JP2022098490A - 聴取機器を備えた聴取システムの作動方法 - Google Patents

Abstract

【課題】 聴取機器を備えた聴取システムの作動方法を提供する。【解決手段】 本発明が挙げる聴取機器２を備えた聴取システム１の作動方法においては、聴取機器２の少なくとも１つの電気音響入力変換器１２によって環境の音信号１４から入力信号１６を生成し、信号処理によって入力信号１６から出力信号２０を生成し、聴取機器２の電気音響出力変換器２２によって出力信号２０から出力音信号２４を生成し、信号処理の少なくとも１つのサブプロセスのために聴取機器２に実装されているディープニューラルネットワーク３０を使用し、サブプロセスにおいて実行する処理に依存して及び／又は環境状況に依存して及び／又は聴取システム１のユーザによるユーザ入力に依存して、ディープニューラルネットワーク３０のトポロジーを決定する、及び／又は、ディープニューラルネットワーク３０の個々のニューロン３２間の重み４２を選択する。本発明はさらに、聴取機器２を備えた、対応する聴取システム１を挙げる。【選択図】 図３

Description

本発明は、聴取機器を備えた聴取システムの作動方法に関する。その方法において、聴取機器の少なくとも１つの電気音響入力変換器によって環境の音信号から入力信号を生成し、信号処理によって入力信号から出力信号を生成し、また、好ましくは、聴取機器の電気音響出力変換器によって出力信号から出力音信号を生成する。

「聴取機器」という用語は、通常、対応する機器のユーザの聴覚に、又は、より一般的には聴覚中枢に、音信号を出力するために使用される機器を意味すると解される。特に、補聴器がこれに該当する。補聴器は、聴覚が低下した人がこの聴力低下に起因する聴力損失を少なくとも部分的に補うために使用される。そのために、通常、補聴器は、音響（環境）ノイズを検出して電気入力信号に変換するために、通常はマイクロホンの形態の少なくとも１つの電気音響入力変換器を有する。さらに、このような補聴器は、通常、信号処理装置を有している。この信号処理装置は、入力信号を妨害成分（例えば、雑音、環境の騒音など）について分析し、この妨害成分をフィルタリングし及び／又は減衰させ、残りの信号成分を有用信号（特に言語及び／又は音楽のような）として増幅するように構成されている。

このようにして処理された入力信号を聴覚に出力するために、通常、補聴器は、例えばスピーカ（受話器又は「レシーバ」とも呼ばれる）の形態の電気音響出力変換器を含む。この変換器によって、処理された入力信号が出力音信号に変換され、補聴器装着者の聴覚に出力される。選択的に、補聴器は、電気的又は機械的な形態の出力信号を聴覚に出力するための蝸牛殻伝導又は骨伝導のレシーバを有する。

ただし、「聴取機器」という用語には、ユーザ固有の音を聴覚中枢に出力することが多い、いわゆる耳鳴りマスカー、又は、例えばヘッドセット（以下、「ヘッドホン」）のような、アクティブノイズキャンセリング機能付きの及び機能なしのワイヤレスヘッドホン、いわゆる「ヒアラブル」など、音を出力するためのその他の機器も含まれる。

特に補聴器の信号処理装置には、入力信号を信号処理するための機器固有の比較的複雑なアルゴリズムが格納されていることが多い。それぞれの補聴器を装着者に個別に適合させるために、これらのアルゴリズムは可変パラメータに基づいており、そのパラメータの限界値は、補聴器を装着者の聴力低下に適合させる際に、装着者に対して特別に設定される。

その際、信号処理は、一般的な音響条件、特にいわゆる聴取状況に依存して、時には劇的に変化し得る。聴取状況は、通常、同一の音響特性を有する環境状況の代表的なものとして定義され、例えば、「静かな場所においての補聴器装着者と第２者との会話」、「環境の騒音における会話」、「自然の中における滞在」、「公共の場における滞在」などが挙げられ、これらの特徴に関する入力信号の分析に基づいて検出することができる。例えば、ユーザ自身の言語アクティビティ又は有用な信号源の方向の検出のような、補聴器における信号処理の個々のサブプロセス（Ｔｅｉｌｐｒｏｚｅｓｓ）は、聴取状況に依存して様々に複雑になり、十分に高い確実性において結果を確定できるには、様々なリソースを必要とする。

したがって、本発明の課題は、聴取機器の信号処理のために、少なくとも、信号処理に関連するパラメータ（Ｋｅｎｎｇｒｏｅｓｓｅ）の検出を、環境に依存して改善することにある。

上記課題は、本発明によれば、聴取機器を備える聴取システムの運転方法であって、聴取機器の少なくとも１つの電気音響入力変換器によって環境の音信号から入力信号を生成し、信号処理によって入力信号から出力信号を生成し、聴取機器の電気音響出力変換器によって出力信号から出力音信号を生成する方法によって解決される。

この場合、信号処理の少なくとも１つのサブプロセスのために、聴取機器に実装されているディープニューラルネットワークを使用し、サブプロセスにおいて実行する処理に依存して及び／又は環境状況に依存して及び／又は聴取システムのユーザによるユーザ入力に依存して、ディープニューラルネットワークのトポロジーを特に自動的に確定すること、及び／又は、ディープニューラルネットワークの個々のニューロン間の重みを特に自動的に選択することが提供される。有利な且つ部分的に発明性を有する実施形態は従属請求項及び以下の説明の対象である。

聴取システムは、一方においては聴取機器のみによって構成され、他方においては聴取機器に加えて補助機器を含み、その補助機器は、特にデータ伝送のために聴取機器に接続可能である。その際、補助機器として、特にスマートホン、スマートウォッチ、又はタブレットＰＣが提供され得る。一般的には、聴取機器は、特に補聴器によって提供され得る。しかしながら、聴取機器は、ヘッドホン、ヘッドセット、いわゆる「ヒアラブル」、又は耳に装着する別の機器によっても提供することができ、その機器は上記したように構成される。特に、聴取システムのユーザは、その際、聴取機器のユーザでもある。

電気音響入力変換器には、その際、特に、音信号から対応する電気信号を生成するように構成されたすべての変換器が含まれる。特に、入力信号が入力変換器によって生成される際に、例えば、線形プリ増幅、及び／又は、Ａ／Ｄ変換の形態において、前処理を行うこともできる。対応して生成された入力信号は、その際、特にその電流及び／又は電圧の変動が、本質的に、空気の音圧変動を表す電気信号によって与えられる。

対応して、電気音響出力変換器には、特に、電気信号から、その音圧の変動が電気信号の電流及び／又は電圧の変動を実質的に再現する、対応する音信号を生成するように構成されたすべての変換器が含まれる。

出力信号を生成するための入力信号の信号処理は、対応する信号処理装置によって行われることが好ましく、その信号処理装置は、特に好ましくは聴取機器に配置されている。

信号処理のサブプロセスには、特に、周波数帯域の分解を用いた、及び／又は、場合によっては、周波数帯域に依存した、及び／又は、時間及び／又はレベルに依存した増幅を用いた、及び／又は、（特に適応）フィルタなどを用いた、第１の中間信号の第２の中間信号へのすべての変換が含まれる。その際、第１の中間信号は、入力信号から導出される、又は入力信号自体によっても提供され得る（この場合、導出は通常のことである）。また、出力信号は、第２の中間信号から導出される、又は第２の中間信号自体によっても提供され得る（この場合、導出は通常のことである）。

言い換えれば、信号処理のサブプロセスは、特に信号フロー内の信号成分の変化として解される。

少なくとも１つのそのようなサブプロセスのために、ディープニューラルネットワーク（「Ｄｅｅｐ Ｎｅｕｒａｌ Ｎｅｔｗｏｒｋ，ＤＮＮ）が使用される。その際、ＤＮＮは、一方においてサブプロセス自体を実行する、すなわち信号成分の対応する変化をもたらす、又は、しかしながら、サブプロセスのためのパラメータ及び／又は制御量を得るための処理を実行する、すなわち広義において、サブプロセスのための信号成分の分析を行うことができる。

上記サブプロセスのためのそのような分析処理には、特に、入力信号から又はそれに由来する中間信号から、信号処理のパラメータ及び／又は制御量を得ること、例えば、信号対雑音比（「Ｓｉｇｎａｌ ｔｏ Ｎｏｉｓｅ Ｒａｔｉｏ」，ＳＮＲ）の獲得、ユーザ自身の声又は一般的な言語アクティビティの検出、有用信号源又は妨害信号源の方向の検出、が含まれる。

その際、ＤＮＮは、構造において、生物学的モデルとして脳に基づいている。そのため、ＤＮＮは、ニューロンを模倣した（そのため、ＤＮＮのニューロンとも呼ばれる）多数の結節点（いわゆるノード）と、シナプス（ニューロン間の接続部）を模倣した複数の接続部とを含む。

ＤＮＮのトポロジーは、その際、様々な層（入力層及び出力層、その間に位置する、すなわち「ディープに位置する」層）にある個々のニューロンの配置と、個々のニューロン間の接続部の配置とである。その際、接続部は再帰的であり得る。すなわち、接続部は、出力層に近い層に位置するニューロンから入力層に近い層に位置するニューロンに達することもでき、又は、所定の接続部によって入力層と出力層との間の層全体をスキップすることによって、純粋な順方向伝搬（「フィードフォワード」）をもたらすこともできる。個々の層のニューロンの数、及び、層のそれぞれの多様さは、その際、設定されたタスクに対処するためのディープニューラルネットワークの能力にとって重要である。

入力層のニューロンはそれぞれ、適切に処理された信号成分及び／又は他の入力量を、ＤＮＮ外部から入力として受け取り、その信号は、ニューロンを介してＤＮＮを経由して出力層に伝搬され、その出力層は、適切に処理された信号成分及び／又は分析結果を外部に出力する。

その際、入力信号成分又は入力信号量は、特に、入力信号の又はそれに由来する中間信号のサンプル、入力信号（又は対応する中間信号）の周波数帯域チャネルのサンプル、時間周波数領域における適切な時間窓（通常、例えば１２８サンプル長のいわゆる「フレーム」）のスペクトル成分（「時間周波数ビン」）、又は、場合によっては、（それぞれのフレームのための）周波数帯域的なレベルである。

その際、これらの入力量は、入力層に供給される。各層のニューロン間の接続部は、その際、入力量を出力層に伝達させるための重みを有している。いわゆる「パーセプトロン」においては、例えば、ある層の各ニューロンの入力は、対応して設定された重みによって重み付けされ、合計される。その際、次の層への当該ニューロンの出力（好ましくはブール値１として）は、上記の重み付けされた合計のための所定の活性化関数に従って行われる。他の実施形態においては、複数の分岐する接続部を有するニューロンに到着した信号は、実行する処理のために決定された重みに従って、当該ニューロンから分岐するニューロンに分配され得る。

その際、出力層のニューロンに送られる出力信号の信号強度は、信号処理のサブプロセスの結果、又は、そのために行われる、信号分析の処理の結果を表している。出力層のニューロンは、その際、以下を表す。すなわち、可能なサンプル（ＤＮＮによる、例えばノイズ除去又は指向性マイクロホンへの、直接的な信号処理のための）、信号成分（場合によっては、信号成分の大きさ及び／又は位相成分、又は、信号成分の実数部及び／又は虚数部）、周波数帯におけるスペクトル成分、例えば角度範囲のような値範囲（実行する処理として有用信号源の方向を決定するための）又はブール値も、又は、例えば、具体的な話者（ユーザ又は対話者など）の音声アクティビティ又は言語アクティビティのための確率。

その際、重みは学習段階において確定される。この確定は、特に、信号処理のサブプロセスにおいて所望の処理を、同一のトポロジーのＤＮＮによって実行し、その際、ＤＮＮの結果を基準となる結果と比較し（例えば、言語検出の場合：信号部分に実際に言語があったのか）、結果内の誤差を次の反復ステップのために修正することによって、行われる。誤差が発生した場合における出力の対応する修正（「誤差逆伝搬法」）によって、その際、特に、意図した処理のための接続部の重みが調整される。それによって、特に、所望の処理のために「学習された」ＤＮＮが実装されており、その結果、同一のトポロジーのＤＮＮを、重みの対応する伝送によって、学習された状態にすることができる。

ＤＮＮがパーセプトロンとして実現されている場合、関連する活性化関数も、重みについて述べた方法において、すなわち、特に、サブプロセスにおいて実行する処理に依存して、又は環境状況に依存して、又は聴取システムのユーザによるユーザ入力に依存して、確定することができる。同様に、上記活性化関数は、好ましくは関連する重みとともに、学習段階において確定することができる。

ＤＮＮのトポロジーは、信号処理のサブプロセスの枠内において実行する処理に依存して確定される。そのため、例えば、装着者自身の声の検出（「Ｏｗｎ Ｖｏｉｃｅ Ｄｅｔｅｃｔｉｏｎ」、ＯＶＤ）は、有用信号源の到来方向の検出（「Ｄｉｒｅｃｔｉｏｎ ｏｆ Ａｒｒｉｖａｌ」、ＤＯＡ）とは異なるトポロジーを有するＤＮＮによって実行することができる。

しかしながら、特に、入力信号に基づいて環境状況を検出し、環境状況に基づいてトポロジーを確定することも可能である。その際、一方において、環境状況は音響環境によって特徴づけられ、それによって、標準化された聴取状況における区分が、対応する音響特徴に基づいて、ＤＮＮのトポロジーを確定する。他方において、環境状況は、場所（特に密閉された空間の内外）によって、また、聴取機器のユーザの動きによって、特徴付けられ得る。そのユーザの動きは、１つ以上の対応するセンサ（加速度センサ、ＧＰＳなど）によって確定可能である。

また、ＤＮＮのトポロジーが確定された後の個々の重みは、同様に、実行する処理、及び／又は、環境状況、及び／又は、ユーザの入力に依存して選択することができる。その際、好ましくは、ＤＮＮに適用される、所定のトポロジーに対応する重みが、対応する環境状況（聴取状況及び／又はその他の環境）のために、聴取機器に、又は、利用可能な場合には、補助機器に保存されている。特に、重みが補助機器に保存されている場合には、その重みは、補助機器から聴取機器に伝送される。

上記のトポロジーの、処理への及び／又は環境状況への適応によって、それぞれの状況において、要求及び事象に最適なトポロジーを選択又は確定することが可能となる。その結果、ただ未使用のままである可能性のある、又は単に計算上の冗長性につながる可能性のある、計算上の「オーバーヘッド」は、ＤＮＮに必要とされない。

好ましくは、ＤＮＮのトポロジーを、サブプロセスにおいて実行する処理に依存して確定し、ＤＮＮの個々のニューロン間の重みを、環境状況に依存して選択する。これは、トポロジーを、実行する処理に最適に適合させることができるという利点があり、それによって、例えば、不必要に大きい、及び／又は、複雑なＤＮＮを使用する必要がない。そのため、聴取機器へのＤＮＮの実装のために、聴取機器にあるリソースを所望の処理に最適に使用することができる。さらに、信号処理のためにＤＮＮ処理のさらなる伝送の必要はなく、そのため、このサブプロセスは聴取機器のさらなる信号処理に直接統合することができる。さらに、例えば、外部条件の変化を、ひいては環境状況の変化を、トポロジーを変更した全く新しいＤＮＮを実装することなく、ＤＮＮの重みを調整することによって考慮することができ、それは、置き換えの手間をさらに軽減することができる。ＤＮＮがパーセプトロンとして実装されている場合、活性化関数も重みと同一の依存性を有して選択することが好ましい。

その際、ＤＮＮは聴取機器に実装されている。一方において、上記のＤＮＮの使用は、少なくとも、聴取機器における信号処理のサブプロセスにとって有利である。なぜなら、ＤＮＮについて説明された条件の結果として、聴取機器において利用可能なリソースを、実行する処理のために最適に使用することができるからである。他方において、ＤＮＮを聴取機器に実装する場合、補助機器への信号成分の伝送が不要になり、それは、信号処理を高速化し、さらに、電池電力を節約する。

さらに、ＤＮＮの個々のニューロン間の重みも、環境状況に（場合によってはサブプロセスにおいて実行する処理にも）依存して確定すると、ここでは有利になる。環境状況は、聴取機器自体において確定される。特に、複数のマイクロホンを有する聴取機器の場合、音響環境状況（いわゆる聴取状況）を確定することができる。その際、一般的な環境状況を、場合によっては、さらなる情報に基づいて決定することができる。そのさらなる情報は、他のセンサ（例えば、補聴器内にさらに配置可能な、加速度センサなどのような）によって取得される。補聴器の複数の入力信号に基づくこのような聴取状況の確定は、その際、聴取状況の検出のための指向性処理が可能であるため、特に正確であり、また特に、聴取状況の急激な変化にも素早く対応することができる（それはまた、適用される重みにも影響し得る）。さらに、聴取機器の入力信号（又は複数の入力信号）の分析に基づいて重みを決定する場合には、上記分析に、ひいてはＤＮＮの重みに使用される信号成分が、ＤＮＮによって処理される信号成分と同じ場所において生成されるという事情を、有利に利用している。それによって、信号処理の高い空間的一貫性を実現することができる（例えば、いわゆる「空間キュー」に関して）。

有利には、信号処理のサブプロセスにおいて実行する処理として、信号処理に関連するパラメータを確定する。好ましくは、その際、そのパラメータの確定にＤＮＮを使用する。信号処理に関連するパラメータの確定において、特に、ＤＮＮによって実行される処理が、さらなる信号処理の少なくとも１つのサブプロセスにおいて制御量として使用されるスカラー又はベクトル値の量を確定することを含む。特に、ＤＮＮが実行する処理の結果として、出力信号に入るような直接的な信号成分は発生しない。正にこのようなパラメータ又は制御量の決定を、ＤＮＮが特に効率的に実行できる。

好適にも、信号処理に関連するパラメータとして、以下の量、すなわち、音声アクティビティ、ユーザ自身の音声アクティビティ、音源の方向、言語検出、具体的な話者の検出、聴取状況の分類、ノイズ抑制に特徴的な量、及び、指向性マイクホンに特徴的な量、のうちの少なくとも１つを使用する。これは、特に、対応する処理が、音声アクティビティの検出（「Ｖｏｉｃｅ Ａｃｔｉｖｉｔｙ Ｄｅｔｅｃｔｉｏｎ」，ＶＡＤ）、ＯＶＤ、ＤＯＡ、具体的な話者の検出（すなわち識別）、聴取状況の分類、ノイズ抑制、指向性マイクロホン、を実行することを意味する。これらのパラメータは、聴取機器の信号処理において特に重要である。なぜなら、聴取機器の主な目的が、有用信号を妨害信号から際立たせることにあり、これは特に、例えば指向性マイクロホンのような指向性信号処理によって行うことができ、また、それに加えて、言語信号を可能な限り明瞭に再生することにある、ことによる。ノイズ抑制のための特徴的な量として、その際、一方において、信号対ノイズ比（「ＳＮＲ」）を含め、他方において、特にノイズ抑制された信号の信号成分を含めることができる。指向性マイクロホンのための特徴的な量として、その際、一方において、指向性パラメータを含め、他方において、特に指向性信号の信号成分を含めることができる。

有利には、入力信号に基づいて、好ましくは聴取機器内において、音響環境状況を、及び／又は、入力信号中のノイズ信号に特徴的なパラメータを決定し、ＤＮＮの個々のニューロン間の重みを、音響環境状況に基づいて、又は、入力信号中のノイズ信号に特徴的なパラメータに基づいて選択する。これは特に、入力信号に基づいて、好ましくは聴取機器内において、現在の聴取状況の、及び／又は、雑音背景の、そのレベルの、及び／又は、ＳＮＲの決定を行うこと、また、ＤＮＮの重みを、対応する依存性において、特にテーブル化された規準値から、選択することを含む。これは、ＤＮＮのトポロジーの規準が、ＤＮＮが実行する処理に依存している場合に、少ない計算複雑性において、変化した音響条件にＤＮＮを迅速に適応させることができるため、特に有利である。ＤＮＮがパーセプトロンとして実装されている場合、活性化関数も重みと同一の依存性を有して選択することが望ましい。

さらに有利に、聴取システムの少なくとも１つのセンサに基づいて、聴取システムのユーザの動き状態及び／又は場所に関する第１の情報を確定し、ＤＮＮの個々のニューロン間の重みを、第１の情報に基づいて選択する。その際、センサは、加速度センサ、又は、ＧＰＳ信号を受信するように構成されたセンサによって提供され得る。特に、このようなＧＰＳ対応センサは、スマートホンなどの補助機器に配置することができる。上記のようにセンサ又は各センサによって確定される上記の情報に基づいて、特に、聴取システムが屋外において使用されているのか（その際、予想されるノイズレベルが高いのか低いのか、例えば、幹線道路か森林か）、又は、密閉された空間において使用されているのかについて、場所に関するメッセージを作成できる。さらに、温度センサは、場合によっては適切なＧＰＳ対応センサとの組み合わせにおいて、場所に関するメッセージを可能にする。

好ましくは、ＤＮＮの入力量として、以下の量、すなわち、時間周波数領域における入力信号のスペクトル成分、時間領域における入力信号の信号成分、時間周波数領域における入力信号の周波数帯域的な信号レベル、入力信号の対応する分解の、大きさ成分及び／又は位相成分、及び、入力信号の対応する分解の、実数部及び／又は虚数部、のうちの少なくとも１つを使用する。スペクトル成分（「時間周波数ビン」）を、その際、高速フーリエ変換（ＦＦＴ）などによって各フレームのサンプルを適宜、時間周波数領域に変換することによって、適切な時間窓（通常、例えば１２８サンプル長のフレームの）にわたって、時間周波数領域において把握することが好ましい。その際、連続する２つのフレームの間に、例えば１６サンプルの時間的な送りが存在する（対応して、連続する２つのフレームは部分的にかなり重なり、上記の数値例においては１２８－１６＝１１２サンプルとなる）。

この場合、時間領域における入力信号の信号成分として、特に、適切な時間窓の間の（例えば、１つ以上のフレームの間の）、入力信号のサンプル、又は、それから派生する中間信号のサンプル、又は、入力信号（又は対応する中間信号）の周波数帯域チャネルのサンプルが含まれる。時間周波数領域における入力信号の周波数帯域的信号レベルは、それぞれのフレーム又は同等の適切な時間窓について収集されることが好ましい。上記の入力量は、大幅な追加の手間なしに簡単な方法によって収集することができ、いずれにせよ、通常は、信号処理の少なくとも１つのサブプロセスにおいて生じる。

有利には、聴取機器として、２つのローカル機器を有する両耳タイプの補聴器を使用し、２つのローカル機器のそれぞれにＤＮＮを実装し、２つのローカル機器のＤＮＮにおいて、信号処理に関連する異なるパラメータをそれぞれ確定する。これは、特に、例えば、ユーザが左耳に装着するローカル機器においては、ＤＮＮがＶＡＤを実行し、一方、ユーザが右耳に装着するローカル機器においては、ＤＮＮが有用信号のＤＯＡを確定することを含む。異なるパラメータを確定することによって、個々の処理を２つのローカル機器に分割することができ、それによって、個々のローカル機器の計算リソースを過度に大きくする必要がない。

本発明はさらに、聴取機器を備える聴取システムを挙げる。その聴取機器は、環境の音信号から入力信号を生成するための少なくとも１つの電気音響入力変換器と、入力信号から出力信号を生成するための信号処理装置と、出力信号から出力音信号を生成するための電気音響出力変換器と、を有する。聴取システムは、聴取機器に実装されたＤＮＮであって、入力信号から出力信号を生成するために信号処理装置に実装された信号処理の、少なくとも１つのサブプロセスを実行するように構成されたＤＮＮをさらに備え、聴取システムは、サブプロセスにおいて実行する処理に依存して及び／又は環境状況に依存して及び／又は聴取システムのユーザによるユーザ入力に依存して、ＤＮＮのトポロジーを決定するように、及び／又は、ＤＮＮの個々のニューロン間の重みを選択するように構成されている。特に、聴取機器の信号処理装置は、少なくとも１つの信号プロセッサを含む。ＤＮＮは、信号プロセッサに実装されることが好ましい。その際、聴取システムは、聴取機器のみから構成され得る。

本発明による聴取システムは、本発明による方法の利点を共有している。本方法及びそのさらなる形態に示された利点は、その際、聴取システムにも転用され得る。特に、聴取システムは補助機器を備えており、その際、聴取機器と補助機器との間においてデータ接続を確立することができ、聴取機器の少なくともいくつかの機能を補助機器によって制御することができる。

以下では、本発明の実施例を、図面を参照してより詳細に説明する。その際、それぞれの図面は概略的に示される。

補聴器とスマートホンとを有する聴取システムのブロック図である。 図１による補聴器内の信号処理のサブプロセスにおいて使用するためのＤＮＮを示すブロック図である。 図１による聴取システムによる、図２によるＤＮＮの構造的及び動的特性の選択を示すブロック図である。

全ての図において、対応する部品及び量にはそれぞれ同一の参照符号を付す。

図１は、聴取機器２と補助機器４とを有する聴取システム１の概略的なブロック図である。聴取機器２は、本実施例においては、補聴器６として形成されており、その補聴器６は、特に片方の耳の聴力低下を補うために、所定の作動中において、詳細には図示されていないユーザによって装着される。補助機器４は、本実施例においては、スマートホン８として形成されているが、例えば、タブレットＰＣ又はスマートウォッチ（いずれも図示せず）のような同等の形態も考えられる。その際、スマートホン８は、補聴器６とスマートホン８との間において双方向のデータ接続１０を確立できるという意味において、また、例えば補聴器６の聴取プログラムのような、少なくとも一部の機能をスマートホン８によって制御可能という意味において、補聴器６と結びつけることができる。

補聴器６は、本実施例においてはマイクロホンによって提供される電気音響入力変換器１２を含む。この入力変換器１２は、音信号１４から入力信号１６を生成するように構成されている。入力信号１６は、少なくとも１つの信号プロセッサ（図示せず）を有する信号処理装置１８に供給される。信号処理装置１８においては、例えば、音信号１４に含まれる有用信号が、同じく音信号１４に含まれる妨害信号に対して強調されるように、入力信号１６が処理される。さらに、信号処理装置１８における信号処理の際には、好ましくは、例えば、信号成分の適切な周波数帯域的な強調又は抑制によって、また、場合によっては適切な圧縮によって、補聴器６の使用者の聴力低下も考慮に入れられる。信号処理装置１８は、上記の入力信号１６の処理によって生成された出力信号２０を出力する。出力信号２０は、本実施例においてはスピーカによって提供される電気音響出力変換器２２によって出力音信号２４に変換される。

信号処理装置１８において入力信号１６から出力信号２０が生成される際に、信号処理の様々なサブプロセスが行われる。これらのサブプロセスは、例えば、上記の信号成分の周波数帯域的な強調又は抑制によって提供されるが、一方において、例えば、有用信号成分を推定できるために、及び／又は、ＯＶＤ又はＶＡＤによって言語として識別するために、対応する制御量を確定する。補聴器６が、入力信号１６及びさらなる入力信号の、方向性のある信号処理を行うように構成されている場合、有用信号源の方向情報（ＤＯＡ）も、このような制御量を形成することができる。そのさらなる入力信号は、さらなる入力変換器（図示せず）によって音信号１４から生成されるものである。少なくとも１つのそのようなサブプロセスが、信号処理装置１８の信号プロセッサ内において、ＤＮＮによって実行される。

図２は、図１による補聴器６の、信号処理のサブプロセスに使用されるＤＮＮ３０の概略的なブロック図である。この場合、ＤＮＮ３０は、複数のノード、いわゆるニューロン３２を有しており、この複数のニューロン３２は、個々の層３４において、互いに配置されている。また、異なる層３４は、ニューロン３２間の接続部３６を介して接続されている。入力量４０は、入力層３８においてそれぞれのニューロン３２に渡される。入力層３８の各ニューロン３２のために、当該入力量４０の個々の信号強度に重み４２が乗算される。その重み４２は、隣接する層３４の２つのニューロン３２の間の接続部３６にそれぞれ割り当てられ、それによって、次の層３４にそれぞれ伝搬される。これは、特に、ニューロン３２から分岐する接続部に割り当てられた重み４２は、ニューロン３２に到着した信号が後続の層のニューロン３２にどのように分配されるかを決定することを意味する。同様の方法において、入力量４０は、深層４４（トポロジー構造を考慮せずに、単に概略的に、破線によって示された層及び接続部）を介して、出力層４６までさらに伝搬される。それによって、ＤＮＮ３０の所定のトポロジーの場合には、ＤＮＮ３０を介した入力量４０の伝達のダイナミクスは、それぞれの重み４２によって決定される。出力層４６の個々のニューロン３２において出力された信号強度は、その際、ＤＮＮ３０によって実行された処理の結果を形成する。

本実施例においては、（離散化された）時間領域における、入力信号１６のそれぞれのフレーム５０の個々のサンプル４８が、入力量４０として入力層３８のニューロン３２に渡される。しかしながら、これらの入力信号１６のサンプル４８の代わりに、入力信号１６から導き出された信号の、同等の信号ベクトルも考えられる。例えば、場合によっては周波数帯域的に前処理された入力信号、及び／又は、音響的なフィードバックのために調整された入力信号など（図示せず）の信号ベクトルが考えられる。さらなる又は代替の入力量４０として、入力信号１６のそれぞれのフレーム５０のスペクトル成分５２が渡される。そのために、それぞれのフレームは、例えばＦＦＴによって時間周波数領域に変換される（図示せず）。

入力量４０は、上記の方法において、重み４２に従って、接続部３６に沿って、ＤＮＮ３０の個々の層３４を経て、出力層４６のニューロン３２まで伝搬される。そのニューロンにおいて、実行された処理の結果が、当該の信号強度を介して得られる。

図３は、図１による聴取システム１をブロック図において概略的に示しており、その際、図２によるＤＮＮ３０が補聴器６の信号処理装置１８に実装されている。補聴器６は、図３においては、単に概略的に示されている。出力信号２０を生成するために補聴器６において入力信号１６に適用される信号処理のサブプロセスの枠内において、ＤＮＮ３０によって、図２に概略的に示されるように、具体的な処理（例えば、ＯＶＤ、ＶＡＤ、又はＤＯＡの検出）が実行されることとなる。その際、信号処理装置１８においてＤＮＮ３０の実装のために利用可能なリソースを最適に使用可能とするために、ＤＮＮ３０の構造、すなわちＤＮＮ３０のトポロジーは、実行する処理に調整される。これは特に、例えば、ＤＯＡの検出用とＯＶＤ用とにおいて、異なる構造的な特性（異なるトポロジー）を有するＤＮＮ３０を使用できることを意味する（ただし、このような構造的な違いは必ずしも必要ではなく、さらに具体的な置き換えに依存可能である）。

信号処理装置１８におけるＤＮＮ３０の実装は、一方においては、信号プロセッサ（詳細は図示せず）上において実施することができる。その信号プロセッサは、一方においては、汎用的に形成することができ、したがって、他のタスクのために提供及び構成することもでき、他方においては、異なるＤＮＮ３０（異なるトポロジーを有する）の実装のために（例えば、いわゆるニューロモルフィックチップとして）特別に設計されたものである。特に、本実施例においては、特別のＡＳＩＣを使用することも可能である。

信号処理装置１８においては、入力信号１６の暫定的な分析５６が、信号フロー５４の枠内において実施される。本実施例においては、特に、現在の聴取状況を確認する。現在の聴取状況のために、ＤＮＮ３０用の異なるトポロジー（そのトポロジーは、実行する異なる処理に割り当てられる）に対して、重み４２の個々のセット６０が補聴器６の不揮発性メモリ５８に記憶されている。メモリ５８から、ＤＮＮ３０用の重み４２のセット６０が信号処理装置１８にロードされる。そのセット６０は、実行する処理に応じて確定された、ＤＮＮ３０のトポロジーのために提供される。そのＤＮＮ３０は、分析５６において確定された聴取状況のＤＮＮである。

さらに、スマートホン８には、加速度センサ６２とＧＰＳ対応センサ６４とが配置されており、それらセンサは、一方においては聴取システム１のユーザの動きに関する情報を提供し、他方においては、ユーザがいる正確な場所に関する情報を提供する。さらに、適切なアプリケーション（詳説されず）を用いて、例えば、ユーザが聴取状況又は対応して割り当てられた聴取プログラムを選択するために、スマートホンにユーザ入力を行うことができる。データ接続１０を介してスマートホン８から補聴器６に上記情報を伝送し、それに応じて補聴器６において評価することによって、上記情報と、場合によってはユーザの入力を追加的に使用して、ＤＮＮ用の重み４２のセット６０を選択することができる。重み４２は、スマートホン８の不揮発性メモリ（図示せず）に保存することもできる。その場合、補聴器６によって、データ接続１０を介してスマートホン８に要求が送信され、この要求は、補聴器６に実装されるＤＮＮ３０のトポロジーを少なくとも暗黙的にスマートホン８に通知するものである。その結果、ＤＮＮ３０の関連するトポロジーのための対応する重みのセットが、上記のセンサを用いて確定された環境状況のために、補聴器６に伝送される。

ＤＮＮ３０用の重み４２のセット６０を確定するすべてのステップが、すなわち、特に入力信号１６の生成、及び、入力信号１６の暫定的な分析５６が、補聴器６自体において行われることによって、スマートホン８は、補聴器６によって、特に単なる一種の「メモリ拡張」としても使用することができる。その場合、補聴器６内の信号処理装置１８によって、ＤＮＮ３０用の重み４２の必要なセット６０が決定され、そして、対応する要求がスマートホン８に向けられる。スマートホン８は、これらの重み４２（これらは、例えば、ＤＮＮ３０の異なるトポロジーのために確定された聴取状況に基づいてテーブル化されてもよい）を不揮発性メモリからロードして、補聴器６に伝送する。補聴器６において、重み４２がＤＮＮ３０に実装される。本実施例において説明する、図３には個別に示されていないケースにおいては、そのため、特に、スマートホン８のセンサからの追加の情報は、重み４２の選択には使用されない。

入力量４０はＤＮＮ３０に渡され、その結果は再び、入力信号１６から出力信号２０が生成される信号フロー５４に統合される。特に、補聴器６は、本実施例において、さらなる入力信号（図示せず）を有することもでき、この入力信号は、例えば、さらなる電気音響入力変換器（図１参照）によって生成される。

補聴器６にＤＮＮ３０を実装する代替的な可能性は、信号処理装置１８に実装されたＤＮＮ３０用の重み４２を、補聴器６において検出された、又はユーザに選択された聴取状況に基づいて、或いは、スマートホン８において収集されたセンサ信号に基づいて、選択することだけでない。ＤＮＮ３０のトポロジーも、さらに、分析５６によって検出された、又は、スマートホン８でのユーザ入力によって選択された聴取状況によって、或いは、動き状態及び特定の場所にいる状態（Ｕｂｉｋａｔｉｏｎ）（スマートホン８の加速度センサ６２及びＧＰＳ対応センサ６４に基づいて確定された）に基づいて、選択することができる。この場合においても、付属する重み４２は、提供された情報又はユーザの入力に基づいて、また、さらなる信号流れに対して実行する処理に基づいて、選択される。

以上、本発明を好ましい実施例によって詳細に説明したが、本発明は開示された実施例によって限定されるものではなく、当業者は、本発明の保護範囲から逸脱することなく、そこから他の変形例を導き出すことができる。

１ 聴取システム
２ 聴取機器
４ 補助機器
６ 補聴器
８ スマートホン
１０ （双方向）データ接続
１２ 入力変換器
１４ 音信号
１６ 入力信号
１８ 信号処理装置
２０ 出力信号
２２ 出力変換器
２４ 出力音信号
３０ ＤＮＮ（ディープニューラルネットワーク）
３２ ニューロン
３４ 層
３６ 接続部
３８ 入力層
４０ 入力量
４２ 重み
４４ 深層
４６ 出力層
４８ （入力信号の）サンプル
５０ （入力信号の）フレーム
５２ （１フレームの）スペクトル成分
５４ 信号フロー
５６（暫定的な）分析
５８ 不揮発性メモリ
６０ （重みの）セット
６２ 加速度センサ
６４ ＧＰＳ対応センサ

Claims (10)

1. 聴取機器（２）を備えた聴取システム（１）の作動方法であって、
   前記聴取機器（２）の少なくとも１つの電気音響入力変換器（１２）によって、環境の音信号（１４）から入力信号（１６）を生成し、
   信号処理によって前記入力信号（１６）から出力信号（２０）を生成し、且つ前記聴取機器（２）の電気音響出力変換器（２２）によって、前記出力信号（２０）から出力音信号（２４）を生成し、
   前記信号処理の少なくとも１つのサブプロセスのために、前記聴取機器（２）に実装されているディープニューラルネットワーク（３０）を使用し、
   前記サブプロセスにおいて実行する処理に依存して及び／又は環境状況に依存して及び／又は前記聴取システム（１）のユーザによるユーザ入力に依存して、前記ディープニューラルネットワーク（３０）のトポロジーを確定する、及び／又は、前記ディープニューラルネットワーク（３０）の個々のニューロン（３２）間の重み（４２）を選択する、方法。
2. 前記ディープニューラルネットワーク（３０）の前記トポロジーを、前記サブプロセスにおいて実行する処理に依存して確定し、
   前記ディープニューラルネットワーク（３０）の個々のニューロン（３２）間の重み（４２）を、環境状況に依存して選択する、請求項１に記載の方法。
3. 前記信号処理の前記サブプロセスにおいて実行する処理として、前記信号処理に関連するパラメータを確定する、請求項１又は２に記載の方法。
4. 前記信号処理に関連するパラメータとして、以下の量、
   音声アクティビティ、
   ユーザ自身の音声アクティビティ、
   音源の方向、
   言語検出、
   具体的な話者の検出、
   聴取状況の分類、
   ノイズ抑制に特徴的な量、及び、
   指向性マイクロホンに特徴的な量、
   のうちの少なくとも１つを使用する、請求項３に記載の方法。
5. 前記入力信号（１６）に基づいて、音響環境状況を、及び／又は、前記入力信号（１６）中のノイズ信号に特徴的なパラメータを決定し、
   前記ディープニューラルネットワーク（３０）の個々のニューロン（３２）間の重み（４２）を、前記音響環境状況に基づいて、又は、前記入力信号（１６）中の前記ノイズ信号に特徴的な前記パラメータに基づいて選択する、請求項１～４のいずれか一項に記載の方法。
6. 前記聴取システム（１）の少なくとも１つのセンサ（６２，６４）に基づいて、前記聴取システム（１）のユーザの動き状態及び／又は場所に関する第１の情報を確定し、
   前記ディープニューラルネットワーク（３０）の個々のニューロン（３２）間の重み（４２）を、前記第１の情報に基づいて選択する、請求項１～５のいずれか一項に記載の方法。
7. 前記ディープニューラルネットワーク（３０）の入力量（４０）として、以下の量、
   時間周波数領域における前記入力信号（１６）のスペクトル成分（５２）、
   時間領域における前記入力信号（１６）の信号成分、
   前記時間周波数領域における前記入力信号（１６）の周波数帯域的な信号レベル、
   前記入力信号（１６）の対応する分解の、大きさ成分及び／又は位相成分、及び、
   前記入力信号（１６）の対応する分解の、実数部及び／又は虚数部、
   のうちの少なくとも１つを使用する、請求項１～６のいずれか一項に記載の方法。
8. 前記聴取機器（２）として、２つのローカル機器を有する両耳タイプの補聴器を使用し、
   前記２つのローカル機器のそれぞれにディープニューラルネットワーク（３０）を実装し、
   前記２つのローカル機器の前記ディープニューラルネットワーク（３０）において、前記信号処理に関連する異なるパラメータをそれぞれ確定する、請求項１～７のいずれか一項に記載の方法。
9. 聴取機器（２）を備えた聴取システム（１）であって、
   前記聴取機器（２）は、
   環境の音信号（１４）から入力信号（１６）を生成するための少なくとも１つの電気音響入力変換器（１２）と、
   前記入力信号（１６）から出力信号（２０）を生成するための信号処理装置（１８）と、
   前記出力信号（２０）から出力音信号（２４）を生成するための電気音響出力変換器（２２）と、を有し、
   前記聴取システム（１）は、前記聴取機器（２）に実装されたディープニューラルネットワーク（３０）であって、前記入力信号（１６）から前記出力信号（２０）を生成するために前記信号処理装置（１８）に実装された信号処理の、少なくとも１つのサブプロセスを実行するように構成されたディープニューラルネットワーク（３０）をさらに備え、
   前記聴取システム（１）は、前記サブプロセスにおいて実行する処理に依存して及び／又は環境状況に依存して及び／又は前記聴取システム（１）のユーザによるユーザ入力に依存して、前記ディープニューラルネットワーク（３０）のトポロジーを決定するように、及び／又は、前記ディープニューラルネットワーク（３０）の個々のニューロン（３２）間の重み（４２）を選択するように構成されている、聴取システム（１）。
10. 聴取機器（２）であって、
    環境の音信号（１４）から入力信号（１６）を生成するための少なくとも１つの電気音響入力変換器（１２）と、
    前記入力信号（１６）から出力信号（２０）を生成するための信号処理装置（１８）と、
    前記出力信号（２０）から出力音信号（２４）を生成するための電気音響出力変換器（２２）と、を備えた聴取機器（２）において、
    前記入力信号（１６）から前記出力信号（２０）を生成するために前記信号処理装置（１８）に実装された信号処理の、少なくとも１つのサブプロセスを実行するように構成されたディープニューラルネットワーク（３０）をさらに備え、
    前記聴取機器（２）は、前記サブプロセスにおいて実行する処理に依存して及び／又は環境状況に依存して、前記ディープニューラルネットワーク（３０）のトポロジーを決定するように、及び／又は、前記ディープニューラルネットワーク（３０）の個々のニューロン（３２）間の重み（４２）を選択するように構成されている、聴取機器（２）。

Images