eingangssignal E zugeführt und er liefert ein entsprechendes Ausgangssignal
A. Der Störgeräuschreduktionsalgorithmus 10 stützt sich
einerseits auf ein Nutzsignalmodell 11 und andererseits
auf ein Störsignalmodell 12.
Außerdem
beliefert er eine Datalogging-Einheit 13, in der auch das
Eingangssignal E aufgezeichnet wird. Von der Datalogging-Einheit 13 können somit aufgezeichnete
Modellparameter M, aufgezeichnete Qualitätsmaße Q sowie das aufgezeichnete
Eingangssignal E ausgelesen werden.
-
Während des
Betriebs der Hörvorrichtung bzw.
des Hörgeräts werden
mittels Datalogging das Eingangssignal und/oder dessen Signalstatistik,
die durch die entsprechenden Modellparameter abgebildet wird, in
der Datalogging-Einheit 13 aufgezeichnet. Die Aufzeichnung
kann ständig
erfolgen oder aber in Abhängigkeit
der Qualität
der aktuell erzielten Störgeräuschreduktion.
Ein entsprechendes Qualitätsmaß Q liegt
ständig
vor und kann z. B. bei Unterschreiten einer Schwelle die Aufzeichnung
starten. Die Aufzeichnung kann aber auch beispielsweise manuell
vom Benutzer gestartet werden.
-
Mit
den aufgezeichneten Daten kann dann zum Zeitpunkt der Auswertung
beim Hörgeräteakustiker
das Training für
verbesserte Modellparameter M des Nutzsignals und/oder des Störsignals
erfolgen. Dieses Nachtrainieren ist in 2 mit dem
Pfeil 14 symbolisiert. Je nach Häufigkeit der Aufzeichnungsperioden
bei einem gleichzeitig schlechten Qualitätsmaß kann dann ein Austausch der
bereits benutzten Signalmodelle durch die neu trainierten Modelle
erfolgen.
-
Eine
weitere Verbesserung lässt
sich erzielen, indem nicht nur jeweils eine Realisierung für das Nutz-
bzw. Störsignalmodell
verwendet wird, sondern jeweils mehrere Modelle für unterschiedliche
Signalstatistiken. Ein derartiges System ist exemplarisch in 3 wiedergegeben.
Kern ist wiederum der modellbasierte Störgeräuschreduktionsalgorithmus 20,
der mit einem Eingangssignal E gespeist wird und der ein entsprechendes
Ausgangssignal A liefert. Er stützt sich
auf mehrere Nutzsignalmodelle 211, 212 sowie mehrere
Störsignalmodelle 221, 222 und 223.
Eine eigens vorgesehene Modellauswahleinheit 24 wählt für den Störgeräuschreduktionsalgorithmus 20 jeweils
ein Modell von den Nutzsignalmodellen 211, 212 und
den Störsignalmodellen 221, 222 und 223 aus.
Die Modellauswahl erfolgt anhand einer Situationserkennung, die
eine Situationserkennungseinheit 25 auf der Basis des Eingangssignals
E durchführt. Mit
Hilfe des Algorithmus zur Situationserkennung wird jeweils das zur
aktuellen Situation am besten geeignete Signalmodell ausgewählt. Die
Situationserkennung ist beispielsweise geeignet, die passenden Nutzsignalmodelle
für Sprache
oder Musik auszuwählen.
-
Wiederum
ist eine Datalogging-Einheit 23 vorgesehen, die neben dem
Eingangssignal E auch Signale von der Störgeräuschreduktionseinheit 20 aufzeichnet.
Optional zeichnet sie auch Daten über die ausgewählten Modelle
auf, wie dies mit den gestrichelten Pfeilen in 3 symbolisch
dargestellt ist. Die Datalogging-Einheit 23 stellt dann
wie in dem Ausführungsbeispiel
von 2 aufgezeichnete Modellparameter M, ein aufgezeichnetes
Qualitätsmaß Q und
das aufgezeichnete Eingangssignal E bereit. Die Modellparameter
M werden zur Veränderung
der Nutzsignalmodelle 211, 212 bzw. der Störsignalmodelle 221, 222 und 223 herangezogen.
-
Die
von der Datalogging-Einheit 23 bereitgestellten Daten können beispielsweise
von einem Hörgeräteakustiker
dazu verwendet werden, die im Betrieb an sich statischen Modelle 211, 212, 221, 222 und 223 zu ändern. Das
bedeutet, der Hörgeräteakustiker
kann beispielsweise mit den aufgezeichneten Modellparametern M und
dem aufgezeichneten Qualitätsmaß Q die
Modelle ändern,
wie dies mit dem Pfeil 26 in 3 symbolisiert ist.
Während
des Betriebs sind dann die Modelle wieder statisch.
-
Die
mit Hilfe des Datalogging neu trainierten Modelle können dann
je nach vorhandenem Speicherplatz entweder zu den vorhandenen Signalmodellen
hinzugefügt
oder es können
existierende Modelle ausgetauscht werden. Für einen Austausch eines Modells
sprechen die damit verbunden schlechten Qualitätsmaße Q oder deren seltene Verwendung
-
Bei
den Ausführungsbeispielen
von 2 und 3 sind die Nutzsignal- und Störsignalmodelle
während
des Betriebs statisch. Entsprechend dem Beispiel von 4 werden
auch dynamische Modelle eingesetzt. Kernstück dieses Systems ist wiederum
der modellbasierte Störgeräuschreduktionsalgorithmus 30,
in den das Eingangssignal E eingespeist, und von dem ein entsprechendes
Ausgangssignal A mit reduziertem Störgeräusch erhalten werden kann. Der
Störgeräuschalgorithmus 30 stützt sich
hier nicht nur auf ein statisches Nutzsignalmodell 31 und
ein statisches Störsignalmodell 32,
sondern auch auf ein aktualisierbares bzw. dynamisches Nutzsignalmodell 37 und
ein ebenfalls aktualisierbares, dynamisches Störsignalmodell 38.
Beide dynamischen Modelle sind durch einen Trainingsalgorithmus 39 automatisch
trainierbar. Dieser gewinnt Trainingsinformationen aus dem Eingangssignal
E und bezieht zusätzliche
Situationsdaten aus der Situationserkennung 35, welche
ebenfalls von dem Eingangssignal E gespeist wird. Die Modellauswahleinheit 34 trifft
anhand vorbestimmter Kriterien, gegebenenfalls rückgekoppelt von dem Störgeräuschreduktionsalgorithmus 30 eine Auswahl
der einzusetzenden Modelle.
-
Das
in 4 dargestellte System besitzt die folgende Funktionsweise:
Es besteht grundsätzlich die
Möglichkeit,
die Signalmodelle 37, 38 an die aktuell vorhandene
Signalstatistik automatisch anzupassen. Dazu wird je nach der erkannten
Situation in der Situationserkennungseinheit 35 wenigstens
ein neues, an die individuelle Signalstatistik angepasstes Modell
für das
Nutz- bzw. Störsignal
trainiert. Dieses fortlaufende Training liefert in der Regel beständig veränderte Signalmodelle.
Verschlechtert sich das Qualitätsmaß aus der
modellbasierten Störgeräuschreduktion 30 und
liegt eine hinreichend stabile Signalstatistik in dem neuen anpassten
Signalmodell vor, können
die aktuell benutzten Signalmodelle durch die neu trainierten Signalmodelle
ersetzt bzw. um diese neuen Signalmodelle ergänzt werden.
-
Die
Entscheidung zum Austausch eines Signalmodells durch ein neu trainiertes
Signalmodell kann aber auch dem Benutzer überlassen werden. Dazu wird,
wie oben beschrieben, durch das fortlaufende Training eine automatische
Vorauswahl der neuen Modelle getroffen, und der Benutzer kann dann
jeweils zwischen zwei Kombinationen aus wirksamen Signalmodellen
beispielsweise durch Interaktion über eine Fernbedienung wechseln.
Die in der aktuellen Situation für
den Benutzer bessere Kombination wird dann ausgewählt.
-
Die
Parameter der oben geschilderten Signalmodelle werden durch einen
Trainingsalgorithmus gewonnen. Entsprechend einem weiteren Ausführungsbeispiel
können
die Signalmodelle auch durch entsprechende Modellparameter aus einer
in Echtzeit durchgeführten
Schätzung
erweitert werden. Dies bedeutet, dass die Modellparameter anstelle von
Training oder ergänzend
zu diesem durch Schätzung
anpasst werden. Zur Schätzung
des Störsignals
kann beispielsweise das Verfahren der Minimumstatistik oder die
Reststörung
am Ausgang einer Richtmikrofonsignalverarbeitung herangezogen werden.
Die Parameter aus dem fortlaufenden Training werden durch die geschätzten Parameter
mit einer Hypothese für
das entsprechende Signalmodell versehen. Darüber hinaus ist in Abhängigkeit
von der aktuellen Situation anstelle der Auswahl eines einzelnen
Signalmodells auch die Kombination mehrerer Signalmodelle zur Beschreibung
einer komplexen Signalstatistik möglich. Dadurch lassen sich
dann z. B. mehrere Störquellen
mit unterschiedlicher Signalstatistik beschreiben.