EP1470735A2 - Verfahren zur bestimmung einer akustischen umgebungssituation, anwendung des verfahrens und ein hörhilfegerät - Google Patents

Verfahren zur bestimmung einer akustischen umgebungssituation, anwendung des verfahrens und ein hörhilfegerät

Info

Publication number
EP1470735A2
EP1470735A2 EP02706499A EP02706499A EP1470735A2 EP 1470735 A2 EP1470735 A2 EP 1470735A2 EP 02706499 A EP02706499 A EP 02706499A EP 02706499 A EP02706499 A EP 02706499A EP 1470735 A2 EP1470735 A2 EP 1470735A2
Authority
EP
European Patent Office
Prior art keywords
kin
kil
processing
classification
class information
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.)
Granted
Application number
EP02706499A
Other languages
English (en)
French (fr)
Other versions
EP1470735B1 (de
Inventor
Silvia Allegro
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.)
Sonova Holding AG
Original Assignee
Phonak AG
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 Phonak AG filed Critical Phonak AG
Publication of EP1470735A2 publication Critical patent/EP1470735A2/de
Application granted granted Critical
Publication of EP1470735B1 publication Critical patent/EP1470735B1/de
Anticipated expiration legal-status Critical
Expired - Lifetime legal-status Critical Current

Links

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04R—LOUDSPEAKERS, MICROPHONES, GRAMOPHONE PICK-UPS OR LIKE ACOUSTIC ELECTROMECHANICAL TRANSDUCERS; ELECTRIC HEARING AIDS; PUBLIC ADDRESS SYSTEMS
    • H04R25/00—Electric hearing aids
    • H04R25/50—Customised settings for obtaining desired overall acoustical characteristics
    • H04R25/505—Customised settings for obtaining desired overall acoustical characteristics using digital signal processing
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04R—LOUDSPEAKERS, MICROPHONES, GRAMOPHONE PICK-UPS OR LIKE ACOUSTIC ELECTROMECHANICAL TRANSDUCERS; ELECTRIC HEARING AIDS; PUBLIC ADDRESS SYSTEMS
    • H04R2225/00—Details of deaf aids covered by H04R25/00, not provided for in any of its subgroups
    • H04R2225/41—Detection or adaptation of hearing aid parameters or programs to listening situation, e.g. pub, forest
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04R—LOUDSPEAKERS, MICROPHONES, GRAMOPHONE PICK-UPS OR LIKE ACOUSTIC ELECTROMECHANICAL TRANSDUCERS; ELECTRIC HEARING AIDS; PUBLIC ADDRESS SYSTEMS
    • H04R25/00—Electric hearing aids
    • H04R25/40—Arrangements for obtaining a desired directivity characteristic
    • H04R25/407—Circuits for combining signals of a plurality of transducers

Definitions

  • the present invention relates to a method for determining an acoustic environmental situation, an application of the method, a device for determining the acoustic environmental situation and a hearing aid.
  • the hearing program can be selected either using the remote control or using a switch on the hearing aid itself. Switching between different hearing programs is, however, troublesome, if not impossible, for many users. It is not always easy for experienced hearing aid users to determine which program offers the best comfort and the best speech intelligibility at which time. Automatic detection of the acoustic environment and the associated automatic switching of the hearing program in the hearing aid is therefore desirable.
  • BESTATIGUNGSKOPIE Various methods for the automatic classification of acoustic environmental situations are currently known. In all of these methods, the input signal, which can come from one or more microphones in the hearing aid, is different
  • a pattern recognizer uses an algorithm to make a decision about the belonging of the analyzed input signal to a certain acoustic environment.
  • the different known methods differ on the one hand by the different features that are used in the description of the acoustic environment (signal analysis), and on the other hand by the pattern recognizer used that classifies the features (signal identification).
  • Determination of the acoustic surrounding situation known. It is a one-step processing of an acoustic input signal in a feature extraction unit and a classification unit connected downstream thereof, in which the extracted features are classified to generate class information.
  • good results are obtained, particularly when using auditory-based features.
  • An improvement is particularly in the
  • noise class noise for example, contains a wide variety of sounds such as background conversations, train station noise, hair dryers, and the noise class music includes pop music, classical music, individual instruments, vocals, etc.
  • the present invention is therefore based on the object of specifying a method for determining an acoustic ambient situation which is more robust and more precise than the known methods. This object is achieved by the measures specified in claim 1.
  • Advantageous embodiments of the invention, an application of the method, a device and a hearing aid are specified in further claims.
  • an acoustic input signal in a multi-stage process which consists of at least two classification levels, each level preferably consisting of one
  • Extraction phase and an identification phase is processed, an extremely robust and accurate classification of the current acoustic environment is obtained.
  • the method according to the invention can successfully avoid incorrect classification of pop music into the "speech in noise" category.
  • the method according to the invention also enables a general noise class, for example noise, to be subdivided into subclasses, such as traffic noise or background noise for conversations. Special situations, such as those that occur in the interior of an automobile (“in-the-car noise”), can also be recognized. In general, room properties can be identified and taken into account accordingly in the further processing of important signal components. It has been shown that the method according to the invention also makes it possible to localize the sources of noise, which has made it possible to determine the presence of a detect specific noise source in several other noise sources.
  • Fig. 1 shows a known single-stage device for
  • FIG. 2 shows a first embodiment of a device according to the invention with two processing stages
  • FIG. 3 shows a second, general embodiment of a multi-stage device according to the invention
  • FIG. 5 shows a fourth, general embodiment of a multi-stage device according to the invention
  • FIG. 6 shows a simplified embodiment compared to the two-stage embodiment according to FIG. 2 and
  • FIG. 7 shows a hearing aid with a multi-stage device according to the invention according to FIGS. 2 to 6.
  • 1 shows a known single-stage device for determining the acoustic environmental situation, the device consisting of a series connection of a feature extraction unit F, a classification unit C and a post-processing unit P.
  • An acoustic input signal IN which was recorded with a microphone, for example, is the
  • Feature extraction unit F is applied, in which characteristic features are extracted.
  • Amplitude histogram proposed to achieve the same goal. Finally, the feature extraction was also examined and applied by analyzing different modulation frequencies.
  • the features M extracted in the feature extraction unit F are applied to the classification unit C, which is basically one of the known ones for the noise classification
  • Pattern identification methods are used. So-called distance estimators, Bayesian classifiers, fuzzy logic systems or neurons are particularly suitable.
  • Processing steps receive class information KI, which may be fed to a post-processing unit P for any cleanup of the class membership. Subsequently, adjusted class information KI 1 is obtained .
  • FIG. 2 shows a first embodiment variant of a device according to the invention. It is a device with two process stages S1 and S2, with each feature level S1, S2 each containing a feature extraction unit F1 or F2 and a classification unit C1 or C2.
  • the original input signal IN is supplied to both process stages S1 and S2, namely both the feature extraction unit F1 and the feature extraction unit F2, which are each operatively connected to the corresponding classification unit C1 or C2 in the sequence.
  • class information KI1 which is obtained on the basis of calculations in the classification unit C1 of the first method step S1, the
  • Classification unit C2 of the second method stage S2 is influenced, in such a way that, for example, one of several possible pattern identification methods is selected and used for the noise classification in the classification unit C2 of the second method stage S2.
  • the characteristic extraction unit F1 provides the characteristics tonality, spectral center of gravity (CGAV: spectral center of gravity) and fluctuation of the spectral
  • CGFS Center of gravity
  • Classification unit Cl in which an HMM (Hidden Markov Model) classifier is used, classified, wherein the input signal IN is divided into one of the following classes with the aid of the HMM classification: "speech", “speech in noise”, “noise” or "music”. This is called class information KI.
  • the result of the first processing stage S1 is applied to the classification unit C2 of the processing stage S2, in which a second feature set is extracted using the feature extraction unit F2.
  • the additional characteristic variance of the harmonic structure (pitch) - also referred to below as Pitchvar - is extracted.
  • the result of the first processing stage S1 is checked and, if necessary, corrected using a rule-based classifier in the classification unit C2.
  • the rule-based classifier contains only a few simple heuristic decisions, which are based on the four characteristics and are based on the following considerations:
  • the tonality characteristic is used for correction in each class if the characteristic values lie completely outside an admissible value range of the class information KII, which is in the first classification unit C1 - i.e. by the HMM classifier.
  • the tonality for "music” is high, for "speech” in the middle range, for “speech in noise” a little lower and for “noise” deep. For example, if an input signal IN by the
  • Classification unit Cl falls into the "language” class, it is then expected that corresponding features, which have been determined in the feature extraction unit F1, have indicated to the classification unit Cl that the relevant signal component fluctuates in the input signal IN scark. If, on the other hand, the tonality for this input signal IN is very low, it is most likely not “speech” but “speech in noise”. Similar considerations can be made for the other three characteristics, namely the variance of the harmonic structure
  • the rules for the rule-based classifier which are used in the classification unit C2, can be formulated as follows:
  • FIG. 3 A further embodiment is shown in a general representation in FIG. 3. It is a processing method with n stages.
  • each of the processing stages Sl to Sn has a feature extraction unit Fl to Fn and a classification unit Cl to Cn connected downstream thereof for generating the respective class information KIl to KIn. If necessary, Sl to Sn is in each or in individual processing stages
  • the embodiment variant shown in FIG. 3 is particularly suitable for a so-called coarse-fine classification.
  • a result obtained in processing stage i is refined in a subsequent processing stage i + 1.
  • a rough classification is thus carried out in a higher processing level, with a rough classification based on more specific feature extractions and / or classification methods being carried out in a lower processing level on the basis of the rough classification.
  • This process can also be viewed as generation of hypotheses in a higher process level, which are checked, ie confirmed or rejected in a lower process step.
  • hypotheses that have been created in a higher level of procedure can also be entered with other information, in particular with manual means such as remote controls or switches.
  • this is indicated, representative of the first processing stage S1, by means of a manipulated variable ST, by means of which, for example, the calculations in the classification unit C1 can be overridden.
  • the manipulated variable can also be a classification unit C2 to Cn or one
  • Postprocessing units Pl to Pn are fed to another process stage S1 to Sn.
  • Processing level Sl to Sn which, however, is not mandatory, can be assigned to a task, such as, for example: a rough classification, a fine classification, a localization of a noise source, a check whether a specific noise source, e.g. B. automotive noise in a vehicle, or an extraction of certain signal components from an input signal, for. B. Elimination of echo taking into account spatial characteristics.
  • the individual process steps S1 to Sn are therefore individual in the sense that in them different characteristics are extracted and different classification methods are used.
  • an individual one is provided in a first processing stage S1
  • the localization of the sound source carried out in the first processing stage can be followed by directional filtering, for example using multi-microphone technology.
  • a feature extraction unit Fl to Fn can be divided among several classification units Cl to Cn, i.e. the results of one
  • Feature extraction units F1 to Fn can be used by several classification units C1 to Cn. It is also conceivable that a classification unit C1 to Cn is used in several processing stages S1 to Sn. Finally, it can be provided that the class information KIl to KIn or the cleaned class information KIl 'to KIn' obtained in the different processing stages S1 to Sn are weighted differently in order to maintain the final classification. 4 shows a further embodiment of the invention, in which a plurality of processing stages S1 to Sn are used. In contrast to the embodiment according to FIG. 3, the embodiment according to FIG. 3, the embodiment according to FIG. 3, the
  • Class information KIl to KIn not only used in the immediately following processing stages, but possibly in all subordinate processing stages.
  • the results from previous processing stages S1 to Sn can also have their effects on the subsequent feature extraction units F1 to Fn or on the features to be extracted.
  • postprocessing units Pl to Pn prepare the intermediate results of the classification and make them available as cleaned class information KIl 1 to KIn '.
  • FIG. 5 shows a further embodiment variant of a multi-stage device for determining the acoustic ambient situation, again in a general form.
  • a multi-stage device for determining the acoustic ambient situation, again in a general form.
  • FIGS. 3 and 4 several processing stages S1 to Sn with feature extraction units Fl to Fn and classification units Cl to Cn are shown.
  • the class information KIl to KIn obtained in each processing step Sl to Sn becomes one Decision unit FD supplied, in which the final classification is carried out by generating the class information KI.
  • the decision unit FD it is optionally provided to generate feedback signals which are based on the decision unit FD
  • the information is exchanged via a wired or a wireless transmission link.
  • the first processing stage S1 consists of the feature extraction unit F1 and the
  • Classification unit Cl In the second processing stage S2, the same features are used that have already been used in the first method stage S1. A recalculation of the features in process stage S2 is therefore unnecessary, and the results of the feature extraction unit F1 of the first process stage S1 can be used in the second process stage S2. In the second method stage S2, only the classification method is changed, depending on the class information KII of the first processing stage S1.
  • FIG. 7 shows the use of the device according to the invention in a hearing aid device which essentially has a transmission unit 200.
  • 100 denotes a multi-stage processing unit which is implemented according to one of the embodiment variants shown in FIGS. 2 to 6.
  • the input signal IN is applied to both the multi-stage processing unit 100 and the transmission unit 200, in which the acoustic input signal IN is processed with the aid of the class information KI1 to KIn or KIl 'to KIn' generated in the multi-stage processing unit 100. It is preferably provided to select a suitable hearing program based on the acoustic environment situation determined, as is the case in FIG Introduction and has been described in the international patent application WO 01/20 965.
  • FIG. 300 denotes a manual input unit, with the aid of which - for example via a radio link, as can be seen schematically in FIG. 7 - may act both on the multi-stage processing unit 100 in the manner already explained or on the transmission unit 200.
  • the hearing aid 200 reference is made to the explanations in WO 01/20 965, whose
  • the preferred application of the method according to the invention for determining the acoustic ambient situation is the selection of a hearing program in a hearing aid device.

Landscapes

  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Neurosurgery (AREA)
  • Otolaryngology (AREA)
  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Acoustics & Sound (AREA)
  • Signal Processing (AREA)
  • Circuit For Audible Band Transducer (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

Ein Verfahren und eine Vorrichtung zur Bestimmung einer akustischen Umgebungssituation sind angegeben, wobei das Verfahren darin besteht, dass in mindestens zwei Verarbeitungsstufen (S1, ..., Sn) ein vorzugsweise mit Hilfe mindestens eines Mikrofons aufgenommenes akustisches Eingangssignal (IN) verarbeitet wird, und zwar derart, dass in mindestens einer der mindestens zwei Verarbeitungsstufen (S1, ..., Sn) eine Extraktionsphase vorgesehen ist, in der charakteristische Merkmale aus dem Eingangssignal (IN) extrahiert werden, und dass in jeder Verarbeitungsstufe (S1, ..., Sn) eine Identifikationsphase vorgesehen ist, in der extrahierte charakteristische Merkmale klassifiziert werden. Aufgrund der Klassifizierung der Merkmale in mindestens einer Verarbeitungsstufe (S1, ..., Sn) werden Klasseninformationen (KI1, ..., KIn; KI1', ..., KIn') erzeugt, welche die akustische Umgebungssituation charakterisieren bzw. identifiziert. Des weiteren sind Anwendungen des erfindungsgemässen Verfahrens bei Hörhilfegeräten und ein Hörhilfegerät angegeben.

Description

Verfahren zur Bestimmung einer akustischen Umgebungssituation, Anwendung des Verfahrens und ein Hörhilfegerät
Die vorliegende Erfindung betrifft ein Verfahren zur Bestimmung einer akustischen Umgebungssituation, eine Anwendung des Verfahrens, eine Vorrichtung zur Bestimmung der akustischen Umgebungssituation sowie ein Hörhilfegerät.
Moderne Hörgeräte können heute mit Hilfe verschiedener Hörprogramme unterschiedlichen akustischen UmgebungsSituationen angepasst werden. Damit soll das Hörgerät dem Benutzer in jeder Situation einen optimalen Nutzen bieten.
Die Wahl des Hörprogramms kann entweder über die Fernbedienung oder über einen Schalter am Hörgerät selbst vorgenommen werden. Das Umschalten zwischen verschiedenen Hörprogrammen ist jedoch für viele Benutzer lästig oder schwierig, wenn nicht sogar unmöglich. Welches Programm zu welchem Zeitpunkt den optimalen Komfort und die beste Sprachverständlichkeit bietet, ist auch für versierte Hörgeräteträger nicht immer einfach zu bestimmen. Ein automatisches Erkennen der akustischen UmgebungsSituation und ein damit verbundenes automatisches Umschalten des Hörprogramms im Hörgerät ist daher wünschenswert.
BESTATIGUNGSKOPIE Es sind derzeit verschiedene Verfahren für die automatische Klassifizierung von akustischen Umgebungssituationen bekannt. Bei all diesen Verfahren werden aus dem Eingangssignal, das beim Hörgerät von einem oder mehreren Mikrofonen stammen kann, verschiedene
Merkmale extrahiert. Basierend auf diesen Merkmalen trifft ein Mustererkenner unter Anwendung eines Algorithmus eine Entscheidung über die Zugehörigkeit des analysierten Eingangssignals zu einer bestimmten akustischen Umgebungssituation. Die verschiedenen bekannten Verfahren unterscheiden sich dabei einerseits durch die unterschiedlichen Merkmale, welche bei der Beschreibung der akustischen Umgebungssituation verwendet werden (Signalanalyse) , und andererseits durch den verwendeten Mustererkenner der die Merkmale klassifiziert (Signalidentifikation) .
Aus der Veröffentlichung der internationalen Patentanmeldung mit dem Veröffentlichungsaktenzeichen WO 01/20 965 sind ein Verfahren sowie eine Vorrichtung zur
Bestimmung der akustischen UmgebungsSituation bekannt. Es handelt sich dabei um eine einstufige Verarbeitung eines akustischen Eingangssignals in einer Merkmalsextraktionseinheit und einer dieser nachgeschalteten Klassi izierungseinheit, in der die extrahierten Merkmale zur Erzeugung von Klasseninformationen klassifiziert werden. Mit der bekannten Lehre werden zwar, insbesondere bei Verwendung von auditorisch-basierten Merkmalen, gute Resultate erhalten. Eine Verbesserung wird aber insbesondere im
Anwendungsbereich von Hörhilfegeräten gewünscht, da gerade in diesem Anwendungsgebiet die Klassifikation von akustischen UmgebungsSituation äussert akkurat sein muss . Gleichzeitig bereitet das Vorhandensein von mehreren, sehr allgemeinen Geräuschklassen, wie Musik oder Rauschen, einige Schwierigkeiten. So entspricht es der Natur dieser Geräuschklassen, dass sie sehr allgemein und breit, d.h. in vielfältiger Weise auftreten können. Die Geräuschklasse Rauschen, zum Beispiel, enthält die unterschiedlichsten Geräusche wie Hintergrundgespräche, Bahnhofgeräusehe, Haartrockner, und die Geräuschklasse Musik beinhaltet Popmusik, klassische Musik, Einzelinstrumente, Gesang, usw.
Gerade aufgrund der sehr allgemeinen Natur dieser Geräuschklassen ist es aber sehr schwierig, eine gute Erkennungsrate mit Hilfe der bekannten
Verarbeitungsmethode in eine Merkmalsextraktionseinheit und einer nachgeschalteten Klassifizierungseinheit zu erhalten. Zwar kann die Robustheit des ErkennungsSystems durch eine geeignete Wahl von Merkmalen verbessert werden, wie dies in WO 01/20965 erstmals aufgezeigt worden ist, indem auditorisch-basierte Merkmale verwendet werden, doch ist es insbesondere aufgrund einer hohen Varianz zwischen allgemeinen Geräuschklassen schwierig, diese klar und zweifelsfrei voneinander zu unterscheiden.
Der vorliegenden Erfindung liegt daher die Aufgabe zugrunde, ein Verfahren zur Bestimmung einer akustischen Umgebungssituation anzugeben, das gegenüber den bekannten Verfahren robuster und genauer ist. Diese Aufgabe wird durch die in Anspruch 1 angegebenen Massnahmen gelöst. Vorteilhafte Ausgestal ungen der Erfindung, eine Anwendung des Verfahrens, eine Vorrichtung sowie ein Hörhilfegerät sind in weiteren Ansprüchen angegeben.
Indem ein akustischen Eingangssignal in einem mehrstufigen Verfahren, das aus mindestens zwei Klassifizierungsstufen besteht, wobei jede Stufe vorzugsweise aus einer
Extraktionsphase und einer Identifikationsphase besteht, verarbeitet wird, wird eine überaus robuste und genaue Klassifikation der momentanen akustischen Umgebungssituation erhalten. So kann mit dem erfindungsgemassen Verfahren beispielsweise eine falsche Klassifizierung vo Popmusik in die Kategorie "Sprache in Geräusch" erfolgreich vermieden werden. Das erfindungsgemässe Verfahren ermöglicht ferner die Unterteilung einer allgemeinen Geräuschklasse, beispielsweise Rauschen, in Unterklassen, wie beispielsweise Verkehrslärm oder Gesprächshintergrundlärm. Spezielle Situationen, wie sie beispielsweise im Innern eines Automobiles auftreten ("in-the-car noise"), können ebenfalls erkannt werden. Ganz allgemein können Raumeigenschaften identifiziert und entsprechend bei der Weiterverarbeitung von wichtigen Signalanteilen mitberücksichtigt werden. Es hat sich gezeigt, dass mit dem er indungsgemassen Verfahren es zudem möglich ist, die Lärmquellen zu lokalisieren, womit die Möglichkeit geschaffen worden ist, das Vorhandensein einer spezifischen Lärmquelle in mehreren anderen Lärmquellen zu detektieren.
Die Erfindung wird nachfolgend anhand von Zeichnungen beispielsweise näher erläutert. Dabei zeigen:
Fig. 1 eine bekannte einstufige Vorrichtung zur
Bestimmung einer akustischen Umgebungssituation,
Fig. 2 eine erste Aus ührungsform einer erfindungsgemassen Vorrichtung mit zwei Verarbeitungsstufen,
Fig. 3 eine zweite, allgemeine Ausführungsform einer erfindungsgemassen mehrstufigen Vorrichtung,
Fig. 4 eine dritte, allgemeine Ausführungsform einer erfindungsgemassen mehrstufigen Vorrichtung,
Fig. 5 eine vierte, allgemeine Ausführungsform einer erfindungsgemassen mehrstufigen Vorrichtung,
Fig. 6 eine gegenüber der zweistufigen Ausführungsform gemäss Fig. 2 vereinfachte Ausführungsform und
Fig. 7 ein Hörhilfegerät mit einer erfindungsgemassen mehrstufigen Vorrichtung gemäss Fig. 2 bis 6. Fig. 1 zeigt eine bekannte einstufige Vorrichtung zum Bestimmen der akustischen Umgebungssituation, wobei die Vorrichtung aus einer Hintereinanderschaltung von einer Merkmalsextraktionseinheit F, einer Klassifizierungseinheit C und einer Nachverarbeitungseinheit P besteht.
Ein akustisches Eingangssignal IN, das beispielsweise mit einem Mikronfon aufgenommen wurde, ist der
Merkmalsextraktionseinheit F beaufschlagt, in der charakteristische Merkmale extrahiert werden.
Für die Merkmalsextraktion in Audiosignalen wurde im Aufsatz von J. M. Kates mit dem Titel "Classification of Background Noises für Hearing-Aid Applications" (1995, Journal of the Acoustical Society of America 97(1) , Seiten 461 bis 469) vorgeschlagen, eine Analyse der zeitlichen PegelSchwankungen und des Spektrums vorzunehmen. Des weiteren wurde in der Europäischen Patentschrift mit der Nummer EP-B1-0 732 036 eine Analyse des
Amplitudenhistogramms zur Erreichung des gleichen Ziels vorgeschlagen. Schliesslich wurde die Merkmalsextraktion auch durch eine Analyse verschiedener Modulationsfrequenzen untersucht und angewendet.
Diesbezüglich wird auf die beiden Aufsätze von Ostendorf et. al. mit den Titeln "Empirische Klassifizierung verschiedener akustischer Signale und Sprache mittels einer Modulationsfrequenzanalyse" (1997, DAGA 97, Seiten 608 bis 609) und "Klassifikation von akustischen Signalen basierend auf der Analyse von ModulationsSpektren zur Anwendung in digitalen Hörgeräten" (1998, DAGA 98, Seiten 402 bis 403) verwiesen. Ein ähnlicher Ansatz ist auch in einem Aufsatz von Edwards et. al . mit dem Titel "Signal- processing algorithms for a new sofware-based, digital hearing device" (1998, The Hearing Journal 51, Seiten 44 bis 52) offenbart. Weitere mögliche Merkmale sind der Pegel selbst oder die Nulldurchgangsrate wie z.B. in H. L. Hirsch, "Statistical Signal Characterization" (Artech House 1992) beschrieben. Die bisher zur Audiosignalanalyse verwendeten Merkmale sind also rein technisch-basiert .
Des Weiteren wurde in der bereits zitierten Offenlegungsschrift der internationalen Patentanmeldung WO 01/20965 neben den erwähnten technischen Merkmalen erstmals auf die vorteilhafte Verwendung von auditorisch- basierten Merkmalen hingewiesen.
Gemäss Fig. 1 werden die in der Merkmalsextraktionseinheit F extrahierten Merkmale M der Klassifizierungseinheit C beaufschlagt, in der für die Geräuschklassifikation grundsätzlich einer der bekannten
Musteridentifikationsmethoden zum Einsatz kommt. So eignen sich insbesondere so genannte Abstandsschätzer, Bayes Klassi izierer, Fuzzy Logic Systeme oder Neuronale
Netzwerke als Mustererkenner. Weitere Informationen zu den zwei erst genannten Methoden können der Druckschrift "Pattern Classification and Scene Analysis" von Richard 0. Duda und Peter E. Hart (John Wiley & Sons, 1973) entnommen werden. Bezüglich Neuronalen Netzwerken wird auf das Standardwerk von Christopher M. Bishop mit dem Titel "Neural Networks for Pattern Recognition" (1995, Oxford University Press) verwiesen. Des weiteren wird auf die folgenden Publikationen verwiesen: Ostendorf et. al . , "Klassifikation von akustischen Signalen basierend auf der Analyse von Modulationsspektren zur Anwendung in digitalen Hörgeräten" (Zeitschrift für Audiologie, 1998, Seiten 148 bis 150); F. Feldbusch, "Geräuscheerkennung mittels Neuronaler Netzwerke" (1998, Zeitschrift für Audiologie, Seiten 30 bis 36) ; Europäische Patentanmeldung mit der
Veröffentlichungsnummer EP-A1-0 814 636; und US-Patent mit der Veröffentlichungsnummer US-5 604 812. Neben den erläuterten Mustererkennungsmethoden, bei denen lediglich die statischen Eigenschaften der interessierten Geräuschklassen modelliert werden, sind in der bereits zitierten Offenlegungsschrift der internationalen Patentanmeldung WO 01/20965 auch Methoden genannt, bei denen dynamische Eigenschaften berücksichtigt werden.
Gemäss Fig. 1 werden durch die in der
Klassifizierungseinheit C durchgeführten
Verarbeitungsschritten Klasseninformation KI erhalten, die gegebenenfalls einer Nachverarbeitungseinheit P zur allfälligen Bereinigung der Klassenzugehörigkeit zugeführt werden. Erhalten werden in der Folge bereinigte Klasseninformationen KI1.
In Fig. 2 ist eine erste Ausführungsvariante einer erfindungsgemassen Vorrichtung dargestellt. Es handelt sich dabei um eine Vorrichtung mit zwei Verfahrensstufen Sl und S2, wobei in jeder Verfahrensstufe Sl, S2 je eine Merkmalsextraktionseinheit Fl bzw. F2 und eine Klassifizierungseinheit Cl bzw. C2 enthalten sind. Beiden Verfahrensstufen Sl bzw. S2 wird das originäre Eingangssignal IN zugeführt, nämlich sowohl der Merkmalsextraktionseinheit Fl als auch der Merkmalsextraktionseinheit F2 , die je für sich mit der entsprechenden Klassifizierungseinheit Cl bzw. C2 in der Folge wirkverbunden sind. Von Bedeutung ist nun, dass Klasseninformationen KIl, welche aufgrund von Berechnungen in der Klassifizierungseinheit Cl der ersten Verfahrensstufe Sl erhalten werden, die
Klassifizierungseinheit C2 der zweiten Verfahrensstufe S2 beeinflusst wird, und zwar derart, dass beispielsweise einer von mehreren möglichen Musteridentifikationsmethoden ausgewählt wird und für die Geräuschklassifizierung in der Klassifizierungseinheit C2 der zweiten Verfahrensstufe S2 angewendet wird.
Die allgemeine in Fig. 2 dargestellte AusführungsVariante der Erfindung wird im Folgenden an einem konkreten Beispiel weiter erläutert:
Durch die Merkmalsextraktionseinheit Fl werden die Merkmale Tonalität, spektraler Schwerpunkt (CGAV: spectral center of gravity) , Fluktuation des spektralen
Schwerpunkts (CGFS) und spektrale Breite und
Einschwingzeit extrahiert und in der
Klassifizierungseinheit Cl, in der ein HMM- (Hidden Markov Model) -Klassifizierer zum Einsatz kommt, klassifiziert, wobei das Eingangssignal IN mit Hilfe der HMM- Kassifizierung in eine der folgenden Klassen eingeteilt wird: "Sprache", "Sprache in Rauschen", "Rauschen" oder "Musik". Dies wird als Klasseninformation KI bezeichnet. Das Resultat der ersten Verarbeitungsstufe Sl wird der Klassifizierungseinheit C2 der Verarbeitungsstufe S2 beaufschlagt, in der ein zweites Merkmalset mit Hilfe der Merkmalsextraktionseinheit F2 extrahiert wird. Dabei werden neben den Merkmalen Tonalität, spektraler Schwerpunkt und Fluktuation des spektralen Schwerpunkts (CGFS) das zusätzliche Merkmal Varianz der harmonischen Struktur (pitch) - nachfolgend auch etwa als Pitchvar bezeichnet - extrahiert. Aufgrund dieser Merkmale wird mit Hilfe eines Regel-basierten Klassifizierers in der Klassifizierungseinheit C2 das Resultat der ersten Verarbeitungsstufe Sl überprüft und gegebenenfalls korrigiert. Der Regel-basierte Klassifizierer beinhaltet lediglich wenige einfache heuristische Entscheidungen, welche auf den vier Merkmalen basieren und sich an den folgenden Überlegungen orientieren:
Das Merkmal Tonalität wird in jeder Klasse zur Korrektur verwendet, falls die Merkmalswerte vollständig ausserhalb eines zulässigen Wertebereiches der Klasseninformationen KIl liegen, welche in der ersten Klassifizierungseinheit Cl - d.h. durch den HMM-Klassifizierer - bestimmt worden sind. Erwartungsgemäss ist die Tonalität für "Musik" hoch, für "Sprache" im mittleren Bereich, für "Sprache in Rauschen" ein wenig tiefer und für "Rauschen" tief. Falls beispielsweise ein Eingangssignal IN durch die
Klassifizierungseinheit Cl in die Klasse "Sprache" fällt, dann wird erwartet, dass entsprechende Merkmale, welche in der Merkmalsextraktionseinheit Fl ermittelt worden sind, der Klassifizierungseinheit Cl angezeigt haben, dass der relevante Signalanteile im Eingangssignal IN scark fluktuiert. Falls, auf der anderen Seite, die Tonalität für dieses Eingangssignal IN sehr tief ist, handelt es sich mit grösster Wahrscheinlichkeit nicht um "Sprache", sondern um "Sprache in Rauschen". Ähnliche Überlegungen können für die anderen drei Merkmale angestellt werden, nämlich für die Varianz der harmonischen Struktur
(Pitchvar) , den spektralen Scherpunkt (CGAV) und für die Fluktuation des spektralen Schwerpunkts (CGFS) . Entsprechend können die Regeln für den Regel -basierten Klassifizierer, welche in der Klassifizierungseinheit C2 zur Anwendung kommen, wie folgt formuliert werden:
.2 -
Bei dieser Ausführungsform der Erfindung hat sich in überraschender Weise herausgestellt, dass nahezu die gleichen Merkmale in der zweiten Verarbeitungsstufe S2 verwendet werden wie in der ersten Verarbeitungsstufe Sl. Es hat sich darüber hinaus gezeigt, dass sich das Merkmal Tonalität am besten eignet, um eine Korrektur der durch die Klassifizierungseinheit Cl erzeugten Fehler korrigieren zu können. Es kann also festgehalten werden, dass bei Verwendung des Regel-basierten Klassifizierers die Tonalität von entscheidender Bedeutung ist.
Beim Austesten der vorstehend beschriebenen Ausführungsform konnte festgestellt werden, dass bereits bei diesem einfachen zweistufigen Verfahren die Trefferrate mindestens um 3% gegenüber dem einstufigen Verfahren verbessert werden konnte. In einigen Fällen konnte sogar eine Verbesserung der Trefferrate um 91% festgestellt werden.
In Fig. 3 ist eine weitere Ausführungsform in allgemeiner Darstellung gezeigt. Es handelt sich dabei um ein Verarbeitungsverfahren mit n Stufen. Jede der Verarbeitungsstufen Sl bis Sn weist in Fortführung der vorstehenden Überlegungen eine Merkmalsextraktionseinheit Fl bis Fn und eine dieser nachgeschalteten Klassifizierungseinheit Cl bis Cn zur Erzeugung der jeweiligen Klasseninformationen KIl bis KIn auf. Gegebenenfalls ist in jeder oder in einzelnen Verarbeitungsstufen Sl bis Sn eine
Nachverarbeitungseinheit Pl bis Pn zur Erzeugung von bereinigten Klasseninformationen KIl' bis KIn1 vorhanden.
In Weiterführung der Ausführungsvariante gemäss Fig. 2 eignet sich die in Fig. 3 gezeigte Ausführungsvariante insbesondere auch für eine sogenannte grob- fein Klassifizierung. In einer grob-fein Klassifizierung wird ein in einer Verarbeitungsstufe i erhaltenes Resultat in einer nachfolgenden Verarbeitungsstufe i+1 verfeinert. Es wird also eine Grobklassi izierung in einer übergeordneten Verarbeitungsstufe vorgenommen, wobei aufgrund der Grobklassifizierung eine Feinklassifizierung, basierend auf spezifischeren Merkmalsextraktionen und/oder Klassifizierungsmethoden, in einer nachgeordneten Verarbeitungsstufe ausgeführt wird. Dieser Prozess kann auch als Hypothesengenerierung in einer übergeordneten Verfahrensstufe angesehen werden, die in einer nachgeordneten Verfahrensstufe überprüft, d.h. bestätigt oder zurückgewiesen werden. Es wird ausdrücklich darauf hingewiesen, dass die Hypothesen, welche an sich in einer übergeordneten Verfahrensstufe (Grobklassifizierung) erstellt worden sind, auch mit anderen Informationen, insbesondere mit manuellen Mitteln, wie Fernbedienungen oder Schalter, eingegeben werden können. In Fig. 3 ist dies, stellvertretend in der ersten Verarbeitungsstufe Sl, mittels einer Stellgrösse ST angegeben, über die beispielsweise die Berechnungen in der Klassifizierungseinheit Cl übersteuert werden können. Selbstverständlich kann die Stellgrösse auch einer Klassifizierungseinheit C2 bis Cn oder einer
Nachverarbeitungseinheit Pl bis Pn einer anderen Verfahrensstufe Sl bis Sn zugeführt werden.
In einem erfindungsgem ssen Klassifizierungssyste mit mehreren Verarbeitungsstufen Sl bis Sn kann jeder
Verarbeitungsstufe Sl bis Sn, was jedoch nicht zwingend ist, eine Aufgabe zugeordnet werden, wie zum Beispiel: eine Grobklassifizierung, eine Feinklassifizierung, eine Lokalisierung einer Geräuschquelle, eine Überprüfung, ob eine bestimmte Geräuschquelle, z. B. Automobilgeräusch in einem Fahrzeug, vorhanden ist, oder eine Extraktion von bestimmten Signalanteilen von einem Eingangssignal, z. B. Elimination von Echo unter Berücksichtigung von Raumcharakteristiken. Die einzelnen Verfahrensstufen Sl bis Sn sind daher individuell im Sinne, dass in ihnen verschiedene Merkmale extrahiert und verschiedene Klassifizierungsmethoden verwendet werden.
In einem weiteren Anwendungsbeispiel ist vorgesehen, in einer ersten Verarbeitungsstufe Sl ein individuelles
Signal in einem Gemisch von verschiedenen Signalanteilen zu lokalisieren, in einer zweiten Verarbeitungsstufe S2 eine Grobklassifizierung der lokalisierten Signalquelle vorzunehmen und in einer dritten Verfahrenstufe S3 eine Feinklassifizierung der in der zweiten Verfahrensstufe S2 erhaltenen groben Klassifizierung vorzunehmen.
Die in der ersten Verarbeitungsstufe durchgeführte Lokalisation der Schallquelle kann eine Richtungsfilterung, zum Beispiel mittels Multi-Mikrofon- Technologie, nachgeschaltet werden.
Selbstverständlich kann eine Merkmalsextraktionseinheit Fl bis Fn unter mehreren Klassifizierungseinheiten Cl bis Cn aufgeteilt werden, d.h. die Resultate einer
Merkmalsextraktionseinheit Fl bis Fn können von mehreren Klassifizierungseinheiten Cl bis Cn verwendet werden. Des weiteren ist denkbar, dass eine Klassifizierungseinheit Cl bis Cn in mehreren Verarbeitungsstufen Sl bis Sn verwendet wird. Schliesslich kann vorgesehen sein, dass die in den verschiedenen Verarbeitungsstufen Sl bis Sn erhaltenen Klasseninformationen KIl bis KIn bzw. die bereinigten Klasseninformationen KIl' bis KIn' zur Erhaltung der abschliessenden Klassifizierung unterschiedlich gewichtet werden. In Fig. 4 ist eine weitere Ausführungsform der Erfindung dargestellt, bei der wiederum mehrere Verarbeitungsstufen Sl bis Sn zum Einsatz kommen. Im Unterschied zur Ausführungsform gemäss Fig. 3 werden die
Klasseninformationen KIl bis KIn nicht nur in den jeweils unmittelbar nachfolgenden Verarbeitungsstufen verwendet, sondern gegebenenfalls in allen untergeordneten Verarbeitungsstufen. In analoger Weise können die Resultate von vorhergehenden Verarbeitungsstufen Sl bis Sn ihre Auswirkungen auch auf die nachfolgenden Merkmalsextraktionseinheiten Fl bis Fn bzw. auf die zu extrahierenden Merkmaie haben.
Auch bei der AusführungsVariante gemäss Fig. 4 sind Nachverarbeitungseinheiten Pl bis Pn denkbar, die Zwischenresultate der Klassifizierung aufbereiten und als bereinigte Klasseninformationen KIl1 bis KIn' zur Verfügung stellen.
In Fig. 5 ist eine weitere Ausführungsvariante einer mehrstufigen Vorrichtung zur Bestimmung der akustischen Umgebungssituation, wiederum in allgemeiner Form, dargestellt. Gezeigt sind wie bereits bei den Ausführungsvarianten gemäss Fig. 3 und 4 mehrere Verarbeitungsstufen Sl bis Sn mit Merkmalsextraktionseinheiten Fl bis Fn und Klassifizierungseinheiten Cl bis Cn. Die in jeder Verarbeitungsstu e Sl bis Sn erhaltenen Klasseninformationen KIl bis KIn werden einer Entscheidungseinheit FD zugeführt, in der die abschliessende Klassifizierung durch erzeugen der Klasseninformationen KI vorgenommen wird. In der Entscheidungseinheit FD ist gegebenenfalls vorgesehen, Rückkopplungssignale zu erzeugen, welche auf die
Merkmalsextraktionseinheiten Fl bis Fn und/oder auf die Klassifizierungseinheiten Cl bis Cn wirken, um beispielsweise einzelne Parameter in diesen Verarbeitungseinheiten anzupassen oder um ganze Klassifizierungseinheiten Cl bis Cn austauschen zu können.
Es wird ausdrücklich darauf hingewiesen, dass die Rückwirkungen und Verknüpfungen der Verarbeitungseinheiten der Ausführungsvarianten gemäss Fig. 3 bis 5 nicht auf die dargestellten Varianten beschränkt sind. Denkbar ist, dass einzelne Rückwirkungen oder Verknüpfungen weggelassen werden. Grundsätzlich sind beliebige Kombinationen von Verarbeitungseinheiten und Strukturen möglich.
Darüber hinaus ist denkbar, dass - beim Einsatz der Erfindung bei Hörhilfegeräten - die verschiedenen Verarbeitungsstufen auch zwischen zwei Hörgeräten, d.h. bei je einem Hörgerät für das linke und das rechte Ohr, verteilt sind. Der Informationsaustausch erfolgt bei dieser Ausführungsform über eine drahtgebundene oder eine drahtlose Übertragungsstrecke.
In Fig. 6 ist nochmals eine vereinfachte Ausführungsvariante der Erfindung zur Veranschaulichung der vorstehenden allgemeinen Ausführungen zu den möglichen Strukturen. Obwohl lediglich eine
Merkmalsextraktionseinheit Fl vorgesehen ist, sind zwei Verarbeitungsstufen Sl und S2 vorgesehen. Die erste Verarbeitungsstufe Sl besteht aus der Merkmalsextraktionseinheit Fl und der
Klassifizierungseinheit Cl . Bei der zweiten Verarbeitungsstufe S2 werden die gleichen Merkmale verwendet, die bereits in der ersten Verfahrensstufe Sl verwendet worden sind. Eine Neuberechnung der Merkmale in der Verfahrensstufe S2 erübrigt sich daher, und es können die Resultate der Merkmalsextraktionseinheit Fl der ersten Verfahrensstufe Sl in der zweiten Verf hrensstufe S2 verwendet werden. In der zweiten Verfahrensstufe S2 wird somit lediglich die Klassifizierungsmethode geändert, und zwar in Abhängigkeit der Klasseninformationen KIl der ersten Verarbeitungsstufe Sl.
Fig. 7 zeigt die Verwendung der erfindungsgemassen Vorrichtung bei einem Hörhilfegerät, das im Wesentlichen eine Übertragungseinheit 200 aufweist. Mit 100 ist eine mehrstufige Verarbeitungseinheit bezeichnet, die gemäss einer der in den Fig. 2 bis 6 dargestellten AusführungsVarianten realisiert ist. Das Eingangssignal IN wird sowohl der mehrstufigen Verarbeitungseinheit 100 als auch der Übertragungseinheit 200 beaufschlagt, in dem das akustische Eingangssignal IN unter Zuhilfenahme der in der mehrstufigen Verarbeitungseinheit 100 erzeugten Klasseninformationen KIl bis KIn bzw. KIl' bis KIn' bearbeitet wird. Dabei ist vorzugsweise vorgesehen, ein aufgrund der ermittelten akustischen UmgebungsSituation ein geeignetes Hörprogramm auszuwählen, wie dies in der Einleitung und in der internationalen Patentanmeldung WO 01/20 965 beschrieben worden ist.
Mit 300 ist eine manuelle Eingabeeinheit bezeichnet, mit Hilfe der - beispielsweise über eine Funkstrecke, wie dies schematisch in Fig. 7 ersichtlich ist - gegebenenfalls sowohl auf die mehrstufige Verarbeitungseinheit 100 in bereits erläuterten Weise oder auf die Übertragungseinheit 200 einwirkt. Im Falle des Hörhilfegerätes 200 wird auf die Ausführungen in der WO 01/20 965 verwiesen, deren
Inhalt als integrierter Bestandteile dieser Beschreibung anzusehen ist.
Als mögliche Klassifizierungsmethoden bei allen erläuterten AusführungsVarianten der Erfindung kommt insbesondere eine der folgenden Methoden zur Anwendung:
- Hidden Markov Modelle;
- Fuzzy Logic ; - Klassifizierung nach Bayes;
- Regel-basierte Klassifizierung;
- Neuronale Netzwerke;
- Minimale Distanz.
Schliesslich wird ausdrücklich darauf hingewiesen, dass in den Merkmalsextraktionseinheiten Fl bis Fn (Fig. 2 bis 7) technische und/oder auditorisch-basierte Merkmale extrahiert werden können. Für ausführliche Erläuterungen zu den technischen und audi orisch-basierten Merkmalen sei wiederum auf die Ausführungen in der internationalen Patentanmeldung WO 01/20 965 verwiesen.
Als bevorzugte Anwendung des erfindungsgemassen Verfahrens zur Bestimmung der akustischen Umgebungssituation ist die Wahl eines Hörprogrammes in einem Hörhilfegerät. Denkbar ist jedoch auch die Verwendung der erfindungsgemassen Vorrichtung bzw. die Anwendung des erfindungsgemassen Verfahrens zur Spracherkennung.

Claims

Patentansprüche :
1. Verfahren zur Bestimmung einer akustischen UmgebungsSituation, wobei das Verfahren darin besteht, dass in mindestens zwei Verarbeitungsstufen (Sl, ..., Sn) ein vorzugsweise mit Hilfe mindestens eines Mikrofons aufgenommenes akustisches Eingangssignal (IN) verarbeitet wird, und zwar derart, - dass in mindestens einer der mindestens zwei Verarbeitungsstufen (Sl, ... , Sn) eine Extraktionsphase vorgesehen ist, in der charakteristische Merkmale aus dem Eingangssignal (IN) extrahiert werden, und - dass in jeder Verarbeitungsstufe (Sl, ..., Sn) eine Identifikationsphase vorgesehen ist, in der extrahierte charakteristische Merkmale klassifiziert werden, wobei aufgrund der Klassifizierung der Merkmale in mindestens einer Verarbeitungsstufe (Sl, ..., Sn)
Klasseninformationen (KIl, ..., KIn; KIl', ..., KIn') erzeugt werden, welche die akustische UmgebungsSituation charakterisieren bzw. identifiziert.
2. Verfahren nach Anspruch 1, dadurch gekennzeichnet, dass in jeder Verarbeitungsstufe (Sl, ..., Sn) eine Extraktionsphase vorgesehen ist, in der charakteristische Merkmale aus dem Eingangssignal (IN) extrahiert werden.
3. Verfahren nach Anspruch 1 oder 2 , dadurch gekennzeichnet, dass aufgrund von in einer Verarbeitungsstufe (Sl, ..., Sn) erhaltener Klasseninformationen (KIl, ..., KIn; KIl', ..., KIn') die Art der Verarbeitung in einer anderen Verarbeitungsstufe (Sl, ... , Sn) gewählt wird.
4. Verfahren nach Anspruch 2 oder 3, dadurch gekennzeichnet, dass die in der Identifikationsphase einer Verarbeitungsstufe i (Sl, ..., Sn) erhaltenen
Klasseninformationen (KIl, ..., KIn; KIl', ..., KIn') die Art der Verarbeitung in der nachfolgenden bzw. untergeordneten Verarbeitungsstufe i+1 (Sl, ..., Sn) bestimmen.
5. Verfahren nach Anspruch 4, dadurch gekennzeichnet, dass aufgrund der in der Verarbeitungsstufe i (Sl, ..., Sn) erhaltenen Klasseninformationen (KIl, ..., KIn; KIl', ..., KIn') spezifische Merkmale in der Extraktionsphase der nachfolgenden bzw. untergeordneten Verarbeitungsstufe i+1 (Sl, ..., Sn) und/oder spezifische
Klassifizierungsverfahren in der Identifikationsphase der nachfolgenden bzw. untergeordneten Verarbeitungsstufe i+1 (Sl, ..., Sn) gewählt werden.
6. Verfahren nach einem der vorangehenden Ansprüche, dadurch gekennzeichnet, dass in der Identifikationsphase eines der folgenden Klassifizierungsverfahren zum Einsatz kommt : - Hidden Markov Modelle;
- Fuzzy Logic;
- Klassifizierung nach Bayes ;
- Regel-basierte Klassifizierung;
- Neuronale Netzwerke;
- Minimale Distanz .
7. Verfahren nach einem der vorangehenden Ansprüche, dadurch gekennzeichnet, dass in den Extraktionsphasen technische und/oder auditorisch-basierte Merkmale extrahiert werden.
8. Verfahren nach einem der vorangehenden Ansprüche, dadurch gekennzeichnet, dass in mindestens einer Verarbeitungsstufe (Sl, ..., Sn) im Anschluss an die
Extraktionsphase eine Nachverarbeitungsphase vorgesehen ist, in der die Klasseninformationen (KIl, ... , KIn) zur Erzeugung von bereinigten Klasseninformationen (KIl', ... KIn' ) nachbearbeitet werden.
9. Anwendung des Verfahrens nach einem der Ansprüche 1 bis 8 zur Anpassung mindestens eines HÖrhilfegeräces an eine momentane akustische UmgebungsSituation.
10. Anwendung nach Anspruch 9, dadurch gekennzeichnet, dass aufgrund der ermittelten momentanen akustischen Umgebungssituation ein Hörprogramm bzw. eine Übertragungsfunktion zwischen mindestens einem Mikrcfon und einem Hörer im mindestens einen Hörhilfegerät eingestellt wird.
11. Anwendung des Verfahrens nach einem der Ansprüche 1 bis 8 zur Spracherkennung.
12. Vorrichtung zur Bestimmung einer akustischen UmgebungsSituation mit einer Merkmalsextraktionseinheit (M) , das mit einer Klassifizierungseinheit (C) zur
Verarbeitung eines Eingangssignals (IN) wirkverbunden ist, dadurch gekennzeichnet, dass mindestens zwei Verarbeitungsstufen (Sl, ... , Sn) vorgesehen sind, wobei in mindestens einer der mindestens zwei Verarbeitungsstufen (Sl, ..., Sn) eine
Merkmalsextraktionseinheit (Fl, ..., Fn) enthalten ist und wobei in jeder Verarbeitungsstufe (Sl, ..., Sn) eine Klassifizierungseinheit (Cl, ..., Cn) enthalten ist, dass das Eingangssignal (IN) den Merkmalsextraktionseinheiten (Ml, ..., Mn) beaufschlagt ist und dass mit den
Klassifiziereinheiten (Cl, ..., Cn) Klasseninformationen (KIl, ... , KIn) erzeugbar sind.
13. Vorrichtung nach Anspruch 12, dadurch gekennzeichnet, dass in jeder Verarbeitungsstufe (Sl, ... , Sn) eine
Merkmalsextraktionseinheit (Ml, ..., Mn) vorgesehen ist.
14. Vorrichtung nach Anspruch 12 oder 13, dadurch gekennzeichnet, dass die Klasseninformationen (KIl, ..., KIn; KIl' , ... , KIn' ) einer anderen Verarbeitungsstufe (Sl, ... , Sn) beaufschlagt sind.
15. Vorrichtung nach einem der Ansprüche 12 bis 14, dadurch gekennzeichnet, dass die Klasseninformationen
(KIl, ..., KIn; KIl', ..., KIn1) einer Verarbeitungsstufe i (Sl, ..., Sn) der nachfolgenden bzw. übergeordneten Verarbeitungsstufe i+1 (Sl, ..., Sn) beaufschlagt sind.
16. Vorrichtung nach Anspruch 15, dadurch gekennzeichnet, dass die Klasseninformationen (KIl, ..., KIn; KIl1, ..., KIn') einer Verarbeitungsstufe i (Sl, ..., Sn) der Merkmalsextraktionseinheit (Ml, ..., Mn) einer nachfolgenden bzw. untergeordneten Verarbeitungsstufe i+1 (Sl, ... , Sn) und/oder der Klassifizierungseinheit (Cl, ... , Cn) der nachfolgenden bzw. untergeordneten Verarbeitungsstufe i+1 (Sl, ..., Sn) beaufschlagt sind.
17. Vorrichtung nach einem der Ansprüche 12 bis 16, dadurch gekennzeichnet, dass in mindestens einer
Verarbeitungsstufe (Sl, ..., Sn) die erhaltenen Klasseninformationen (KIl, ..., KIn) einer Nachverarbeitungseinheit (Pl, ..., Pn) zur Erzeugung von bereinigten Klasseninformationen (KIl1, ..., KIn') beaufschlagt sind.
18. Vorrichtung nach Anspruch 12 oder 13, dadurch gekennzeichnet, dass die Klasseninformationen (KIl, ..., KIn) aller Verarbeitungsstufen (Sl, ..., Sn) einer Entscheidungseinheit (ED) beaufschlagt sind.
19. Vorrichtung nach Anspruch 18, dadurch gekennzeichnet, dass die Entscheidungseinheit (ED) mit mindestens einer Merkmalsextraktionseinheit (Fl, ..., Fn) und/oder mit mindestens einer Klassifizierungseinheit (Cl, ..., Cn) wirkverbunden ist.
20. Hörhilfegerät mit einer Übertragungseinheit (200), die eingangsseitig mindestens mit einem Mikrofon und ausgangsseitig mit einer Wandlereinheit, insbesondere einem Hörer, wirkverbunden ist, und mit einer Vorrichtung nach einem der Ansprüche 12 bis 17 zur Erzeugung von Klasseninformationen (KIl, ... , KIn; KIl' , ... , KIn' ) , wobei die Klasseninformationen (KIl, ... , KIn; KIl' , ... , KIn') der Übertragungseinheit (200) beaufschlagt sind.
21. Hörhilfegerät nach Anspruch 20, dadurch gekennzeichnet, dass eine Eingabeeinheit (300) vorgesehen ist, die, vorzugsweise über eine Funkstrecke, mit der Übertragungseinheit (200) und/oder mit der Vorrichtung nach einem der Ansprüche 12 bis 17 wirkverbunden ist.
EP02706499.7A 2002-01-28 2002-01-28 Verfahren zur bestimmung einer akustischen umgebungssituation, anwendung des verfahrens und ein hörhilfegerät Expired - Lifetime EP1470735B1 (de)

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/CH2002/000049 WO2002032208A2 (de) 2002-01-28 2002-01-28 Verfahren zur bestimmung einer akustischen umgebungssituation, anwendung des verfahrens und ein hörhilfegerät

Publications (2)

Publication Number Publication Date
EP1470735A2 true EP1470735A2 (de) 2004-10-27
EP1470735B1 EP1470735B1 (de) 2019-08-21

Family

ID=4358282

Family Applications (1)

Application Number Title Priority Date Filing Date
EP02706499.7A Expired - Lifetime EP1470735B1 (de) 2002-01-28 2002-01-28 Verfahren zur bestimmung einer akustischen umgebungssituation, anwendung des verfahrens und ein hörhilfegerät

Country Status (5)

Country Link
EP (1) EP1470735B1 (de)
JP (1) JP3987429B2 (de)
AU (2) AU2472202A (de)
CA (1) CA2439427C (de)
WO (1) WO2002032208A2 (de)

Families Citing this family (29)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
AUPS247002A0 (en) * 2002-05-21 2002-06-13 Hearworks Pty Ltd Programmable auditory prosthesis with trainable automatic adaptation to acoustic conditions
US7889879B2 (en) 2002-05-21 2011-02-15 Cochlear Limited Programmable auditory prosthesis with trainable automatic adaptation to acoustic conditions
EP1339256B1 (de) * 2003-03-03 2017-12-27 Sonova AG Verfahren zur Herstellung von akustischen Geräten und zur Verringerung von Windstörungen
US20040175008A1 (en) 2003-03-07 2004-09-09 Hans-Ueli Roeck Method for producing control signals, method of controlling signal and a hearing device
US8027495B2 (en) 2003-03-07 2011-09-27 Phonak Ag Binaural hearing device and method for controlling a hearing device system
DK1326478T3 (en) 2003-03-07 2014-12-08 Phonak Ag Method for producing control signals and binaural hearing device system
US7286672B2 (en) 2003-03-07 2007-10-23 Phonak Ag Binaural hearing device and method for controlling a hearing device system
JP4939935B2 (ja) * 2003-06-24 2012-05-30 ジーエヌ リザウンド エー／エス 整合された音響処理を備える両耳用補聴器システム
US6912289B2 (en) 2003-10-09 2005-06-28 Unitron Hearing Ltd. Hearing aid and processes for adaptively processing signals therein
DE10356093B3 (de) * 2003-12-01 2005-06-02 Siemens Audiologische Technik Gmbh Hörervorrichtung mit richtungsabhängiger Signalverarbeitung und entsprechendes Verfahren
US20060182295A1 (en) 2005-02-11 2006-08-17 Phonak Ag Dynamic hearing assistance system and method therefore
DK1819195T3 (da) 2006-02-13 2009-11-30 Phonak Comm Ag Fremgangsmåde og system til tilvejebringelse af hörehjælp til en bruger
US7986790B2 (en) 2006-03-14 2011-07-26 Starkey Laboratories, Inc. System for evaluating hearing assistance device settings using detected sound environment
US8068627B2 (en) 2006-03-14 2011-11-29 Starkey Laboratories, Inc. System for automatic reception enhancement of hearing assistance devices
US8494193B2 (en) * 2006-03-14 2013-07-23 Starkey Laboratories, Inc. Environment detection and adaptation in hearing assistance devices
CA2650600A1 (en) * 2006-05-16 2007-11-22 Phonak Ag Hearing device and method for operating a hearing device
US7957548B2 (en) 2006-05-16 2011-06-07 Phonak Ag Hearing device with transfer function adjusted according to predetermined acoustic environments
EP1858292B2 (de) 2006-05-16 2022-02-23 Sonova AG Hörgerät sowie Verfahren zum Betrieb eines Hörgerätes
US8249284B2 (en) 2006-05-16 2012-08-21 Phonak Ag Hearing system and method for deriving information on an acoustic scene
US7738666B2 (en) 2006-06-01 2010-06-15 Phonak Ag Method for adjusting a system for providing hearing assistance to a user
US8605923B2 (en) 2007-06-20 2013-12-10 Cochlear Limited Optimizing operational control of a hearing prosthesis
EP2192794B1 (de) 2008-11-26 2017-10-04 Oticon A/S Verbesserungen für Hörgerätalgorithmen
DK2569955T3 (en) 2010-05-12 2015-01-12 Phonak Ag Hearing system and method for operating the same
EP2596647B1 (de) 2010-07-23 2016-01-06 Sonova AG Hörsystem und verfahren zum betreiben eines hörsystems
WO2010133703A2 (en) 2010-09-15 2010-11-25 Phonak Ag Method and system for providing hearing assistance to a user
JP2012083746A (ja) * 2010-09-17 2012-04-26 Kinki Univ 音処理装置
EP2850848A1 (de) * 2012-05-15 2015-03-25 Phonak AG Verfahren zum betrieb eines hörgeräts sowie ein hörgerät
US8958586B2 (en) 2012-12-21 2015-02-17 Starkey Laboratories, Inc. Sound environment classification by coordinated sensing using hearing assistance devices
CN112954569B (zh) * 2021-02-20 2022-10-25 深圳市智听科技有限公司 多核助听芯片、助听方法及助听器

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
ATE331417T1 (de) * 2000-04-04 2006-07-15 Gn Resound As Eine hörprothese mit automatischer hörumgebungsklassifizierung
WO2001020965A2 (de) * 2001-01-05 2001-03-29 Phonak Ag Verfahren zur bestimmung einer momentanen akustischen umgebungssituation, anwendung des verfharens und ein hörgerät

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
See references of WO0232208A2 *

Also Published As

Publication number Publication date
JP3987429B2 (ja) 2007-10-10
JP2005504325A (ja) 2005-02-10
WO2002032208A2 (de) 2002-04-25
AU2002224722B2 (en) 2008-04-03
AU2472202A (en) 2002-04-29
WO2002032208A3 (de) 2002-12-05
EP1470735B1 (de) 2019-08-21
CA2439427C (en) 2011-03-29
CA2439427A1 (en) 2002-04-25

Similar Documents

Publication Publication Date Title
EP1470735B1 (de) Verfahren zur bestimmung einer akustischen umgebungssituation, anwendung des verfahrens und ein hörhilfegerät
DE60120949T2 (de) Eine hörprothese mit automatischer hörumgebungsklassifizierung
DE69432943T2 (de) Verfahren und Vorrichtung zur Sprachdetektion
WO2001020965A2 (de) Verfahren zur bestimmung einer momentanen akustischen umgebungssituation, anwendung des verfharens und ein hörgerät
EP1247425B1 (de) Verfahren zum betrieb eines hörgerätes und ein hörgerät
DE2626793A1 (de) Verfahren zur bewertung stimmhafter und stimmloser zustaende eines sprachsignals
EP2405673B1 (de) Verfahren zum Lokalisieren einer Audioquelle und mehrkanaliges Hörsystem
EP3386215B1 (de) Verfahren zum betrieb einer hörvorrichtung und hörvorrichtung
EP1647972A2 (de) Verbesserung der Verständlichkeit von Sprache enthaltenden Audiosignalen
DE112016007138T5 (de) Vorrichtung und verfahren zur überwachung eines tragezustandes eines ohrhörers
DE102015221764A1 (de) Verfahren zum Angleichen von Mikrofonempfindlichkeiten
DE69511602T2 (de) Signalquellencharakterisiersystem
EP2200341B1 (de) Verfahren zum Betrieb eines Hörhilfegerätes sowie Hörhilfegerät mit einer Quellentrennungseinrichtung
DE19948907A1 (de) Verfahren zur Signalverarbeitung in einer Hörhilfe sowie Hörhilfe
WO2001047335A2 (de) Verfahren zur elimination von störsignalanteilen in einem eingangssignal eines auditorischen systems, anwendung des verfahrens und ein hörgerät
DE10114101A1 (de) Verfahren zum Verarbeiten eines Eingangssignals in einer Signalverarbeitungseinheit eines Hörgerätes sowie Schaltung zur Durchführung des Verfahrens
EP1279164A1 (de) Verfahren zur berechnung einer sprachaktivitätsentscheidung (voice activity detector)
EP2792165B1 (de) Anpassung einer klassifikation eines audiosignals in einem hörgerät
EP1303166B1 (de) Verfahren zum Betrieb eines Hörgerätes und Anordung mit einem Hörgerät
EP3403260B1 (de) Verfahren und vorrichtung zur aufbereitung eines verlustbehaftet komprimierten audiosignals
EP1348315B1 (de) Verfahren zum betrieb eines hörgeräts und hörgerät dafür
EP1130577B1 (de) Verfahren zur Rekonstruktion tieffrequenter Sprachanteile aus mittelhohen Frequenzanteilen
DE102006001730A1 (de) Beschallungsanlage, Verfahren zur Verbesserung der Sprachqualität und/oder Verständlichkeit von Sprachdurchsagen sowie Computerprogramm
EP0540535B1 (de) Verfahren zur sprecheradaption eines automatischen spracherkennungssystems
DE19813512A1 (de) Hörgerät und Verfahren zur Störgeräuschunterdrückung mit Breitbandsignalanalyse

Legal Events

Date Code Title Description
PUAI Public reference made under article 153(3) epc to a published international application that has entered the european phase

Free format text: ORIGINAL CODE: 0009012

17P Request for examination filed

Effective date: 20030718

AK Designated contracting states

Kind code of ref document: A2

Designated state(s): AT BE CH CY DE DK ES FI FR GB GR IE IT LI LU MC NL PT SE TR

AX Request for extension of the european patent

Extension state: AL LT LV MK RO SI

17Q First examination report despatched

Effective date: 20121204

RAP1 Party data changed (applicant data changed or rights of an application transferred)

Owner name: SONOVA AG

GRAP Despatch of communication of intention to grant a patent

Free format text: ORIGINAL CODE: EPIDOSNIGR1

INTG Intention to grant announced

Effective date: 20190408

GRAS Grant fee paid

Free format text: ORIGINAL CODE: EPIDOSNIGR3

GRAA (expected) grant

Free format text: ORIGINAL CODE: 0009210

AK Designated contracting states

Kind code of ref document: B1

Designated state(s): CH DE DK FR GB LI

REG Reference to a national code

Ref country code: GB

Ref legal event code: FG4D

Free format text: NOT ENGLISH

REG Reference to a national code

Ref country code: CH

Ref legal event code: EP

REG Reference to a national code

Ref country code: DE

Ref legal event code: R096

Ref document number: 50216344

Country of ref document: DE

PG25 Lapsed in a contracting state [announced via postgrant information from national office to epo]

Ref country code: DK

Free format text: LAPSE BECAUSE OF FAILURE TO SUBMIT A TRANSLATION OF THE DESCRIPTION OR TO PAY THE FEE WITHIN THE PRESCRIBED TIME-LIMIT

Effective date: 20190821

PGFP Annual fee paid to national office [announced via postgrant information from national office to epo]

Ref country code: DE

Payment date: 20200129

Year of fee payment: 19

Ref country code: GB

Payment date: 20200127

Year of fee payment: 19

REG Reference to a national code

Ref country code: DE

Ref legal event code: R097

Ref document number: 50216344

Country of ref document: DE

PGFP Annual fee paid to national office [announced via postgrant information from national office to epo]

Ref country code: FR

Payment date: 20200127

Year of fee payment: 19

PLBE No opposition filed within time limit

Free format text: ORIGINAL CODE: 0009261

STAA Information on the status of an ep patent application or granted ep patent

Free format text: STATUS: NO OPPOSITION FILED WITHIN TIME LIMIT

26N No opposition filed

Effective date: 20200603

REG Reference to a national code

Ref country code: CH

Ref legal event code: PL

PG25 Lapsed in a contracting state [announced via postgrant information from national office to epo]

Ref country code: LI

Free format text: LAPSE BECAUSE OF NON-PAYMENT OF DUE FEES

Effective date: 20200131

Ref country code: CH

Free format text: LAPSE BECAUSE OF NON-PAYMENT OF DUE FEES

Effective date: 20200131

REG Reference to a national code

Ref country code: DE

Ref legal event code: R119

Ref document number: 50216344

Country of ref document: DE

GBPC Gb: european patent ceased through non-payment of renewal fee

Effective date: 20210128

PG25 Lapsed in a contracting state [announced via postgrant information from national office to epo]

Ref country code: FR

Free format text: LAPSE BECAUSE OF NON-PAYMENT OF DUE FEES

Effective date: 20210131

PG25 Lapsed in a contracting state [announced via postgrant information from national office to epo]

Ref country code: DE

Free format text: LAPSE BECAUSE OF NON-PAYMENT OF DUE FEES

Effective date: 20210803

Ref country code: GB

Free format text: LAPSE BECAUSE OF NON-PAYMENT OF DUE FEES

Effective date: 20210128