EP3809724A1 - Hearing device and method for operating a hearing device - Google Patents

Hearing device and method for operating a hearing device Download PDF

Info

Publication number
EP3809724A1
EP3809724A1 EP20201989.9A EP20201989A EP3809724A1 EP 3809724 A1 EP3809724 A1 EP 3809724A1 EP 20201989 A EP20201989 A EP 20201989A EP 3809724 A1 EP3809724 A1 EP 3809724A1
Authority
EP
European Patent Office
Prior art keywords
setting
user
feedback
hearing aid
training
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
EP20201989.9A
Other languages
German (de)
French (fr)
Other versions
EP3809724B1 (en
Inventor
Gerard Loosschilder
Matthias Fröhlich
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.)
Sivantos Pte Ltd
Original Assignee
Sivantos Pte Ltd
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 Sivantos Pte Ltd filed Critical Sivantos Pte Ltd
Publication of EP3809724A1 publication Critical patent/EP3809724A1/en
Application granted granted Critical
Publication of EP3809724B1 publication Critical patent/EP3809724B1/en
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • H04R25/50—Customised settings for obtaining desired overall acoustical characteristics
    • H04R25/505—Customised settings for obtaining desired overall acoustical characteristics using digital signal processing
    • H04R25/507—Customised settings for obtaining desired overall acoustical characteristics using digital signal processing implemented by neural network or fuzzy logic
    • 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
    • H04R25/70—Adaptation of deaf aid to hearing loss, e.g. initial electronic fitting
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04R—LOUDSPEAKERS, MICROPHONES, GRAMOPHONE PICK-UPS OR LIKE ACOUSTIC ELECTROMECHANICAL TRANSDUCERS; DEAF-AID SETS; PUBLIC ADDRESS SYSTEMS
    • H04R2225/00—Details of deaf aids covered by H04R25/00, not provided for in any of its subgroups
    • H04R2225/39—Aspects relating to automatic logging of sound environment parameters and the performance of the hearing aid during use, e.g. histogram logging, or of user selected programs or settings in the hearing aid, e.g. usage logging
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04R—LOUDSPEAKERS, MICROPHONES, GRAMOPHONE PICK-UPS OR LIKE ACOUSTIC ELECTROMECHANICAL TRANSDUCERS; DEAF-AID SETS; 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

Definitions

  • the invention relates to a method for operating a hearing aid and a corresponding hearing aid.
  • a hearing aid is used to supply a typically hearing-impaired user.
  • the hearing aid has a microphone which picks up sound signals from the user's surroundings and converts them into an electrical input signal.
  • This is modified in a signal processing of the hearing aid, in particular on the basis of an audiogram of the user.
  • the signal processing generates an electrical output signal which is fed to a receiver of the hearing aid, which then converts the electrical output signal into an output sound signal and outputs it to the user.
  • the modification within the signal processing takes place depending on one or more parameters, more precisely signal processing parameters. These are each set to a specific value so that each parameter has a specific setting at a given point in time. The respective setting and correspondingly the associated value are expediently selected depending on the situation.
  • the hearing aid has, for example, a classifier which determines a current situation on the basis of the electrical input signal and then adjusts the signal processing parameters appropriately depending on the current situation.
  • a hearing aid in which a classifier extracts a plurality of features from an input signal and generates a classifier output signal, by means of which parameter one Transfer function of signal processing can be adapted.
  • the classifier output signal is dependent on a weighting which is updated by means of a feedback from a user.
  • a semi-supervised learning process with a passive update scheme is also described. It is assumed that feedback is only given if the setting of the classifier has to be changed. If there is no feedback, however, the current settings are retained.
  • a hearing aid i.e. to specify an improved method for operating a hearing aid.
  • the aim is to improve the learning of the most optimal settings possible for the hearing aid.
  • An improved hearing aid is also to be specified.
  • the method is used to operate a hearing aid, so it is an operating method for the hearing aid.
  • the hearing aid has signal processing which has at least one adjustable parameter which has a given setting at a given point in time.
  • the setting is in particular a specific value for the parameter, for example a specific gain or volume or a width of a directional lobe for directional hearing with the hearing aid.
  • a user of the hearing aid wears it in or on the ear when used as intended.
  • the hearing aid is preferably used to supply a hearing impaired user.
  • the hearing aid preferably has at least one microphone for picking up ambient noise and a receiver for outputting noise to the user.
  • the microphone generates an electrical input signal from the ambient noise, which is passed on to the signal processing and which is then modified by the signal processing depending on the parameter, for example is amplified. As a result, a modified input signal is generated, which is then an electrical output signal and which is passed on to the listener for output.
  • the input signal is modified by the signal processing as a function of an individual audiogram, which is stored in the hearing aid in particular.
  • the signal processing preferably has a modification unit which modifies the input signal as a function of the parameter.
  • the parameter is set as a function of the situation by selecting a setting for the parameter as a function of a current environmental situation and by means of a learning machine.
  • the parameter is preferably set repeatedly depending on the situation.
  • the situation-dependent setting of the parameter takes place in particular automatically by the signal processing and as part of the operation of the hearing aid.
  • the parameter can expediently also be set in another way, for example manually by the user.
  • the situation-dependent setting the current environmental situation is first recognized. A specific setting is assigned to this environmental situation in accordance with an assignment rule, which setting is then selected so that the parameter is set accordingly.
  • the learning machine has a classifier by means of which the surrounding situation is recognized.
  • the learning machine especially the classifier, analyzes in particular the input signal generated by the microphone and assigns a class to the current environmental situation, for example speech, music or noise. Depending on the class, the parameter is then set, ie a suitable setting is selected for the parameter. Using the learning machine, the hearing aid learns over time which setting is most suitable in which environmental situation and then selects it.
  • the assignment of a respective setting to a respective environmental situation is therefore not static in the present case, but is adapted dynamically by the learning machine. In other words: the assignment rule between Settings and environmental situations are continuously adapted by the learning machine.
  • a current setting of the parameter can be assessed by feedback from a user of the hearing aid.
  • the current setting is the setting that is currently set.
  • the user can rate this setting with feedback.
  • the feedback generally includes a request or request from the user to the hearing aid to change the current setting, that is to say to set the parameter differently.
  • the feedback generally takes place via an input element of the hearing aid, e.g. a button for manual input or a microphone for voice input or another sensor for detecting user input. With the feedback, the user expresses his satisfaction with the current setting.
  • An evaluation is then assigned to each setting of the parameter, e.g. in the form of a counter. The rating is then changed depending on the feedback and thus generally indicates the satisfaction of the user with this setting.
  • the setting is assigned to a specific class and thus to a specific environmental situation, so that the evaluation therefore indicates the satisfaction of the user with this setting for the assigned environmental situation.
  • the setting is assigned to a specific class and thus to a specific environmental situation, so that the evaluation therefore indicates the satisfaction of the user with this setting for the assigned environmental situation.
  • several different settings are assigned to a single class or that several different classes are assigned to a single setting, or both.
  • a single setting can receive and have different ratings for several classes.
  • the learning machine is passively trained by negative feedback in a first training session, in that feedback from the user is assessed as dissatisfaction with the current setting and in that the satisfaction of the user with the current setting is assumed as long as there is no feedback.
  • the method thus includes a learning process for the learning machine.
  • the first training is a passive training. This means that in the course of the first training, feedback from the user is not explicitly requested or queried, but rather that it was given voluntarily Feedback from the user can be used. Instead of actively asking the user about satisfaction with a setting, this satisfaction is derived from the behavior of the user. If the user gives feedback that it is assumed that the setting is unsatisfactory at the time of the feedback and that the feedback was therefore given. In contrast, if there is no feedback, it is assumed that the current setting is satisfactory.
  • the learning machine is also trained in a second training, in that this is changed independently of a feedback from the user and despite an assumed satisfaction with the current setting, so that the user is presented with a different setting, which is then can be assessed by feedback.
  • the user is accordingly offered deviating settings, without being asked, in order to receive additional ratings for these settings, although the current setting is assumed to be satisfactory per se.
  • the current setting of the parameter is changed when the ambient situation remains the same, in order to test different settings for the same ambient situation.
  • experiments are therefore carried out with deviating settings, so that the second training session is also referred to as experimental training.
  • the current setting is changed in the second training session if no automatic or no manual change has taken place over a certain period of time, or both.
  • the current setting is preferably changed if no situation-dependent change has taken place over a certain period of time.
  • the period of time is generally preferably between 5 minutes and 15 minutes, alternatively or additionally
  • the current setting is changed in the second training if the current setting is rated as satisfactory.
  • the invention is initially based on the observation that active training of the learning machine is usually annoying for the user, since it requires regular feedback, possibly even without the user being able to determine the time for this himself. Under certain circumstances, the use of the hearing aid is even emotionally charged negatively for the user. In the case of active training, the user is offered various settings, which the user should then evaluate with a corresponding feedback. In contrast, passive training of the learning machine, in which such active feedback is not required, is significantly more advantageous. Such passive training has a significantly higher level of acceptance when the hearing aid is used as intended. Active training in which the user is actively consulted, however, has the advantage that typically more feedback is available and can also be generated as required, so that satisfactory settings can be learned by the learning machine significantly faster than with passive training.
  • a very special advantage results from the combination of the first, passive training with the second, experimental training, whereby overall a faster learning is achieved than with a passive training alone.
  • the experimental training potentially provokes additional feedback and thus potentially generates additional evaluations, but the advantage of passive training is retained, namely the reduced user interaction compared to active training.
  • the mechanism of the first training is basically continued to be used and used to check, by intentionally changing the setting, whether another setting apart from the current setting is still satisfactory for the user. This other setting is then fed in without being asked, so to speak, during operation and as an alternative to the current setting.
  • the second training increases the range of values for the parameter made available to a passive evaluation by the user. Overall, this significantly accelerates the convergence of the overall system, especially the learning machine, towards the best possible settings for the respective user. The learning of optimal settings is thus accelerated and improved accordingly.
  • first training and second training are used in the present case to clarify the two levels of learning in a preferred embodiment of the learning machine, namely passive training, which is simple in itself, on the one hand and experimenting and testing additional settings on the other.
  • passive training which is simple in itself, on the one hand and experimenting and testing additional settings on the other.
  • both training sessions run at the same time.
  • the combination of the first and second training simply corresponds to a modified, passive training. Since additional settings are fed in without being asked, this form of training is also referred to as "injected learning”. Since feedback from the user is not actively requested when other settings are also fed in, this training is basically still passive.
  • the second training of the learning machine is passive in that feedback from the user is not actively requested. Accordingly, as with the first training, feedback from the user is preferably not actively requested in the second training either, but it is sufficient that the other setting can be evaluated. The user can evaluate this other setting, but does not necessarily have to do so. In other words: feedback from the user is assessed as dissatisfaction with the current setting and satisfaction from the user with the current setting is assumed as long as there is no feedback. In fact, the same mechanism is preferably used for evaluating the other setting as for the first training session. In any case, the learning machine evaluates a feedback as dissatisfaction with the setting immediately before the feedback or at the time of the feedback and not as satisfaction with the setting immediately after the feedback, if the user has changed the setting as part of the feedback.
  • the learning machine increases a rating of this setting when satisfied with a setting and reduces the rating when dissatisfied.
  • This concept is based on the idea of storing the suitability of the individual settings in the form of an evaluation in order to then select the optimal setting in each case when the parameter is set as a function of the situation when the hearing aid is in operation. If there is a change in the surrounding situation, the new surrounding situation is recognized and the setting that has the highest rating for this surrounding situation is then selected. If the ambient situation remains the same, other settings, which are fundamentally rated worse, are set and tested to that extent. The user can then rate an initially badly rated setting as actually worse via a negative feedback. In a suitable further training, if feedback is not given, satisfaction with the poorly rated setting is assumed and its rating is then increased.
  • the learning machine automatically assumes that the user is satisfied with the current setting if there has been no feedback over a certain period of time.
  • This approach supports the general passive approach to training.
  • an embodiment is generally advantageous in which a feedback that includes a change in the parameter by the user is rated as satisfaction with the setting newly selected by the user.
  • this is not mandatory per se and in any case still requires feedback from the user in order to generate a positive rating, ie to increase the rating of a setting.
  • a positive evaluation is possible without active user interaction, whereby the convergence of the training is further improved.
  • the period of time which is waited until the satisfaction with the current setting is assumed is preferably between 5 minutes and 15 minutes.
  • the evaluation of the current setting is then expediently only increased when the surrounding situation is the same during the period, that is to say has not changed.
  • the other setting which is presented to the user without being asked during the experimental training, can in principle be selected arbitrarily or at random, but a certain selection is expediently made.
  • the other setting is selected in the second training session as a function of a previous evaluation of this setting in comparison to other settings.
  • a setting is selected which has a lower number of evaluations at least for the current environmental situation than the current setting in order to then potentially receive further evaluations.
  • the other setting is expediently selected depending on its similarity to the current setting.
  • the other setting differs in the second training session by at most 10% from the current setting, i.e. it is similar.
  • the parameter is a volume and the setting is a value for this volume, which is then varied by the experimental training within a range of +/- 10%.
  • the selection of a similar setting is advantageously attempted by the learning machine to expand the acceptable range of values for the parameter by testing slightly different settings. If the user expresses dissatisfaction with the new setting through feedback, this will be rated negatively. Otherwise, the new setting is automatically assessed as positive, especially after a certain period of time, as described above, that is, its assessment is increased. Overall, other settings, apart from the setting selected from the outset depending on the situation, are passively checked for their suitability without actively requesting user interaction.
  • the other setting is expediently selected depending on its evaluation by other users.
  • the selection is preferably further restricted by only taking into account the ratings of those other users who are similar to the user, for example have a similar audiogram or belong to a similar population group or are of a similar age.
  • the modified, passive training described can also be combined with active training.
  • the learning machine is then additionally actively trained in a third training session by requesting feedback from the user in order to evaluate the current setting.
  • the active training takes place depending on the time or situation or is initiated by the user himself. For example, active training is carried out at certain times or after a certain time interval has elapsed or when the environmental situation changes.
  • the modified, passive training advantageously reduces the need for active training so that it is carried out much less frequently.
  • the feedback from the user consists in the user changing the parameter, for example manually.
  • the hearing aid or an additional device which is connected to the hearing aid has an input element as already described above.
  • the parameter can be set by the user himself, i.e. manually set, in contrast to the automatic situation-dependent setting.
  • the user can therefore change the parameter and thus its setting.
  • the learning machine evaluates this as dissatisfaction with the setting made immediately before the feedback and reduces its evaluation accordingly.
  • a new setting is then set by the feedback.
  • it is assumed that this new setting is satisfactory for the user, since the user has specifically chosen this setting, ie satisfaction with the new setting is assumed and its rating is increased accordingly.
  • the feedback suitably comprises one of the following actions by the user: changing a volume of the hearing aid, changing a program of the hearing aid, changing a focus of the hearing aid.
  • other actions are also conceivable and suitable.
  • the first and second training sessions are preferably carried out during normal operation of the hearing aid, i.e. while the hearing aid is being worn and used by the user and not just in a fitting session with the acoustician or in a special training situation.
  • the modified, passive training of the learning machine is therefore preferably carried out online while the hearing aid is in operation.
  • the learning machine is, for example, a neural network, a support vector machine or the like.
  • the learning machine is suitably designed as an integrated circuit, in particular in terms of programming, e.g. as a microcontroller, or in terms of circuitry, e.g. as an ASIC.
  • the learning machine is preferably integrated into the hearing aid, in particular together with or as part of the signal processing.
  • an embodiment is also suitable in which the learning machine is relocated to an additional device which is connected to the hearing device, preferably wirelessly.
  • the object is also achieved, independently of the hearing aid and the method for its operation, in particular by a learning machine as described above, which is suitable for use with a hearing aid as described.
  • a hearing aid 2 which has a signal processing 4 which has at least one adjustable parameter P which has a given setting E at a given point in time, ie a specific value for the parameter P, for example a specific gain or volume.
  • a user of the hearing aid 2 wears it in or on the ear when it is used as intended.
  • the hearing aid 2 has at least one microphone 6 for picking up ambient noises and a receiver 8 for outputting noises to the user.
  • the microphone 6 generates an electrical input signal from the ambient noise, which is passed on to the signal processing 4 and is modified by the latter as a function of the parameter P, for example is amplified.
  • a modified input signal is generated, which is then an electrical output signal and which is passed on to the receiver 8 for output.
  • the signal processing unit 4 has a modification unit 9 which modifies the input signal as a function of the parameter P.
  • the parameter P is set as a function of the situation in that a setting E that is as suitable as possible for the parameter P is selected as a function of a current environmental situation and by means of a learning machine 10. This takes place repeatedly and automatically by the signal processing 4 and as part of the operation of the hearing aid 2.
  • the parameter P in the present case can also be set manually by the user via an input element 12.
  • Fig. 2 an embodiment of the method is shown.
  • the current environmental situation is first recognized in a first step S1.
  • This environmental situation is assigned a specific setting E in accordance with an assignment rule, which setting is then selected in a second step S2 so that the parameter P is set accordingly.
  • step S1 the surrounding situation is recognized by means of a classifier 14 of the learning machine 10.
  • the classifier 14 analyzes the input signal generated by the microphone and assigns a class to the current environmental situation.
  • the parameter P is then used in the second step S2 set.
  • the hearing aid 2 learns over time which setting E is most suitable in which environmental situation and then selects it.
  • the learning takes place in a third step S3 parallel to the two steps S1 and S2 and influences the selection of the setting E for the parameter P in the second step S2, as in FIG Fig. 2 shown.
  • the assignment of a respective setting E to a respective environmental situation is therefore not static in the present case, but is adapted dynamically by the learning machine 10.
  • a current setting E of the parameter P can be assessed by a feedback R from a user of the hearing aid 2.
  • the current setting E is the setting E that is set at the current time.
  • the user can evaluate this setting E in a fourth step S4 by means of a feedback R.
  • the feedback R generally includes a request or request from the user to the hearing aid 2 to change the current setting E.
  • the feedback R occurs in the present case via the input element 12 of the hearing aid 2, e.g. a button for manual input or a microphone, e.g. the microphone 6, for voice input or another sensor for detecting a user input.
  • the user expresses his satisfaction with the current setting E via the feedback R.
  • An evaluation is then assigned to each setting E of the parameter P, e.g. in the form of a counter.
  • the evaluation is then changed as a function of the feedback R and indicates the satisfaction of the user with a respective setting E for the assigned environmental situation.
  • the method includes a learning method for the learning machine 10.
  • An exemplary embodiment for this is described below with reference to FIG Fig. 3 explained.
  • the learning machine 10 is passively trained by negative feedback R, in that a feedback R from the user in step B- is assessed as dissatisfaction with the current setting E and in a step B + that the user is satisfied with the current setting E. is accepted as long as no feedback R is received.
  • Feedback R from the user is not explicitly requested or queried, but voluntarily given feedback R from the user is used.
  • the learning machine 10 is additionally trained in a second training session, in that the current setting E is changed in a fifth step S5 independently of feedback R from the user and despite an assumed satisfaction with the current setting E, so that a different setting E is given to the user is presented, which can then be evaluated accordingly by a feedback R.
  • the user is accordingly offered deviating settings E, without being asked, in order to receive additional evaluations in steps B-, B + for these settings E, although the current setting E is assumed to be satisfactory per se.
  • the current setting E of the parameter P is therefore changed when the ambient situation remains the same, in order to test different settings E for the same ambient situation, i.e.
  • the learning machine 10 experiments with different settings E, so that the second training session is also referred to as experimental training.
  • the experimental training by means of the fifth step S5 potentially provokes additional feedback R and thus potentially additional evaluations are then generated in steps B-, B +, but the advantage of passive training is retained, namely the reduced user interaction compared to active training.
  • the second training of the learning machine 10 is also passive, in that feedback R from the user is not actively requested. Accordingly, feedback R from the user is not actively requested during the second training either, but it is already sufficient that the other setting E can be evaluated. The user can rate this other setting E, but does not necessarily have to do so.
  • the same mechanism is used for the evaluation as for the first training.
  • the learning machine 10 evaluates a feedback R as dissatisfaction with the setting immediately before the feedback R or at the time of the feedback R and not as satisfaction with the setting immediately after the feedback R if the user changes the setting as part of the feedback R. E has changed.
  • the learning machine 10 if it is satisfied with a setting E, it increases a rating of this setting E and if it is dissatisfied it reduces the rating.
  • the suitability of the individual settings E is stored in the form of a respective evaluation in order to then select the optimal setting E in each case when the parameter P is set in the second step S2 as a function of the situation. If there is a change in the surrounding situation, the new surrounding situation is recognized and that setting E is selected which has the highest evaluation for this surrounding situation. If the ambient situation remains the same, then other settings E, which are fundamentally rated worse, are set and to that extent tested.
  • the learning machine 10 automatically assumes that the user is satisfied with the current setting E if no feedback R has been received over a certain period t. This is also in the embodiment of FIG Fig. 3 the case. With this automatic assumption of the satisfaction of the user after a certain period t without changing the setting E by the user, a positive evaluation is realized without active user interaction.
  • the time period t which is waited for is between 5 minutes and 15 minutes, for example.
  • the other setting E which is presented to the user without being asked during the experimental training, can in principle be selected arbitrarily or at random, but in the present case a specific selection is made.
  • the other setting E is selected in the present case as a function of a previous evaluation of this setting E in comparison to other settings E. For example, a setting E is selected which has a lower number of evaluations at least for the current environmental situation than the current setting E in order to then potentially receive further evaluations.
  • the other setting E is selected depending on its similarity to the current setting E and differs, for example, by at most 10% from the current setting E, i.e. if it is similar.
  • the parameter P is a volume and the setting E is a value for this volume, which is then varied by the experimental training within a range of +/- 10%.
  • the other setting E is selected depending on its evaluation by other users.
  • the selection is further restricted by only taking into account the ratings of those other users who are similar to the user, e.g. have a similar audiogram or belong to a similar population group or are of a similar age.
  • the learning machine 10 is then additionally actively trained by requesting feedback R from the user to evaluate the current setting E.
  • the active training takes place as a function of time or situation or is initiated by the user himself. For example, active training is carried out at certain times or after a certain time interval has elapsed or when the environmental situation changes.
  • the feedback E from the user consists in the fact that the user changes the parameter P manually using the input element 12.
  • the input element 12 is not as in FIG Fig. 1 shown a part of the hearing aid 2, but a part of an additional device which is connected to the hearing aid 2 for data transmission.
  • the additional device is, for example, a remote control for the hearing device 2 or a smartphone or the like.
  • the manual setting E of the parameter P by means of the input element 12 is also in Fig. 3 shown. The user can therefore change the parameter P if he is dissatisfied with the setting E. This is then evaluated by the learning machine 10 as dissatisfaction with the setting E set immediately before the feedback R and its evaluation is reduced accordingly in step B-.
  • a new setting E is then set by the feedback R.
  • this new setting E is satisfactory for the user, since the user has specifically chosen this setting E, ie satisfaction with the new setting E is assumed and its evaluation is increased accordingly in a step B + .
  • This variant is in Fig. 3 not explicitly shown.
  • the feedback R includes, for example, one of the following actions by the user: changing a volume of the hearing device 2, changing a program of the hearing device 2, changing a focus of the hearing device 2.
  • other actions are also conceivable and suitable.
  • the learning machine 10 is, for example, a neural network, a support vector machine or the like.
  • the learning machine 10 is designed as an integrated circuit, e.g. in terms of programming as a microcontroller or in terms of circuitry as an ASIC.
  • the learning machine 10 is integrated into the hearing aid 2, in the exemplary embodiment shown even as part of the signal processing 4.
  • an embodiment (not shown) is also suitable in which the learning machine 10 is outsourced to an additional device, e.g. as described above, which is connected to the hearing aid 2 connected, e.g. wirelessly.

Abstract

Es wird ein Verfahren zum Betrieb eines Hörgeräts (2) angegeben, wobei das Hörgerät (2) eine Signalverarbeitung (4) aufweist, welche zumindest einen einstellbaren Parameter (P) aufweist, welcher zu einem gegebenen Zeitpunkt eine gegebene Einstellung (E) aufweist, wobei der Parameter (P) situationsabhängig eingestellt wird, indem abhängig von einer aktuellen Umgebungssituation und mittels einer Lernmaschine (10) eine Einstellung (E) für den Parameter (P) ausgewählt wird, wobei eine aktuelle Einstellung (E) des Parameters (P) durch eine Rückmeldung (R) eines Nutzers des Hörgeräts (2) bewertbar ist, wobei in einem ersten Training die Lernmaschine (10) durch negative Rückmeldungen (R) passiv trainiert wird, indem eine Rückmeldung (R) des Nutzers als eine Unzufriedenheit mit der aktuellen Einstellung (E) gewertet wird und indem eine Zufriedenheit des Nutzers mit der aktuellen Einstellung (E) angenommen wird, solange keine Rückmeldung (R) erfolgt, und wobei in einem zweiten Training die Lernmaschine (10) zusätzlich trainiert wird, indem unabhängig von einer Rückmeldung (R) des Nutzers und trotz einer angenommenen Zufriedenheit mit der aktuellen Einstellung (E) diese geändert wird, sodass dem Nutzer eine andere Einstellung (E) dargeboten wird, welche dann durch eine Rückmeldung (R) bewertbar ist. Weiter wird ein entsprechendes Hörgerät (2) angegeben.A method for operating a hearing aid (2) is specified, the hearing aid (2) having signal processing (4) which has at least one adjustable parameter (P) which has a given setting (E) at a given point in time, wherein the parameter (P) is set depending on the situation by selecting a setting (E) for the parameter (P) depending on a current environmental situation and by means of a learning machine (10), a current setting (E) of the parameter (P) being selected by a Feedback (R) from a user of the hearing aid (2) can be assessed, with the learning machine (10) being passively trained by negative feedback (R) in a first training session, with feedback (R) from the user being viewed as dissatisfaction with the current setting ( E) is evaluated and by assuming that the user is satisfied with the current setting (E) as long as there is no feedback (R), and in a second training course the learning machine (10) is additionally trained by changing the current setting (E) independently of a feedback (R) from the user and despite an assumed satisfaction with the current setting (E), so that the user is presented with a different setting (E), which is then represented by a Feedback (R) can be assessed. A corresponding hearing aid (2) is also specified.

Description

Die Erfindung betrifft ein Verfahren zum Betrieb eines Hörgeräts sowie ein entsprechendes Hörgerät.The invention relates to a method for operating a hearing aid and a corresponding hearing aid.

Ein Hörgerät dient der Versorgung eines typischerweise gehörgeschädigten Nutzers. Das Hörgerät weist ein Mikrofon auf, welches Schallsignale aus der Umgebung des Nutzers aufnimmt und in ein elektrisches Eingangssignal umwandelt. Dieses wird in einer Signalverarbeitung des Hörgeräts modifiziert, insbesondere anhand eines Audiograms des Nutzers. Als Ergebnis der Modifikation wird von der Signalverarbeitung ein elektrisches Ausgangssignal erzeugt, welches einem Hörer des Hörgeräts zugeführt wird, welcher dann das elektrische Ausgangssignal in ein Ausgangsschallsignal umwandelt und an den Nutzer ausgibt.A hearing aid is used to supply a typically hearing-impaired user. The hearing aid has a microphone which picks up sound signals from the user's surroundings and converts them into an electrical input signal. This is modified in a signal processing of the hearing aid, in particular on the basis of an audiogram of the user. As a result of the modification, the signal processing generates an electrical output signal which is fed to a receiver of the hearing aid, which then converts the electrical output signal into an output sound signal and outputs it to the user.

Die Modifikation innerhalb der Signalverarbeitung erfolgt abhängig von einem oder mehreren Parametern, genauer Signalverarbeitungsparametern. Diese werden jeweils auf einen bestimmten Wert eingestellt, sodass jeder Parameter zu einem gegebenen Zeitpunkt eine bestimmte Einstellung aufweist. Die jeweilige Einstellung und entsprechend der zugehörige Wert werden zweckmäßigerweise situationsabhängig ausgewählt. Zur Situationsbestimmung weist das Hörgerät beispielsweise einen Klassifikator auf, welcher anhand des elektrischen Eingangssignals eine aktuelle Situation bestimmt und an dann abhängig von der aktuellen Situation die Parameter der Signalverarbeitung geeignet einstellt.The modification within the signal processing takes place depending on one or more parameters, more precisely signal processing parameters. These are each set to a specific value so that each parameter has a specific setting at a given point in time. The respective setting and correspondingly the associated value are expediently selected depending on the situation. To determine the situation, the hearing aid has, for example, a classifier which determines a current situation on the basis of the electrical input signal and then adjusts the signal processing parameters appropriately depending on the current situation.

In der EP 2 255 548 B1 wird beispielsweise ein Hörgerät beschrieben, bei welchem ein Klassifikator aus einem Eingangssignal mehrere Merkmale extrahiert und ein Klassifikatorausgangssignal erzeugt, mittels welchem Parameter einer Transferfunktion einer Signalverarbeitung angepasst werden. Das Klassifikatorausgangssignal ist abhängig von einer Gewichtung, welche mittels einer Rückmeldung durch einen Nutzer aktualisiert wird. In diesem Zusammenhang wird auch ein halb-überwachtes Lernverfahren mit einem passiven Aktualisierungsschema beschrieben. Dabei wird angenommen, dass eine Rückmeldung nur dann erfolgt, wenn die Einstellung des Klassifikators geändert werden muss. Falls keine Rückmeldung erfolgt, werden dagegen die aktuellen Einstellungen beibehalten.In the EP 2 255 548 B1 For example, a hearing aid is described in which a classifier extracts a plurality of features from an input signal and generates a classifier output signal, by means of which parameter one Transfer function of signal processing can be adapted. The classifier output signal is dependent on a weighting which is updated by means of a feedback from a user. In this context, a semi-supervised learning process with a passive update scheme is also described. It is assumed that feedback is only given if the setting of the classifier has to be changed. If there is no feedback, however, the current settings are retained.

Vor diesem Hintergrund ist es eine Aufgabe, den Betrieb eines Hörgeräts zu verbessern, d.h. ein verbessertes Verfahren zum Betrieb eines Hörgeräts anzugeben. Dabei soll insbesondere das Lernen von möglichst optimalen Einstellungen für das Hörgerät verbessert werden. Weiter soll ein verbessertes Hörgerät angegeben werden.Against this background, it is an object to improve the operation of a hearing aid, i.e. to specify an improved method for operating a hearing aid. In particular, the aim is to improve the learning of the most optimal settings possible for the hearing aid. An improved hearing aid is also to be specified.

Die Aufgabe wird erfindungsgemäß gelöst durch ein Verfahren mit den Merkmalen gemäß Anspruch 1 sowie durch ein Hörgerät mit den Merkmalen gemäß Anspruch 13. Vorteilhafte Ausgestaltungen, Weiterbildungen und Varianten sind Gegenstand der Unteransprüche. Die Ausführungen im Zusammenhang mit dem Verfahren gelten sinngemäß auch für das Hörgerät und umgekehrt. Sofern nachfolgend Verfahrensschritte beschrieben werden, ergeben sich vorteilhafte Ausgestaltungen für das Hörgerät insbesondere dadurch, dass dieses ausgebildet ist, einen oder mehrere dieser Verfahrensschritte auszuführen.The object is achieved according to the invention by a method with the features according to claim 1 and by a hearing aid with the features according to claim 13. Advantageous configurations, developments and variants are the subject matter of the subclaims. The statements in connection with the method also apply mutatis mutandis to the hearing aid and vice versa. If method steps are described below, advantageous configurations for the hearing aid result in particular from the fact that it is designed to carry out one or more of these method steps.

Das Verfahren dient zum Betrieb eines Hörgeräts, ist also ein Betriebsverfahren für das Hörgerät. Das Hörgerät weist eine Signalverarbeitung auf, welche zumindest einen einstellbaren Parameter aufweist, welcher zu einem gegebenen Zeitpunkt eine gegebene Einstellung aufweist. Die Einstellung ist insbesondere ein bestimmter Wert für den Parameter, z.B. eine bestimmte Verstärkung oder Lautstärke oder eine Breite einer Richtkeule zum Richtungshören mit dem Hörgerät. Ein Nutzer des Hörgeräts trägt dieses bei bestimmungsgemäßer Verwendung im oder am Ohr. Das Hörgerät dient vorzugsweise zur Versorgung eines hörgeschädigten Nutzers. Das Hörgerät weist vorzugsweise wenigstens ein Mikrofon auf, zur Aufnahme von Umgebungsgeräuschen, und einen Hörer, zur Ausgabe von Gerauschen an den Nutzer. Das Mikrofon erzeugt aus den Umgebungsgeräuschen ein elektrisches Eingangssignal, welches an die Signalverarbeitung weitergeleitet wird und welches von der Signalverarbeitung dann abhängig von dem Parameter modifiziert wird, z.B. verstärkt wird. Dadurch wird ein modifiziertes Eingangssignal erzeugt, welches dann ein elektrisches Ausgangssignal ist und welches zur Ausgabe an den Hörer weitergeleitet wird. Speziell bei einem hörgeschädigten Nutzer wird das Eingangssignal von der Signalverarbeitung abhängig von einem individuellen Audiogramm modifiziert, welches insbesondere im Hörgerät gespeichert ist. Vorzugsweise weist die Signalverarbeitung eine Modifikationseinheit auf, welche das Eingangssignal abhängig von dem Parameter modifiziert.The method is used to operate a hearing aid, so it is an operating method for the hearing aid. The hearing aid has signal processing which has at least one adjustable parameter which has a given setting at a given point in time. The setting is in particular a specific value for the parameter, for example a specific gain or volume or a width of a directional lobe for directional hearing with the hearing aid. A user of the hearing aid wears it in or on the ear when used as intended. The hearing aid is preferably used to supply a hearing impaired user. The hearing aid preferably has at least one microphone for picking up ambient noise and a receiver for outputting noise to the user. The microphone generates an electrical input signal from the ambient noise, which is passed on to the signal processing and which is then modified by the signal processing depending on the parameter, for example is amplified. As a result, a modified input signal is generated, which is then an electrical output signal and which is passed on to the listener for output. Especially in the case of a hearing-impaired user, the input signal is modified by the signal processing as a function of an individual audiogram, which is stored in the hearing aid in particular. The signal processing preferably has a modification unit which modifies the input signal as a function of the parameter.

Der Parameter wird situationsabhängig eingestellt, indem abhängig von einer aktuellen Umgebungssituation und mittels einer Lernmaschine eine Einstellung für den Parameter ausgewählt wird. Der Parameter wird vorzugsweise wiederkehrend situationsabhängig eingestellt. Die situationsabhängige Einstellung des Parameters erfolgt insbesondere automatisch durch die Signalverarbeitung und als Teil des Betriebs des Hörgeräts. Zweckmäßigerweise ist der Parameter zusätzlich auch noch auf andere Weise einstellbar, z.B. manuell durch den Nutzer. Für die situationsabhängige Einstellung wird zunächst die aktuelle Umgebungssituation erkannt. Dieser Umgebungssituation ist entsprechend einer Zuordnungsvorschrift eine bestimmte Einstellung zugeordnet, welche dann ausgewählt wird, sodass der Parameter entsprechend eingestellt ist. Die Lernmaschine weist insbesondere einen Klassifikator auf, mittels welchem die Umgebungssituation erkannt wird. Die Lernmaschine, speziell der Klassifikator, analysiert insbesondere das Eingangssignal, welches vom Mikrofon erzeugt wird, und ordnet der aktuellen Umgebungssituation eine Klasse zu, z.B. Sprache, Musik oder Rauschen. Je nach Klasse wird dann der Parameter eingestellt, d.h. eine geeignete Einstellung für den Parameter ausgewählt. Mittels der Lernmaschine lernt das Hörgerät mit der Zeit, welche Einstellung in welcher Umgebungssituation am Geeignetsten ist und wählt diese dann aus. Die Zuordnung einer jeweiligen Einstellung zu einer jeweiligen Umgebungssituation ist somit vorliegend nicht statisch, sondern wird dynamisch durch die Lernmaschine angepasst. Mit anderen Worten: die Zuordnungsvorschrift zwischen Einstellungen und Umgebungssituationen wird durch die Lernmaschine fortlaufend angepasst.The parameter is set as a function of the situation by selecting a setting for the parameter as a function of a current environmental situation and by means of a learning machine. The parameter is preferably set repeatedly depending on the situation. The situation-dependent setting of the parameter takes place in particular automatically by the signal processing and as part of the operation of the hearing aid. The parameter can expediently also be set in another way, for example manually by the user. For the situation-dependent setting, the current environmental situation is first recognized. A specific setting is assigned to this environmental situation in accordance with an assignment rule, which setting is then selected so that the parameter is set accordingly. In particular, the learning machine has a classifier by means of which the surrounding situation is recognized. The learning machine, especially the classifier, analyzes in particular the input signal generated by the microphone and assigns a class to the current environmental situation, for example speech, music or noise. Depending on the class, the parameter is then set, ie a suitable setting is selected for the parameter. Using the learning machine, the hearing aid learns over time which setting is most suitable in which environmental situation and then selects it. The assignment of a respective setting to a respective environmental situation is therefore not static in the present case, but is adapted dynamically by the learning machine. In other words: the assignment rule between Settings and environmental situations are continuously adapted by the learning machine.

Eine aktuelle Einstellung des Parameters ist durch eine Rückmeldung eines Nutzers des Hörgeräts bewertbar. Die aktuelle Einstellung ist diejenige Einstellung, welche zum aktuellen Zeitpunkt eingestellt ist. Diese Einstellung kann der Nutzer durch eine Rückmeldung bewerten. Die Rückmeldung umfasst allgemein eine Forderung oder Anfrage des Nutzers an das Hörgerät, die aktuelle Einstellung zu ändern, also den Parameter anders einzustellen. Die Rückmeldung erfolgt allgemein über ein Eingabeelement des Hörgeräts, z.B. einen Taster zur manuellen Eingabe oder ein Mikrofon zur Spracheingabe oder ein sonstiger Sensor zur Erfassung einer Nutzereingabe. Über die Rückmeldung drückt der Nutzer seine Zufriedenheit mit der aktuellen Einstellung aus. Einer jeweiligen Einstellung des Parameters ist dann eine Bewertung zugeordnet, z.B. in Form eines Zählers. Die Bewertung wird dann abhängig von der Rückmeldung geändert und gibt somit generell die Zufriedenheit des Nutzers mit dieser Einstellung an. Typischerweise ist die Einstellung wie oben beschrieben einer bestimmten Klasse und somit einer bestimmten Umgebungssituation zugeordnet, sodass also die Bewertung die Zufriedenheit des Nutzers mit dieser Einstellung für die zugeordnete Umgebungssituation angibt. Grundsätzlich ist es möglich, dass einer einzelnen Klasse mehrere verschiedene Einstellungen zugeordnet sind oder dass einer einzelnen Einstellung mehrere verschiedene Klassen zugeordnet sind oder beides. Somit kann eine einzelne Einstellung für mehrere Klassen unterschiedliche Bewertungen erhalten und aufweisen.A current setting of the parameter can be assessed by feedback from a user of the hearing aid. The current setting is the setting that is currently set. The user can rate this setting with feedback. The feedback generally includes a request or request from the user to the hearing aid to change the current setting, that is to say to set the parameter differently. The feedback generally takes place via an input element of the hearing aid, e.g. a button for manual input or a microphone for voice input or another sensor for detecting user input. With the feedback, the user expresses his satisfaction with the current setting. An evaluation is then assigned to each setting of the parameter, e.g. in the form of a counter. The rating is then changed depending on the feedback and thus generally indicates the satisfaction of the user with this setting. Typically, as described above, the setting is assigned to a specific class and thus to a specific environmental situation, so that the evaluation therefore indicates the satisfaction of the user with this setting for the assigned environmental situation. In principle, it is possible that several different settings are assigned to a single class or that several different classes are assigned to a single setting, or both. Thus, a single setting can receive and have different ratings for several classes.

Im Rahmen des Verfahrens wird in einem ersten Training die Lernmaschine durch negative Rückmeldungen passiv trainiert wird, indem eine Rückmeldung des Nutzers als eine Unzufriedenheit mit der aktuellen Einstellung gewertet wird und indem eine Zufriedenheit des Nutzers mit der aktuellen Einstellung angenommen wird, solange keine Rückmeldung erfolgt. Das Verfahren umfasst somit ein Lernverfahren für die Lernmaschine. Das erste Training ist ein passives Training. Darunter wird verstanden, dass im Rahmen des ersten Trainings eine Rückmeldung des Nutzers nicht explizit verlangt oder abgefragt wird, sondern dass freiwillig abgegebene Rückmeldungen des Nutzers verwertet werden. Anstatt den Nutzer aktiv nach der Zufriedenheit mit einer Einstellung zu fragen wird diese Zufriedenheit aus dem Verhalten des Nutzers abgeleitet. Gibt der Nutzer eine Rückmeldung, dass wird davon ausgegangen, dass die Einstellung zum Zeitpunkt der Rückmeldung nicht zufriedenstellend ist und dass daher die Rückmeldung erfolgte. Demgegenüber wird bei ausbleibender Rückmeldung davon ausgegangen, dass die aktuelle Einstellung zufriedenstellend ist.As part of the method, the learning machine is passively trained by negative feedback in a first training session, in that feedback from the user is assessed as dissatisfaction with the current setting and in that the satisfaction of the user with the current setting is assumed as long as there is no feedback. The method thus includes a learning process for the learning machine. The first training is a passive training. This means that in the course of the first training, feedback from the user is not explicitly requested or queried, but rather that it was given voluntarily Feedback from the user can be used. Instead of actively asking the user about satisfaction with a setting, this satisfaction is derived from the behavior of the user. If the user gives feedback that it is assumed that the setting is unsatisfactory at the time of the feedback and that the feedback was therefore given. In contrast, if there is no feedback, it is assumed that the current setting is satisfactory.

Im Rahmen des Verfahrens wird zusätzlich zum ersten Training noch in einem zweiten Training die Lernmaschine zusätzlich trainiert, indem unabhängig von einer Rückmeldung des Nutzers und trotz einer angenommenen Zufriedenheit mit der aktuellen Einstellung diese geändert wird, sodass dem Nutzer eine andere Einstellung dargeboten wird, welche dann durch eine Rückmeldung bewertbar ist. Ausgehend von dem ersten, passiven Training werden dem Nutzer demnach unaufgefordert abweichende Einstellungen angeboten, um zusätzliche Bewertungen für diese Einstellungen zu erhalten, obwohl die aktuelle Einstellung an sich als zufriedenstellend angenommen wird. Insbesondere wird im zweiten Training die aktuelle Einstellung des Parameters bei einer gleichbleibenden Umgebungssituation geändert, um unterschiedliche Einstellungen für dieselbe Umgebungssituation zu testen. Im Rahmen des Verfahrens wird also mit abweichenden Einstellungen experimentiert, sodass das zweite Training auch als experimentierendes Training bezeichnet wird. Die Lernmaschine experimentiert mit anderen Einstellungen abseits der bereits als zufriedenstellend angenommenen aktuellen Einstellung, indem diese aktuelle Einstellung trotz angenommener Zufriedenheit verworfen wird, um eine andere Einstellung zu testen.As part of the method, in addition to the first training, the learning machine is also trained in a second training, in that this is changed independently of a feedback from the user and despite an assumed satisfaction with the current setting, so that the user is presented with a different setting, which is then can be assessed by feedback. On the basis of the first, passive training, the user is accordingly offered deviating settings, without being asked, in order to receive additional ratings for these settings, although the current setting is assumed to be satisfactory per se. In particular, in the second training session, the current setting of the parameter is changed when the ambient situation remains the same, in order to test different settings for the same ambient situation. As part of the procedure, experiments are therefore carried out with deviating settings, so that the second training session is also referred to as experimental training. The learning machine experiments with other settings apart from the current setting that has already been assumed to be satisfactory, in that this current setting is discarded despite the assumed satisfaction in order to test a different setting.

Wodurch die Änderung der Einstellung im zweiten Training initiiert wird, ist zunächst unerheblich. Geeignet ist jedoch eine Ausgestaltung, bei welcher im zweiten Training die aktuelle Einstellung geändert wird, falls über einen bestimmten Zeitraum keine automatische oder keine manuelle Änderung erfolgt ist oder beides. Vorzugsweise wird die aktuelle Einstellung geändert, falls über einen bestimmten Zeitraum keine situationsabhängige Änderung erfolgt ist. Der Zeitraum beträgt allgemein vorzugsweise zwischen 5 min und 15 min. Alternativ oder zusätzlich wird in einer vorteilhaften Ausgestaltung im zweiten Training die aktuelle Einstellung geändert wird, falls die aktuelle Einstellung als zufriedenstellend bewertet wird.What initiates the change in the setting in the second training session is initially irrelevant. However, an embodiment is suitable in which the current setting is changed in the second training session if no automatic or no manual change has taken place over a certain period of time, or both. The current setting is preferably changed if no situation-dependent change has taken place over a certain period of time. The period of time is generally preferably between 5 minutes and 15 minutes, alternatively or additionally In an advantageous embodiment, the current setting is changed in the second training if the current setting is rated as satisfactory.

Die Erfindung geht zunächst von der Beobachtung aus, dass ein aktives Training der Lernmaschine für den Nutzer üblicherweise lästig ist, da es regelmäßige Rückmeldungen erfordert, möglicherweise sogar ohne dass der Nutzer den Zeitpunkt hierfür selbst bestimmen kann. Unter Umständen wird dadurch sogar die Verwendung des Hörgeräts für den Nutzer emotional negativ aufgeladen. Bei einem aktiven Training werden dem Nutzer verschiedene Einstellungen angeboten, welche der Nutzer dann jeweils durch eine entsprechende Rückmeldung bewerten soll. Deutlich vorteilhafter ist demgegenüber ein passives Training der Lernmaschine, bei welchem eine solche aktive Rückmeldung gerade nicht verlangt wird. Ein solches passives Training weist beim bestimmungsgemäßen Gebrauch des Hörgeräts eine deutlich höhere Akzeptanz auf. Ein aktives Training, bei welchem der Nutzer aktiv konsultiert wird, hat jedoch den Vorteil, dass typischerweise mehr Rückmeldungen zur Verfügung stehen und auch bedarfsweise generiert werden können, sodass zufriedenstellende Einstellungen von der Lernmaschine deutlich schneller erlernt werden als bei einem passiven Training.The invention is initially based on the observation that active training of the learning machine is usually annoying for the user, since it requires regular feedback, possibly even without the user being able to determine the time for this himself. Under certain circumstances, the use of the hearing aid is even emotionally charged negatively for the user. In the case of active training, the user is offered various settings, which the user should then evaluate with a corresponding feedback. In contrast, passive training of the learning machine, in which such active feedback is not required, is significantly more advantageous. Such passive training has a significantly higher level of acceptance when the hearing aid is used as intended. Active training in which the user is actively consulted, however, has the advantage that typically more feedback is available and can also be generated as required, so that satisfactory settings can be learned by the learning machine significantly faster than with passive training.

Ein ganz besonderer Vorteil ergibt sich bei der Kombination des ersten, passiven Trainings mit dem zweiten, experimentierenden Training, wodurch insgesamt ein schnelleres Lernen erzielt wird, als mit einem passiven Training allein. Durch das experimentierende Training werden potentiell zusätzliche Rückmeldungen provoziert und somit potentiell zusätzliche Bewertungen erzeugt, dabei wird aber der Vorteil eines passiven Trainings beibehalten, nämlich die gegenüber einem aktiven Training reduzierte Nutzerinteraktion. Stattdessen wird im Rahmen des zweiten Trainings der Mechanismus des ersten Trainings grundsätzlich weiterverwendet und genutzt, um durch absichtliche Änderung der Einstellung zu prüfen, ob abseits der aktuellen Einstellung auch eine andere Einstellung für den Nutzer noch zufriedenstellend ist. Diese andere Einstellung wird dann im laufenden Betrieb und als Alternative zur aktuellen Einstellung sozusagen unaufgefordert eingespeist. Durch das zweite Training wird ein vergrößerter Wertebereich für den Parameter einer passiven Bewertung durch den Nutzer zugänglich gemacht. Insgesamt wird damit die Konvergenz des Gesamtsystems, speziell der Lernmaschine, hin zu möglichst optimalen Einstellungen für den jeweiligen Nutzer deutlich beschleunigt. Das Lernen von optimalen Einstellungen ist somit beschleunigt und entsprechend verbessert.A very special advantage results from the combination of the first, passive training with the second, experimental training, whereby overall a faster learning is achieved than with a passive training alone. The experimental training potentially provokes additional feedback and thus potentially generates additional evaluations, but the advantage of passive training is retained, namely the reduced user interaction compared to active training. Instead, as part of the second training, the mechanism of the first training is basically continued to be used and used to check, by intentionally changing the setting, whether another setting apart from the current setting is still satisfactory for the user. This other setting is then fed in without being asked, so to speak, during operation and as an alternative to the current setting. The second training increases the range of values for the parameter made available to a passive evaluation by the user. Overall, this significantly accelerates the convergence of the overall system, especially the learning machine, towards the best possible settings for the respective user. The learning of optimal settings is thus accelerated and improved accordingly.

Die Begriffe "erstes Training" und "zweites Training" werden vorliegend verwendet, um die beiden Ebenen des Lernens bei einer bevorzugten Ausgestaltung der Lernmaschine zu verdeutlichen, nämlich das an sich einfache passive Training einerseits und andererseits das Experimentieren und Austesten zusätzlicher Einstellungen andererseits. Im Betrieb des Hörgeräts laufen beide Trainings insbesondere gleichzeitig. Grundsätzlich entspricht die Kombination aus erstem und zweitem Training somit einfach einem modifizierten, passiven Training. Da hierbei zusätzliche Einstellungen ungefragt eingespeist werden, wird diese Form des Trainings auch als "injected learning" bezeichnet. Da auch bei der zusätzlichen Einspeisung anderer Einstellungen insgesamt eine Rückmeldung des Nutzers nicht aktiv eingefordert wird, ist dieses Training weiterhin grundsätzlich passiv.The terms "first training" and "second training" are used in the present case to clarify the two levels of learning in a preferred embodiment of the learning machine, namely passive training, which is simple in itself, on the one hand and experimenting and testing additional settings on the other. When the hearing aid is in operation, both training sessions run at the same time. Basically, the combination of the first and second training simply corresponds to a modified, passive training. Since additional settings are fed in without being asked, this form of training is also referred to as "injected learning". Since feedback from the user is not actively requested when other settings are also fed in, this training is basically still passive.

In einer bevorzugten Ausgestaltung ist das zweite Training der Lernmaschine passiv, indem eine Rückmeldung des Nutzers nicht aktiv verlangt wird. Demnach wird wie auch beim ersten Training vorzugsweise auch beim zweiten Training eine Rückmeldung des Nutzers nicht aktiv eingefordert, sondern es ist bereits ausreichend, dass die andere Einstellung bewertbar ist. Der Nutzer kann diese andere Einstellung also bewerten, muss dies aber nicht zwingend tun. Mit anderen Worten: eine Rückmeldung des Nutzers wird als eine Unzufriedenheit mit der aktuellen Einstellung gewertet wird und eine Zufriedenheit des Nutzers mit der aktuellen Einstellung wird angenommen, solange keine Rückmeldung erfolgt. Vorzugsweise wird zur Bewertung der anderen Einstellung sogar derselbe Mechanismus verwendet, wie für das erste Training. In jedem Fall wertet die Lernmachine also eine Rückmeldung als Unzufriedenheit mit der Einstellung unmittelbar vor der Rückmeldung oder zum Zeitpunkt der Rückmeldung und nicht als Zufriedenheit mit der Einstellung unmittelbar nach der Rückmeldung, falls der Nutzer im Rahmen der Rückmeldung die Einstellung geändert hat.In a preferred embodiment, the second training of the learning machine is passive in that feedback from the user is not actively requested. Accordingly, as with the first training, feedback from the user is preferably not actively requested in the second training either, but it is sufficient that the other setting can be evaluated. The user can evaluate this other setting, but does not necessarily have to do so. In other words: feedback from the user is assessed as dissatisfaction with the current setting and satisfaction from the user with the current setting is assumed as long as there is no feedback. In fact, the same mechanism is preferably used for evaluating the other setting as for the first training session. In any case, the learning machine evaluates a feedback as dissatisfaction with the setting immediately before the feedback or at the time of the feedback and not as satisfaction with the setting immediately after the feedback, if the user has changed the setting as part of the feedback.

Zweckmäßigerweise und grundsätzlich insbesondere unabhängig vom zweiten Training erhöht die Lernmaschine bei Zufriedenheit mit einer Einstellung eine Bewertung dieser Einstellung und verringert bei Unzufriedenheit die Bewertung. Diesem Konzept liegt der Gedanke zugrunde, die Tauglichkeit der einzelnen Einstellungen in Form einer Bewertung zu speichern, um bei der situationsabhängigen Einstellung des Parameters im Betrieb des Hörgeräts dann die jeweils optimale Einstellung auszuwählen. Bei einer Änderung der Umgebungssituation wird die neue Umgebungssituation erkannt und dann diejenige Einstellung ausgewählt, welche die höchste Bewertung für diese Umgebungssituation aufweist. Bei gleichbleibender Umgebungssituation werden dann andere Einstellungen, welche prinzipbedingt schlechter bewertet sind, eingestellt und insofern getestet. Der Nutzer kann dann über eine negative Rückmeldung eine zunächst schlechte bewertete Einstellung als tatsächlich schlechter bewerten. In einer geeigneten Weiterbildung wird bei Unterlassen einer Rückmeldung eine Zufriedenheit mit der schlechter bewerteten Einstellung angenommen und daraufhin deren Bewertung erhöht.Appropriately and in principle in particular independently of the second training session, the learning machine increases a rating of this setting when satisfied with a setting and reduces the rating when dissatisfied. This concept is based on the idea of storing the suitability of the individual settings in the form of an evaluation in order to then select the optimal setting in each case when the parameter is set as a function of the situation when the hearing aid is in operation. If there is a change in the surrounding situation, the new surrounding situation is recognized and the setting that has the highest rating for this surrounding situation is then selected. If the ambient situation remains the same, other settings, which are fundamentally rated worse, are set and tested to that extent. The user can then rate an initially badly rated setting as actually worse via a negative feedback. In a suitable further training, if feedback is not given, satisfaction with the poorly rated setting is assumed and its rating is then increased.

Bevorzugterweise und grundsätzlich insbesondere unabhängig vom zweiten Training nimmt die Lernmaschine eine Zufriedenheit des Nutzers mit der aktuellen Einstellung automatisch an, falls über einen bestimmten Zeitraum keine Rückmeldung erfolgt ist. Dieses Vorgehen unterstützt den allgemeinen passiven Ansatz beim Training. Unabhängig hiervon ist grundsätzlich eine Ausgestaltung vorteilhaft, bei welcher eine Rückmeldung, welche eine Änderung des Parameters durch den Nutzer umfasst, als Zufriedenheit mit der vom Nutzer neu gewählten Einstellung gewertet wird. Dies ist aber an sich nicht zwingend und erfordert jedenfalls weiterhin eine Rückmeldung des Nutzers, um eine positive Bewertung zu erzeugen, d.h. die Bewertung einer Einstellung zu erhöhen. Demgegenüber ist bei der automatischen Annahme der Zufriedenheit des Nutzers nach einem gewissen Zeitraum ohne Änderung der Einstellung durch den Nutzer eine positive Bewertung ohne aktive Nutzerinteraktion möglich, wodurch die Konvergenz des Trainings weiter verbessert wird. Der Zeitraum, welcher abgewartet wird, bis die Zufriedenheit mit der aktuellen Einstellung angenommen wird, beträgt vorzugsweise zwischen 5 min und 15 min. Die Bewertung der aktuellen Einstellung wird dann zweckmäßigerweise lediglich dann erhöht, wenn auch die Umgebungssituation während des Zeitraums dieselbe ist, sich also nicht geändert hat.Preferably, and in principle in particular independently of the second training, the learning machine automatically assumes that the user is satisfied with the current setting if there has been no feedback over a certain period of time. This approach supports the general passive approach to training. Regardless of this, an embodiment is generally advantageous in which a feedback that includes a change in the parameter by the user is rated as satisfaction with the setting newly selected by the user. However, this is not mandatory per se and in any case still requires feedback from the user in order to generate a positive rating, ie to increase the rating of a setting. In contrast, with the automatic acceptance of the satisfaction of the user after a certain period of time without changing the setting by the user, a positive evaluation is possible without active user interaction, whereby the convergence of the training is further improved. The period of time which is waited until the satisfaction with the current setting is assumed is preferably between 5 minutes and 15 minutes. The evaluation of the current setting is then expediently only increased when the surrounding situation is the same during the period, that is to say has not changed.

Die andere Einstellung, welche im Rahmen des experimentierenden Trainings dem Nutzer ungefragt dargeboten wird, kann grundsätzlich beliebig oder zufällig ausgewählt sein, zweckmäßigerweise wird jedoch eine bestimmte Auswahl getroffen. In einer geeigneten Ausgestaltung hierzu wird im zweiten Training die andere Einstellung abhängig von einer bisherigen Bewertung dieser Einstellung im Vergleich zu anderen Einstellungen ausgewählt. Geeignet ist z.B. eine Ausgestaltung, bei welcher eine Einstellung ausgewählt wird, welche eine geringere Anzahl an Bewertungen zumindest für die aktuelle Umgebungssituation aufweist als die aktuelle Einstellung, um dann potentiell weitere Bewertungen zu erhalten.The other setting, which is presented to the user without being asked during the experimental training, can in principle be selected arbitrarily or at random, but a certain selection is expediently made. In a suitable embodiment for this, the other setting is selected in the second training session as a function of a previous evaluation of this setting in comparison to other settings. For example, an embodiment is suitable in which a setting is selected which has a lower number of evaluations at least for the current environmental situation than the current setting in order to then potentially receive further evaluations.

Alternativ oder zusätzlich wird die andere Einstellung zweckmäßigerweise abhängig von deren Ähnlichkeit zur aktuellen Einstellung ausgewählt. In einer geeigneten Ausgestaltung hierzu unterscheidet sich im zweiten Training die andere Einstellung um höchstens 10% von der aktuellen Einstellung, ist dieser also ähnlich. Beispielsweise ist der Parameter eine Lautstärke und die Einstellung ein Wert für diese Lautstärke, welcher dann durch das experimentierende Training innerhalb eines Bereichs von +/-10% variiert wird. Allgemein wird die die Auswahl einer ähnlichen Einstellung auf vorteilhafte Weise von der Lernmaschine versucht, den akzeptablen Wertebereich für den Parameter zu erweitern, indem leicht abweichende Einstellungen getestet werden. Äußerst der Nutzer durch eine Rückmeldung eine Unzufriedenheit mit der neuen Einstellung, wird diese negativ bewertet. Ansonsten wird die neue Einstellung insbesondere nach Ablauf eines bestimmten Zeitraums wie zuvor bereits beschrieben automatisch als positiv bewertet, also deren Bewertung erhöht. Insgesamt werden dadurch passiv andere Einstellungen abseits der von vornherein situationsabhängig ausgewählten Einstellung auf deren Tauglichkeit geprüft, ohne aktiv eine Nutzerinteraktion zu fordern.Alternatively or additionally, the other setting is expediently selected depending on its similarity to the current setting. In a suitable embodiment for this, the other setting differs in the second training session by at most 10% from the current setting, i.e. it is similar. For example, the parameter is a volume and the setting is a value for this volume, which is then varied by the experimental training within a range of +/- 10%. In general, the selection of a similar setting is advantageously attempted by the learning machine to expand the acceptable range of values for the parameter by testing slightly different settings. If the user expresses dissatisfaction with the new setting through feedback, this will be rated negatively. Otherwise, the new setting is automatically assessed as positive, especially after a certain period of time, as described above, that is, its assessment is increased. Overall, other settings, apart from the setting selected from the outset depending on the situation, are passively checked for their suitability without actively requesting user interaction.

Alternativ oder zusätzlich wird die andere Einstellung zweckmäßigerweise abhängig von deren Bewertung durch andere Nutzer ausgewählt. Mit anderen Worten: in einer geeigneten Ausgestaltung wir im zweiten Training die andere Einstellung abhängig von einer bisherigen Bewertung für diese Einstellung durch andere Nutzer ausgewählt. Vorzugsweise wird die Auswahl weiter dadurch eingeschränkt, dass lediglich die Bewertungen solcher anderer Nutzer berücksichtigt werden, welche dem Nutzer ähnlich sind, z.B. ein ähnliches Audiogramm aufweisen oder einer ähnlichen Bevölkerungsgruppe angehören oder ein ähnliches Alter aufweisen.Alternatively or additionally, the other setting is expediently selected depending on its evaluation by other users. In other words: in a suitable configuration, we use the other setting in the second training selected by other users for this setting depending on a previous rating. The selection is preferably further restricted by only taking into account the ratings of those other users who are similar to the user, for example have a similar audiogram or belong to a similar population group or are of a similar age.

Grundsätzlich ist das beschriebene modifizierte, passive Training auch mit einem aktiven Training kombinierbar. In einer geeigneten Ausgestaltung wird dann in einem dritten Training die Lernmaschine zusätzlich aktiv trainiert, indem vom Nutzer eine Rückmeldung verlangt wird, zur Bewertung der aktuellen Einstellung. Das aktive Training erfolgt zeit- oder situationsabhängig oder wird durch den Nutzer selbst initiiert. Beispielsweise wird zu bestimmten Zeitpunkten oder nach Verstreichen eines bestimmten Zeitintervalls oder beim Wechsel der Umgebungssituation das aktive Training durchgeführt. Durch das modifizierte, passive Training ist die Notwendigkeit für ein aktives Training allerdings vorteilhaft reduziert, sodass dieses deutlich seltener durchgeführt wird.In principle, the modified, passive training described can also be combined with active training. In a suitable embodiment, the learning machine is then additionally actively trained in a third training session by requesting feedback from the user in order to evaluate the current setting. The active training takes place depending on the time or situation or is initiated by the user himself. For example, active training is carried out at certain times or after a certain time interval has elapsed or when the environmental situation changes. However, the modified, passive training advantageously reduces the need for active training so that it is carried out much less frequently.

Die Rückmeldung des Nutzers besteht in einer bevorzugten Ausgestaltung darin, dass der Nutzer den Parameter ändert, beispielsweise manuell. Hierzu weist das Hörgerät oder ein Zusatzgerät, welches mit dem Hörgerät verbunden ist, ein Eingabeelement wie weiter oben bereits beschrieben auf. Mittels des Eingabeelements ist der Parameter durch den Nutzer selbst einstellbar, also manuell einstellbar, im Gegensatz zur automatischen situationsabhängigen Einstellung. Der Nutzer kann demnach bei einer Unzufriedenheit mit der Einstellung den Parameter und somit dessen Einstellung ändern. Dies wird dann von der Lernmaschine als Unzufriedenheit mit der unmittelbar vor der Rückmeldung eingestellten Einstellung gewertet und deren Bewertung entsprechend reduziert. Durch die Rückmeldung wird dann eine neue Einstellung eingestellt. In einer vorteilhaften Weiterbildung wird davon ausgegangen, dass diese neue Einstellung für den Nutzer zufriedenstellend ist, da der Nutzer diese Einstellung ja konkret gewählt hat, d.h. es wird eine Zufriedenheit mit der neuen Einstellung angenommen und entsprechend deren Bewertung erhöht.In a preferred embodiment, the feedback from the user consists in the user changing the parameter, for example manually. For this purpose, the hearing aid or an additional device which is connected to the hearing aid has an input element as already described above. Using the input element, the parameter can be set by the user himself, i.e. manually set, in contrast to the automatic situation-dependent setting. In the event of dissatisfaction with the setting, the user can therefore change the parameter and thus its setting. The learning machine then evaluates this as dissatisfaction with the setting made immediately before the feedback and reduces its evaluation accordingly. A new setting is then set by the feedback. In an advantageous further development, it is assumed that this new setting is satisfactory for the user, since the user has specifically chosen this setting, ie satisfaction with the new setting is assumed and its rating is increased accordingly.

Geeigneterweise umfasst die Rückmeldung eine der folgenden Handlungen des Nutzers: Änderung einer Lautstärke des Hörgeräts, Änderung eines Programms des Hörgeräts, Änderung einer Fokussierung des Hörgeräts. Darüber hinaus sind auch weitere Handlungen denkbar und geeignet.The feedback suitably comprises one of the following actions by the user: changing a volume of the hearing aid, changing a program of the hearing aid, changing a focus of the hearing aid. In addition, other actions are also conceivable and suitable.

Bevorzugterweise erfolgen das erste und das zweite Training während des bestimmungsgemäßen Betriebs des Hörgeräts, d.h. während das Hörgerät vom Nutzer getragen und verwendet wird und gerade nicht lediglich in einer Fitting Session beim Akustiker oder in einer speziellen Trainingssituation. Das modifizierte, passive Training der Lernmaschine erfolgt also bevorzugt online im laufenden Betrieb des Hörgeräts.The first and second training sessions are preferably carried out during normal operation of the hearing aid, i.e. while the hearing aid is being worn and used by the user and not just in a fitting session with the acoustician or in a special training situation. The modified, passive training of the learning machine is therefore preferably carried out online while the hearing aid is in operation.

Die Lernmaschine ist beispielsweise ein neuronales Netz, eine support vector machine oder dergleichen. Die Lernmaschine ist geeigneterweise als eine integrierte Schaltung ausgebildet, insbesondere programmtechnisch, z.B. als Mikrocontroller, oder schaltungstechnisch, z.B. als ASIC. Vorzugsweise ist die Lernmaschine in das Hörgerät integriert, insbesondere gemeinsam mit der Signalverarbeitung oder als Teil dieser. Alternativ ist auch eine Ausgestaltung geeignet, bei welcher die Lernmaschine auf ein Zusatzgerät ausgelagert ist, welches mit dem Hörgerät verbunden ist, vorzugsweise drahtlos.The learning machine is, for example, a neural network, a support vector machine or the like. The learning machine is suitably designed as an integrated circuit, in particular in terms of programming, e.g. as a microcontroller, or in terms of circuitry, e.g. as an ASIC. The learning machine is preferably integrated into the hearing aid, in particular together with or as part of the signal processing. Alternatively, an embodiment is also suitable in which the learning machine is relocated to an additional device which is connected to the hearing device, preferably wirelessly.

Die Aufgabe wird unabhängig vom Hörgerät und dem Verfahren zu dessen Betrieb insbesondere auch gelöst durch eine Lernmaschine wie vorstehend beschrieben, welche geeignet ist, zur Verwendung mit einem Hörgerät wie beschrieben.The object is also achieved, independently of the hearing aid and the method for its operation, in particular by a learning machine as described above, which is suitable for use with a hearing aid as described.

Nachfolgend werden Ausführungsbeispiele der Erfindung anhand einer Zeichnung näher erläutert. Darin zeigen jeweils schematisch:

Fig.1
ein Hörgerät,
Fig. 2
ein Verfahren zum Betrieb eines Hörgeräts,
Fig. 3
ein Training einer Lernmaschine.
Exemplary embodiments of the invention are explained in more detail below with reference to a drawing. They each show schematically:
Fig. 1
a hearing aid,
Fig. 2
a method for operating a hearing aid,
Fig. 3
training a learning machine.

In Fig. 1 ist ein Hörgerät 2 gezeigt, welches eine Signalverarbeitung 4 aufweist, welche zumindest einen einstellbaren Parameter P aufweist, welcher zu einem gegebenen Zeitpunkt eine gegebene Einstellung E aufweist, d.h. einen bestimmten Wert für den Parameter P, z.B. eine bestimmte Verstärkung oder Lautstärke. Ein nicht näher gezeigter Nutzer des Hörgeräts 2 trägt dieses bei bestimmungsgemäßer Verwendung im oder am Ohr. Das Hörgerät 2 weist wenigstens ein Mikrofon 6 auf, zur Aufnahme von Umgebungsgeräuschen, und einen Hörer 8, zur Ausgabe von Geräuschen an den Nutzer. Das Mikrofon 6 erzeugt aus den Umgebungsgeräuschen ein elektrisches Eingangssignal, welches an die Signalverarbeitung 4 weitergeleitet wird und von dieser abhängig vom Parameter P modifiziert wird, z.B. verstärkt wird. Dadurch wird ein modifiziertes Eingangssignal erzeugt, welches dann ein elektrisches Ausgangssignal ist und welches zur Ausgabe an den Hörer 8 weitergeleitet wird. Vorliegend weist die Signalverarbeitung 4 eine Modifikationseinheit 9 auf, welche das Eingangssignal abhängig von dem Parameter P modifiziert.In Fig. 1 a hearing aid 2 is shown which has a signal processing 4 which has at least one adjustable parameter P which has a given setting E at a given point in time, ie a specific value for the parameter P, for example a specific gain or volume. A user of the hearing aid 2, not shown in detail, wears it in or on the ear when it is used as intended. The hearing aid 2 has at least one microphone 6 for picking up ambient noises and a receiver 8 for outputting noises to the user. The microphone 6 generates an electrical input signal from the ambient noise, which is passed on to the signal processing 4 and is modified by the latter as a function of the parameter P, for example is amplified. As a result, a modified input signal is generated, which is then an electrical output signal and which is passed on to the receiver 8 for output. In the present case, the signal processing unit 4 has a modification unit 9 which modifies the input signal as a function of the parameter P.

Beim Verfahren zum Betrieb eines Hörgeräts 2 wird der Parameter P situationsabhängig eingestellt, indem abhängig von einer aktuellen Umgebungssituation und mittels einer Lernmaschine 10 eine möglichst geeignete Einstellung E für den Parameter P ausgewählt wird. Dies erfolgt wiederkehrend sowie automatisch durch die Signalverarbeitung 4 und als Teil des Betriebs des Hörgeräts 2. Zusätzlich ist der Parameter P vorliegend auch noch über ein Eingabeelement 12 manuell durch den Nutzer einstellbar. In Fig. 2 ist ein Ausführungsbeispiel für das Verfahren gezeigt. Für die situationsabhängige Einstellung wird zunächst in einem ersten Schritt S1 die aktuelle Umgebungssituation erkannt. Dieser Umgebungssituation ist entsprechend einer Zuordnungsvorschrift eine bestimmte Einstellung E zugeordnet, welche dann in einem zweiten Schritt S2 ausgewählt wird, sodass der Parameter P entsprechend eingestellt ist.In the method for operating a hearing aid 2, the parameter P is set as a function of the situation in that a setting E that is as suitable as possible for the parameter P is selected as a function of a current environmental situation and by means of a learning machine 10. This takes place repeatedly and automatically by the signal processing 4 and as part of the operation of the hearing aid 2. In addition, the parameter P in the present case can also be set manually by the user via an input element 12. In Fig. 2 an embodiment of the method is shown. For the situation-dependent setting, the current environmental situation is first recognized in a first step S1. This environmental situation is assigned a specific setting E in accordance with an assignment rule, which setting is then selected in a second step S2 so that the parameter P is set accordingly.

Im Schritt S1 wird die Umgebungssituation mittels eines Klassifikators 14 der Lernmaschine 10 erkannt. Der Klassifikator 14 analysiert das Eingangssignal, welches vom Mikrofon erzeugt wird und ordnet der aktuellen Umgebungssituation eine Klasse zu. Je nach Klasse wird dann im zweiten Schritt S2 der Parameter P eingestellt. Mittels der Lernmaschine 10 lernt das Hörgerät 2 mit der Zeit, welche Einstellung E in welcher Umgebungssituation am Geeignetsten ist und wählt diese dann aus. Das Lernen erfolgt in einem dritten Schritt S3 parallel zu den beiden Schritten S1 und S2 und beeinflusst die Auswahl der Einstellung E für den Parameter P im zweiten Schritt S2, wie in Fig. 2 gezeigt. Die Zuordnung einer jeweiligen Einstellung E zu einer jeweiligen Umgebungssituation ist somit vorliegend nicht statisch, sondern wird dynamisch durch die Lernmaschine 10 angepasst.In step S1, the surrounding situation is recognized by means of a classifier 14 of the learning machine 10. The classifier 14 analyzes the input signal generated by the microphone and assigns a class to the current environmental situation. Depending on the class, the parameter P is then used in the second step S2 set. By means of the learning machine 10, the hearing aid 2 learns over time which setting E is most suitable in which environmental situation and then selects it. The learning takes place in a third step S3 parallel to the two steps S1 and S2 and influences the selection of the setting E for the parameter P in the second step S2, as in FIG Fig. 2 shown. The assignment of a respective setting E to a respective environmental situation is therefore not static in the present case, but is adapted dynamically by the learning machine 10.

Eine aktuelle Einstellung E des Parameters P ist durch eine Rückmeldung R eines Nutzers des Hörgeräts 2 bewertbar. Die aktuelle Einstellung E ist diejenige Einstellung E, welche zum aktuellen Zeitpunkt eingestellt ist. Diese Einstellung E kann der Nutzer in einem vierten Schritt S4 durch eine Rückmeldung R bewerten. Die Rückmeldung R umfasst allgemein eine Forderung oder Anfrage des Nutzers an das Hörgerät 2, die aktuelle Einstellung E zu ändern. Die Rückmeldung R erfolgt vorliegend über das Eingabeelement 12 des Hörgeräts 2, z.B. einen Taster zur manuellen Eingabe oder ein Mikrofon, z.B. das Mikrofon 6, zur Spracheingabe oder einen sonstigen Sensor zur Erfassung einer Nutzereingabe. Über die Rückmeldung R drückt der Nutzer seine Zufriedenheit mit der aktuellen Einstellung E aus. Einer jeweiligen Einstellung E des Parameters P ist dann eine Bewertung zugeordnet, z.B. in Form eines Zählers. Die Bewertung wird dann abhängig von der Rückmeldung R geändert und gibt die Zufriedenheit des Nutzers mit einer jeweiligen Einstellung E für die zugeordnete Umgebungssituation an.A current setting E of the parameter P can be assessed by a feedback R from a user of the hearing aid 2. The current setting E is the setting E that is set at the current time. The user can evaluate this setting E in a fourth step S4 by means of a feedback R. The feedback R generally includes a request or request from the user to the hearing aid 2 to change the current setting E. The feedback R occurs in the present case via the input element 12 of the hearing aid 2, e.g. a button for manual input or a microphone, e.g. the microphone 6, for voice input or another sensor for detecting a user input. The user expresses his satisfaction with the current setting E via the feedback R. An evaluation is then assigned to each setting E of the parameter P, e.g. in the form of a counter. The evaluation is then changed as a function of the feedback R and indicates the satisfaction of the user with a respective setting E for the assigned environmental situation.

Das Verfahren umfasst ein Lernverfahren für die Lernmaschine 10. Ein Ausführungsbeispiel hierfür wird nachfolgend mit Bezug zu Fig. 3 erläutert. In einem ersten Training wird die Lernmaschine 10 durch negative Rückmeldungen R passiv trainiert, indem eine Rückmeldung R des Nutzers im Schritt B- als eine Unzufriedenheit mit der aktuellen Einstellung E gewertet wird und indem in einem Schritt B+ eine Zufriedenheit des Nutzers mit der aktuellen Einstellung E angenommen wird, solange keine Rückmeldung R erfolgt. Eine Rückmeldung R des Nutzers wird dabei nicht explizit verlangt oder abgefragt, sondern es werden freiwillig abgegebene Rückmeldungen R des Nutzers verwertet.The method includes a learning method for the learning machine 10. An exemplary embodiment for this is described below with reference to FIG Fig. 3 explained. In a first training, the learning machine 10 is passively trained by negative feedback R, in that a feedback R from the user in step B- is assessed as dissatisfaction with the current setting E and in a step B + that the user is satisfied with the current setting E. is accepted as long as no feedback R is received. Feedback R from the user is not explicitly requested or queried, but voluntarily given feedback R from the user is used.

Zusätzlich wird bei dem gezeigten Ausführungsbeispiel in einem zweiten Training die Lernmaschine 10 zusätzlich trainiert, indem unabhängig von einer Rückmeldung R des Nutzers und trotz einer angenommenen Zufriedenheit mit der aktuellen Einstellung E diese in einem fünften Schritt S5 geändert wird, sodass dem Nutzer eine andere Einstellung E dargeboten wird, welche dann entsprechend durch eine Rückmeldung R bewertbar ist. Ausgehend von dem ersten, passiven Training werden dem Nutzer demnach unaufgefordert abweichende Einstellungen E angeboten, um zusätzliche Bewertungen in Schritten B-, B+ für diese Einstellungen E zu erhalten, obwohl die aktuelle Einstellung E an sich als zufriedenstellend angenommen wird. Die aktuelle Einstellung E des Parameters P wird also bei einer gleichbleibenden Umgebungssituation geändert, um unterschiedliche Einstellungen E für dieselbe Umgebungssituation zu testen, d.h. die Lernmaschine 10 experimentiert mit abweichenden Einstellungen E, sodass das zweite Training auch als experimentierendes Training bezeichnet wird. Durch das experimentierende Training mittels des fünften Schritts S5 werden potentiell zusätzliche Rückmeldungen R provoziert und somit dann in Schritten B-, B+ potentiell zusätzliche Bewertungen erzeugt, dabei wird aber der Vorteil eines passiven Trainings beibehalten, nämlich die gegenüber einem aktiven Training reduzierte Nutzerinteraktion.In addition, in the exemplary embodiment shown, the learning machine 10 is additionally trained in a second training session, in that the current setting E is changed in a fifth step S5 independently of feedback R from the user and despite an assumed satisfaction with the current setting E, so that a different setting E is given to the user is presented, which can then be evaluated accordingly by a feedback R. Starting from the first, passive training, the user is accordingly offered deviating settings E, without being asked, in order to receive additional evaluations in steps B-, B + for these settings E, although the current setting E is assumed to be satisfactory per se. The current setting E of the parameter P is therefore changed when the ambient situation remains the same, in order to test different settings E for the same ambient situation, i.e. the learning machine 10 experiments with different settings E, so that the second training session is also referred to as experimental training. The experimental training by means of the fifth step S5 potentially provokes additional feedback R and thus potentially additional evaluations are then generated in steps B-, B +, but the advantage of passive training is retained, namely the reduced user interaction compared to active training.

Vorliegend ist auch das zweite Training der Lernmaschine 10 passiv, indem eine Rückmeldung R des Nutzers nicht aktiv verlangt wird. Demnach wird auch beim zweiten Training eine Rückmeldung R des Nutzers nicht aktiv eingefordert, sondern es ist bereits ausreichend, dass die andere Einstellung E bewertbar ist. Der Nutzer kann diese andere Einstellung E bewerten, muss dies aber nicht zwingend tun. Vorliegend wird zur Bewertung sogar derselbe Mechanismus verwendet, wie für das erste Training. In jedem Fall wertet die Lernmachine 10 also eine Rückmeldung R als Unzufriedenheit mit der Einstellung unmittelbar vor der Rückmeldung R oder zum Zeitpunkt der Rückmeldung R und nicht als Zufriedenheit mit der Einstellung unmittelbar nach der Rückmeldung R, falls der Nutzer im Rahmen der Rückmeldung R die Einstellung E geändert hat.In the present case, the second training of the learning machine 10 is also passive, in that feedback R from the user is not actively requested. Accordingly, feedback R from the user is not actively requested during the second training either, but it is already sufficient that the other setting E can be evaluated. The user can rate this other setting E, but does not necessarily have to do so. In the present case, the same mechanism is used for the evaluation as for the first training. In any case, the learning machine 10 evaluates a feedback R as dissatisfaction with the setting immediately before the feedback R or at the time of the feedback R and not as satisfaction with the setting immediately after the feedback R if the user changes the setting as part of the feedback R. E has changed.

Insgesamt erhöht die Lernmaschine 10 bei Zufriedenheit mit einer Einstellung E eine Bewertung dieser Einstellung E und verringert bei Unzufriedenheit die Bewertung. Dadurch wird die Tauglichkeit der einzelnen Einstellungen E in Form einer jeweiligen Bewertung gespeichert, um bei der situationsabhängigen Einstellung des Parameters P im zweiten Schritt S2 dann die jeweils optimale Einstellung E auszuwählen. Bei einer Änderung der Umgebungssituation wird die neue Umgebungssituation erkannt und dann diejenige Einstellung E ausgewählt, welche die höchste Bewertung für diese Umgebungssituation aufweist. Bei gleichbleibender Umgebungssituation werden dann andere Einstellungen E, welche prinzipbedingt schlechter bewertet sind, eingestellt und insofern getestet.Overall, if the learning machine 10 is satisfied with a setting E, it increases a rating of this setting E and if it is dissatisfied it reduces the rating. As a result, the suitability of the individual settings E is stored in the form of a respective evaluation in order to then select the optimal setting E in each case when the parameter P is set in the second step S2 as a function of the situation. If there is a change in the surrounding situation, the new surrounding situation is recognized and that setting E is selected which has the highest evaluation for this surrounding situation. If the ambient situation remains the same, then other settings E, which are fundamentally rated worse, are set and to that extent tested.

Vorliegend nimmt die Lernmaschine 10 eine Zufriedenheit des Nutzers mit der aktuellen Einstellung E automatisch an, falls über einen bestimmten Zeitraum t keine Rückmeldung R erfolgt ist. Dies ist auch im Ausführungsbeispiel der Fig. 3 der Fall. Bei dieser automatischen Annahme der Zufriedenheit des Nutzers nach einem gewissen Zeitraum t ohne Änderung der Einstellung E durch den Nutzer ist eine positive Bewertung ohne aktive Nutzerinteraktion realisiert. Der Zeitraum t, welcher abgewartet wird, beträgt beispielsweise zwischen 5 min und 15 min.In the present case, the learning machine 10 automatically assumes that the user is satisfied with the current setting E if no feedback R has been received over a certain period t. This is also in the embodiment of FIG Fig. 3 the case. With this automatic assumption of the satisfaction of the user after a certain period t without changing the setting E by the user, a positive evaluation is realized without active user interaction. The time period t which is waited for is between 5 minutes and 15 minutes, for example.

Die andere Einstellung E, welche im Rahmen des experimentierenden Trainings dem Nutzer ungefragt dargeboten wird, kann grundsätzlich beliebig oder zufällig ausgewählt sein, vorliegend wird jedoch eine bestimmte Auswahl getroffen. Die andere Einstellung E wird vorliegend nämlich abhängig von einer bisherigen Bewertung dieser Einstellung E im Vergleich zu anderen Einstellungen E ausgewählt. Beispielsweise wird eine Einstellung E ausgewählt, welche eine geringere Anzahl an Bewertungen zumindest für die aktuelle Umgebungssituation aufweist als die aktuelle Einstellung E, um dann potentiell weitere Bewertungen zu erhalten.The other setting E, which is presented to the user without being asked during the experimental training, can in principle be selected arbitrarily or at random, but in the present case a specific selection is made. The other setting E is selected in the present case as a function of a previous evaluation of this setting E in comparison to other settings E. For example, a setting E is selected which has a lower number of evaluations at least for the current environmental situation than the current setting E in order to then potentially receive further evaluations.

Alternativ oder zusätzlich wird die andere Einstellung E abhängig von deren Ähnlichkeit zur aktuellen Einstellung E ausgewählt und unterscheidet sich beispielsweise um höchstens 10% von der aktuellen Einstellung E, ist dieser also ähnlich. Beispielsweise ist der Parameter P eine Lautstärke und die Einstellung E ein Wert für diese Lautstärke, welcher dann durch das experimentierende Training innerhalb eines Bereichs von +/-10% variiert wird.Alternatively or additionally, the other setting E is selected depending on its similarity to the current setting E and differs, for example, by at most 10% from the current setting E, i.e. if it is similar. For example, the parameter P is a volume and the setting E is a value for this volume, which is then varied by the experimental training within a range of +/- 10%.

Alternativ oder zusätzlich wird die andere Einstellung E abhängig von deren Bewertung durch andere Nutzer ausgewählt. In einer beispielhaften Weiterbildung wird die Auswahl weiter dadurch eingeschränkt, dass lediglich die Bewertungen solcher anderen Nutzer berücksichtigt werden, welche dem Nutzer ähnlich sind, z.B. ein ähnliches Audiogramm aufweisen oder einer ähnlichen Bevölkerungsgruppe angehören oder ein ähnliches Alter aufweisen.Alternatively or additionally, the other setting E is selected depending on its evaluation by other users. In an exemplary development, the selection is further restricted by only taking into account the ratings of those other users who are similar to the user, e.g. have a similar audiogram or belong to a similar population group or are of a similar age.

Abseits der beispielhaft gezeigten Ausführungsform mit lediglich modifiziert passivem Training ist dieses in eine Variante mit einem aktiven Training kombiniert. In einem dritten Training wird dann die Lernmaschine 10 zusätzlich aktiv trainiert, indem vom Nutzer eine Rückmeldung R verlangt wird, zur Bewertung der aktuellen Einstellung E. Das aktive Training erfolgt zeit- oder situationsabhängig oder wird durch den Nutzer selbst initiiert. Beispielsweise wird zu bestimmten Zeitpunkten oder nach Verstreichen eines bestimmten Zeitintervalls oder beim Wechsel der Umgebungssituation das aktive Training durchgeführt.Apart from the exemplary embodiment shown with only modified passive training, this is combined in a variant with active training. In a third training, the learning machine 10 is then additionally actively trained by requesting feedback R from the user to evaluate the current setting E. The active training takes place as a function of time or situation or is initiated by the user himself. For example, active training is carried out at certain times or after a certain time interval has elapsed or when the environmental situation changes.

Die Rückmeldung E des Nutzers besteht vorliegend darin, dass der Nutzer den Parameter P manuell mittels des Eingabeelements 12 ändert. In einer nicht gezeigten Variante ist das Eingabeelement 12 nicht wie in Fig. 1 gezeigt ein Teil des Hörgeräts 2, sondern ein Teil eines Zusatzgeräts, welches mit dem Hörgerät 2 zur Datenübertragung verbunden ist. Das Zusatzgerät ist z.B. eine Fernbedienung für das Hörgerät 2 oder ein Smartphone oder dergleichen. Die manuelle Einstellung E des Parameters P mittels des Eingabeelements 12 ist ebenfalls in Fig. 3 dargestellt. Der Nutzer kann demnach bei einer Unzufriedenheit mit der Einstellung E den Parameter P ändern. Dies wird dann von der Lernmaschine 10 als Unzufriedenheit mit der unmittelbar vor der Rückmeldung R eingestellten Einstellung E gewertet und deren Bewertung entsprechend im Schritt B- reduziert. Durch die Rückmeldung R wird dann eine neue Einstellung E eingestellt. In einer Weiterbildung wird zusätzlich davon ausgegangen, dass diese neue Einstellung E für den Nutzer zufriedenstellend ist, da der Nutzer diese Einstellung E ja konkret gewählt hat, d.h. es wird eine Zufriedenheit mit der neuen Einstellung E angenommen und entsprechend deren Bewertung in einem Schritt B+ erhöht. Diese Variante ist in Fig. 3 nicht explizit dargestellt.In the present case, the feedback E from the user consists in the fact that the user changes the parameter P manually using the input element 12. In a variant not shown, the input element 12 is not as in FIG Fig. 1 shown a part of the hearing aid 2, but a part of an additional device which is connected to the hearing aid 2 for data transmission. The additional device is, for example, a remote control for the hearing device 2 or a smartphone or the like. The manual setting E of the parameter P by means of the input element 12 is also in Fig. 3 shown. The user can therefore change the parameter P if he is dissatisfied with the setting E. This is then evaluated by the learning machine 10 as dissatisfaction with the setting E set immediately before the feedback R and its evaluation is reduced accordingly in step B-. A new setting E is then set by the feedback R. In a further development, it is also assumed that this new setting E is satisfactory for the user, since the user has specifically chosen this setting E, ie satisfaction with the new setting E is assumed and its evaluation is increased accordingly in a step B + . This variant is in Fig. 3 not explicitly shown.

Die Rückmeldung R umfasst beispielsweise eine der folgenden Handlungen des Nutzers: Änderung einer Lautstärke des Hörgeräts 2, Änderung eines Programms des Hörgeräts 2, Änderung einer Fokussierung des Hörgeräts 2. Darüber hinaus sind auch weitere Handlungen denkbar und geeignet.The feedback R includes, for example, one of the following actions by the user: changing a volume of the hearing device 2, changing a program of the hearing device 2, changing a focus of the hearing device 2. In addition, other actions are also conceivable and suitable.

Die Lernmaschine 10 ist beispielsweise ein neuronales Netz, eine support vector machine oder dergleichen. Die Lernmaschine 10 ist vorliegend als eine integrierte Schaltung ausgebildet, z.B. programmtechnisch als Mikrocontroller oder schaltungstechnisch als ASIC. Vorliegend ist die Lernmaschine 10 in das Hörgerät 2 integriert, im gezeigten Ausführungsbeispiel sogar als Teil der Signalverarbeitung 4. Alternativ ist auch eine nicht gezeigte Ausgestaltung geeignet, bei welcher die Lernmaschine 10 auf ein Zusatzgerät z.B. wie oben beschrieben ausgelagert ist, welches mit dem Hörgerät 2 verbunden ist, z.B. drahtlos.The learning machine 10 is, for example, a neural network, a support vector machine or the like. In the present case, the learning machine 10 is designed as an integrated circuit, e.g. in terms of programming as a microcontroller or in terms of circuitry as an ASIC. In the present case, the learning machine 10 is integrated into the hearing aid 2, in the exemplary embodiment shown even as part of the signal processing 4. Alternatively, an embodiment (not shown) is also suitable in which the learning machine 10 is outsourced to an additional device, e.g. as described above, which is connected to the hearing aid 2 connected, e.g. wirelessly.

Die zuvor beschriebenen und in den Fig. 1 - 3 gezeigten diversen Aspekte sind grundsätzlich auch unabhängig voneinander realisierbar und auch grundsätzlich beliebig miteinander kombinierbar, sodass such weitere Ausführungsbeispiele ergeben.The previously described and in the Figs. 1-3 The various aspects shown can in principle also be implemented independently of one another and can also in principle be combined with one another as desired, so that further exemplary embodiments result.

BezugszeichenlisteList of reference symbols

22
HörgerätHearing aid
44th
SignalverarbeitungSignal processing
66th
Mikrofonmicrophone
88th
HörerListener
99
ModifikationseinheitModification unit
1010
LernmaschineLearning machine
1212th
EingabeelementInput element
1414th
KlassifikatorClassifier
B-, B+B-, B +
Schritt (zur Bewertung)Step (for evaluation)
EE.
Einstellungattitude
PP
Parameterparameter
RR.
Rückmeldungfeedback
S1S1
erster Schrittfirst step
S2S2
zweiter Schrittsecond step
S3S3
dritter SchrittThird step
S4S4
vierter Schrittfourth step
S5S5
fünfter Schritt (Änderung der aktuellen Einstellung für zweites Training)fifth step (change the current setting for the second workout)
tt
ZeitraumPeriod

Claims (13)

Verfahren zum Betrieb eines Hörgeräts (2), - wobei das Hörgerät (2) eine Signalverarbeitung (4) aufweist, welche zumindest einen einstellbaren Parameter (P) aufweist, welcher zu einem gegebenen Zeitpunkt eine gegebene Einstellung (E) aufweist, - wobei der Parameter (P) situationsabhängig eingestellt wird, indem abhängig von einer aktuellen Umgebungssituation und mittels einer Lernmaschine (10) eine Einstellung (E) für den Parameter (P) ausgewählt wird, - wobei eine aktuelle Einstellung (E) des Parameters (P) durch eine Rückmeldung (R) eines Nutzers des Hörgeräts (2) bewertbar ist, - wobei in einem ersten Training die Lernmaschine (10) durch negative Rückmeldungen (R) passiv trainiert wird, indem eine Rückmeldung (R) des Nutzers als eine Unzufriedenheit mit der aktuellen Einstellung (E) gewertet wird und indem eine Zufriedenheit des Nutzers mit der aktuellen Einstellung (E) angenommen wird, solange keine Rückmeldung (R) erfolgt, - wobei in einem zweiten Training die Lernmaschine (10) zusätzlich trainiert wird, indem unabhängig von einer Rückmeldung (R) des Nutzers und trotz einer angenommenen Zufriedenheit mit der aktuellen Einstellung (E) diese geändert wird, sodass dem Nutzer eine andere Einstellung (E) dargeboten wird, welche dann durch eine Rückmeldung (R) bewertbar ist. Method for operating a hearing aid (2), - the hearing aid (2) having a signal processing (4) which has at least one adjustable parameter (P) which has a given setting (E) at a given point in time, - the parameter (P) being set as a function of the situation by selecting a setting (E) for the parameter (P) as a function of a current environmental situation and by means of a learning machine (10), - wherein a current setting (E) of the parameter (P) can be assessed by a feedback (R) from a user of the hearing aid (2), - wherein in a first training the learning machine (10) is passively trained by negative feedback (R), in that a feedback (R) from the user is evaluated as dissatisfaction with the current setting (E) and in that the user is satisfied with the current setting (E) Setting (E) is accepted as long as there is no feedback (R), - wherein in a second training the learning machine (10) is additionally trained by changing the current setting (E) independently of a feedback (R) from the user and despite an assumed satisfaction with the current setting (E), so that the user has a different setting (E) is presented, which can then be assessed by a feedback (R). Verfahren nach Anspruch 1,
wobei die Lernmaschine (10) bei Zufriedenheit mit einer Einstellung (E) eine Bewertung dieser Einstellung (E) erhöht und bei Unzufriedenheit die Bewertung verringert.Method according to claim 1,
the learning machine (10) increasing a rating of this setting (E) when satisfied with a setting (E) and reducing the rating when dissatisfied. Verfahren nach Anspruch 1 oder 2,
wobei die Lernmaschine (10) eine Zufriedenheit des Nutzers mit der aktuellen Einstellung (E) automatisch annimmt, falls über einen bestimmten Zeitraum (t) keine Rückmeldung (R) erfolgt ist.Method according to claim 1 or 2,
wherein the learning machine (10) automatically assumes that the user is satisfied with the current setting (E) if there has been no feedback (R) over a certain period of time (t). Verfahren nach einem der Ansprüche 1 bis 3,
wobei das zweite Training der Lernmaschine (10) passiv ist, indem eine Rückmeldung (R) des Nutzers nicht aktiv verlangt wird.Method according to one of Claims 1 to 3,
the second training of the learning machine (10) being passive, in that feedback (R) from the user is not actively requested. Verfahren nach einem der Ansprüche 1 bis 4,
wobei im zweiten Training die andere Einstellung (E) abhängig von einer bisherigen Bewertung dieser Einstellung (E) im Vergleich zu anderen Einstellungen (E) ausgewählt wird.Method according to one of Claims 1 to 4,
whereby in the second training the other setting (E) is selected depending on a previous evaluation of this setting (E) in comparison to other settings (E). Verfahren nach einem der Ansprüche 1 bis 5,
wobei im zweiten Training die andere Einstellung (E) sich um höchstens 10% von der aktuellen Einstellung (E) unterscheidet.Method according to one of Claims 1 to 5,
whereby in the second training the other setting (E) differs from the current setting (E) by no more than 10%. Verfahren nach einem der Ansprüche 1 bis 6,
wobei im zweiten Training die andere Einstellung (E) abhängig von einer bisherigen Bewertung für diese Einstellung (E) durch andere Nutzer ausgewählt wird.Method according to one of Claims 1 to 6,
wherein in the second training the other setting (E) is selected depending on a previous evaluation for this setting (E) by other users. Verfahren nach einem der Ansprüche 1 bis 7,
wobei das erste und das zweite Training während des bestimmungsgemäßen Betriebs des Hörgeräts (2) erfolgen.Method according to one of Claims 1 to 7,
wherein the first and the second training take place during the intended operation of the hearing aid (2). Verfahren nach einem der Ansprüche 1 bis 8,
wobei in einem dritten Training die Lernmaschine (10) zusätzlich aktiv trainiert wird, indem vom Nutzer eine Rückmeldung (R) verlangt wird, zur Bewertung der aktuellen Einstellung (E).Method according to one of Claims 1 to 8,
wherein in a third training the learning machine (10) is additionally actively trained in that a feedback (R) is requested from the user to evaluate the current setting (E). Verfahren nach einem der Ansprüche 1 bis 9,
wobei die Rückmeldung (R) darin besteht, dass der Nutzer den Parameter (P) ändert.Method according to one of Claims 1 to 9,
the feedback (R) being that the user changes the parameter (P). Verfahren nach einem der Ansprüche 1 bis 10,
wobei die Rückmeldung (R) eine der folgenden Handlungen des Nutzers umfasst: Änderung einer Lautstärke des Hörgeräts (2), Änderung eines Programms des Hörgeräts (2), Änderung einer Fokussierung des Hörgeräts (2).Method according to one of Claims 1 to 10,
wherein the feedback (R) comprises one of the following actions by the user: changing a volume of the hearing aid (2), changing a program of the hearing aid (2), changing a focus of the hearing aid (2). Verfahren nach einem der Ansprüche 1 bis 11,
wobei die Lernmaschine (10) in das Hörgerät (2) integriert ist.Method according to one of Claims 1 to 11,
wherein the learning machine (10) is integrated into the hearing aid (2). Hörgerät (2), welches ausgebildet ist zur Durchführung eines Verfahrens gemäß einem der Ansprüche 1 bis 12.Hearing aid (2) which is designed to carry out a method according to one of Claims 1 to 12.
EP20201989.9A 2019-10-18 2020-10-15 Hearing device and method for operating a hearing device Active EP3809724B1 (en)

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
DE102019216100.6A DE102019216100A1 (en) 2019-10-18 2019-10-18 Method for operating a hearing aid and hearing aid

Publications (2)

Publication Number Publication Date
EP3809724A1 true EP3809724A1 (en) 2021-04-21
EP3809724B1 EP3809724B1 (en) 2021-10-27

Family

ID=72915777

Family Applications (1)

Application Number Title Priority Date Filing Date
EP20201989.9A Active EP3809724B1 (en) 2019-10-18 2020-10-15 Hearing device and method for operating a hearing device

Country Status (5)

Country Link
US (1) US11375325B2 (en)
EP (1) EP3809724B1 (en)
CN (1) CN112689230A (en)
DE (1) DE102019216100A1 (en)
DK (1) DK3809724T3 (en)

Families Citing this family (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11849288B2 (en) * 2021-01-04 2023-12-19 Gn Hearing A/S Usability and satisfaction of a hearing aid
DE102021204974A1 (en) 2021-05-17 2022-11-17 Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung eingetragener Verein Apparatus and method for determining audio processing parameters
US11849286B1 (en) 2021-10-25 2023-12-19 Chromatic Inc. Ear-worn device configured for over-the-counter and prescription use
US11818547B2 (en) * 2022-01-14 2023-11-14 Chromatic Inc. Method, apparatus and system for neural network hearing aid
US20230306982A1 (en) 2022-01-14 2023-09-28 Chromatic Inc. System and method for enhancing speech of target speaker from audio signal in an ear-worn device using voice signatures
US11832061B2 (en) * 2022-01-14 2023-11-28 Chromatic Inc. Method, apparatus and system for neural network hearing aid
US11950056B2 (en) 2022-01-14 2024-04-02 Chromatic Inc. Method, apparatus and system for neural network hearing aid
EP4333464A1 (en) 2022-08-09 2024-03-06 Chromatic Inc. Hearing loss amplification that amplifies speech and noise subsignals differently

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE10347211A1 (en) * 2003-10-10 2005-05-25 Siemens Audiologische Technik Gmbh Method for training and operating a hearing aid and corresponding hearing aid
EP1906700B1 (en) * 2006-09-29 2013-01-23 Siemens Audiologische Technik GmbH Method for time-controlled adaptation of a hearing device and corresponding hearing device
EP2255548B1 (en) 2008-03-27 2013-05-08 Phonak AG Method for operating a hearing device
DE102013205357A1 (en) * 2013-03-26 2014-10-02 Siemens Ag Method for automatically setting a device and classifier

Family Cites Families (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7970146B2 (en) * 2006-07-20 2011-06-28 Phonak Ag Learning by provocation
EP2098097B1 (en) * 2006-12-21 2019-06-26 GN Hearing A/S Hearing instrument with user interface
WO2010092566A1 (en) * 2009-02-02 2010-08-19 Carmel - Haifa University Economic Corp Ltd. Auditory diagnosis and training system apparatus and method
US9167359B2 (en) * 2010-07-23 2015-10-20 Sonova Ag Hearing system and method for operating a hearing system
EP2566193A1 (en) * 2011-08-30 2013-03-06 TWO PI Signal Processing Application GmbH System and method for fitting of a hearing device
DK2731356T3 (en) * 2012-11-07 2016-05-09 Oticon As Body worn control device for hearing aids
JP6190351B2 (en) * 2013-12-13 2017-08-30 ジーエヌ ヒアリング エー／エスＧＮ Ｈｅａｒｉｎｇ Ａ／Ｓ Learning type hearing aid
US10575103B2 (en) * 2015-04-10 2020-02-25 Starkey Laboratories, Inc. Neural network-driven frequency translation
DE102016216054A1 (en) * 2016-08-25 2018-03-01 Sivantos Pte. Ltd. Method and device for setting a hearing aid device
US9886954B1 (en) * 2016-09-30 2018-02-06 Doppler Labs, Inc. Context aware hearing optimization engine
DE102017214164B3 (en) * 2017-08-14 2019-01-17 Sivantos Pte. Ltd. Method for operating a hearing aid and hearing aid
US10433075B2 (en) * 2017-09-12 2019-10-01 Whisper.Ai, Inc. Low latency audio enhancement
EP3711306A1 (en) * 2017-11-15 2020-09-23 Starkey Laboratories, Inc. Interactive system for hearing devices
US10194259B1 (en) * 2018-02-28 2019-01-29 Bose Corporation Directional audio selection
CN109256122A (en) * 2018-09-05 2019-01-22 深圳追科技有限公司 machine learning method, device, equipment and storage medium
WO2020084342A1 (en) * 2018-10-26 2020-04-30 Cochlear Limited Systems and methods for customizing auditory devices
US20200302099A1 (en) * 2019-03-22 2020-09-24 Lantos Technologies, Inc. System and method of machine learning-based design and manufacture of ear-dwelling devices
US11601765B2 (en) * 2019-12-20 2023-03-07 Sivantos Pte. Ltd. Method for adapting a hearing instrument and hearing system therefor

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE10347211A1 (en) * 2003-10-10 2005-05-25 Siemens Audiologische Technik Gmbh Method for training and operating a hearing aid and corresponding hearing aid
EP1906700B1 (en) * 2006-09-29 2013-01-23 Siemens Audiologische Technik GmbH Method for time-controlled adaptation of a hearing device and corresponding hearing device
EP2255548B1 (en) 2008-03-27 2013-05-08 Phonak AG Method for operating a hearing device
DE102013205357A1 (en) * 2013-03-26 2014-10-02 Siemens Ag Method for automatically setting a device and classifier

Also Published As

Publication number Publication date
DE102019216100A1 (en) 2021-04-22
US20210120349A1 (en) 2021-04-22
EP3809724B1 (en) 2021-10-27
US11375325B2 (en) 2022-06-28
CN112689230A (en) 2021-04-20
DK3809724T3 (en) 2022-01-24

Similar Documents

Publication Publication Date Title
EP3809724B1 (en) Hearing device and method for operating a hearing device
DE102005032273B4 (en) Hearing aid system, hearing aid and corresponding method for its adjustment
EP1523219B1 (en) Method for training and operating a hearing aid and corresponding hearing aid
EP2081406A1 (en) Method and device for configuring variables on a hearing aid
DE102019206743A1 (en) Hearing aid system and method for processing audio signals
DE102016216054A1 (en) Method and device for setting a hearing aid device
EP1453356B1 (en) Method of adjusting a hearing system and corresponding hearing system
EP1906700B1 (en) Method for time-controlled adaptation of a hearing device and corresponding hearing device
EP3840418A1 (en) Method for adjusting a hearing aid and corresponding hearing system
EP3062249A1 (en) Method for determining carrier-specific usage data of a hearing aid, method for adjusting hearing aid settings of a hearing aid, hearing aid system and adjusting unit for a hearing aid system
EP1453358A2 (en) Apparatus and method for adjusting a hearing aid
EP2239963B1 (en) Method and hearing device for adjusting a hearing aid to recorded data in an external unit
DE69829770T2 (en) NEUROFUZZY DEVICE FOR PROGRAMMABLE HEARING AIDS
DE102019218808B3 (en) Method for training a hearing situation classifier for a hearing aid
DE102019203786A1 (en) Hearing aid system
DE102012203349B4 (en) Method for adapting a hearing device based on the sensory memory and adaptation device
DE102006015497B4 (en) Audio system and method and computer program and data carrier containing the computer program for adapting the transfer function of an audio system by means of voice control
DE102016207936A1 (en) Method for operating a hearing device
EP2540099A1 (en) Method for training speech recognition, and training device
EP1881738A2 (en) Method of operating a hearing aid and assembly with a hearing aid
EP2262282A2 (en) Method for determining a frequency response and corresponding hearing aid
DE102011083672B4 (en) Learning algorithm for compression
EP3944635B1 (en) Method for operating a hearing system, hearing system, hearing aid
EP0765103A2 (en) Method for heating aid fitting using fuzzy logic
DE102022212035A1 (en) Method for operating a hearing aid and hearing aid

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

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

Free format text: STATUS: THE APPLICATION HAS BEEN PUBLISHED

AK Designated contracting states

Kind code of ref document: A1

Designated state(s): AL AT BE BG CH CY CZ DE DK EE ES FI FR GB GR HR HU IE IS IT LI LT LU LV MC MK MT NL NO PL PT RO RS SE SI SK SM TR

AX Request for extension of the european patent

Extension state: BA ME

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

Free format text: STATUS: REQUEST FOR EXAMINATION WAS MADE

17P Request for examination filed

Effective date: 20210416

RBV Designated contracting states (corrected)

Designated state(s): AL AT BE BG CH CY CZ DE DK EE ES FI FR GB GR HR HU IE IS IT LI LT LU LV MC MK MT NL NO PL PT RO RS SE SI SK SM TR

GRAP Despatch of communication of intention to grant a patent

Free format text: ORIGINAL CODE: EPIDOSNIGR1

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

Free format text: STATUS: GRANT OF PATENT IS INTENDED

INTG Intention to grant announced

Effective date: 20210601

GRAS Grant fee paid

Free format text: ORIGINAL CODE: EPIDOSNIGR3

GRAA (expected) grant

Free format text: ORIGINAL CODE: 0009210

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

Free format text: STATUS: THE PATENT HAS BEEN GRANTED

AK Designated contracting states

Kind code of ref document: B1

Designated state(s): AL AT BE BG CH CY CZ DE DK EE ES FI FR GB GR HR HU IE IS IT LI LT LU LV MC MK MT NL NO PL PT RO RS SE SI SK SM TR

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: 502020000307

Country of ref document: DE

REG Reference to a national code

Ref country code: AT

Ref legal event code: REF

Ref document number: 1442979

Country of ref document: AT

Kind code of ref document: T

Effective date: 20211115

REG Reference to a national code

Ref country code: IE

Ref legal event code: FG4D

Free format text: LANGUAGE OF EP DOCUMENT: GERMAN

REG Reference to a national code

Ref country code: DK

Ref legal event code: T3

Effective date: 20220118

REG Reference to a national code

Ref country code: LT

Ref legal event code: MG9D

REG Reference to a national code

Ref country code: NL

Ref legal event code: MP

Effective date: 20211027

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

Ref country code: RS

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: 20211027

Ref country code: LT

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: 20211027

Ref country code: FI

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: 20211027

Ref country code: BG

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: 20220127

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

Ref country code: IS

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: 20220227

Ref country code: SE

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: 20211027

Ref country code: PT

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: 20220228

Ref country code: PL

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: 20211027

Ref country code: NO

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: 20220127

Ref country code: NL

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: 20211027

Ref country code: LV

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: 20211027

Ref country code: HR

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: 20211027

Ref country code: GR

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: 20220128

Ref country code: ES

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: 20211027

REG Reference to a national code

Ref country code: DE

Ref legal event code: R097

Ref document number: 502020000307

Country of ref document: DE

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

Ref country code: SM

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: 20211027

Ref country code: SK

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: 20211027

Ref country code: RO

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: 20211027

Ref country code: EE

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: 20211027

Ref country code: CZ

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: 20211027

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: 20220728

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

Ref country code: AL

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: 20211027

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

Ref country code: MC

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: 20211027

Ref country code: IT

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: 20211027

REG Reference to a national code

Ref country code: BE

Ref legal event code: MM

Effective date: 20221031

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

Ref country code: LU

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

Effective date: 20221015

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

Ref country code: BE

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

Effective date: 20221031

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

Ref country code: IE

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

Effective date: 20221015

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

Ref country code: FR

Payment date: 20231023

Year of fee payment: 4

Ref country code: DK

Payment date: 20231025

Year of fee payment: 4

Ref country code: DE

Payment date: 20231018

Year of fee payment: 4

Ref country code: CH

Payment date: 20231102

Year of fee payment: 4

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

Ref country code: CY

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: 20211027