一种助听器自验配方法
【专利摘要】本发明公开了一种助听器自验配方法，该方法首先建立知识库，找出与当前患者最相似的历史患者，获得该历史患者的最优化助听器算法参数，然后当前患者对声音质量进行满意度评估，根据评价指标迭代更新助听器算法参数，并与知识库进行交互，然后根据更新的助听器算法参数生成测试声音给当前患者，直到当前患者满意为止。本发明引入知识库，极大地缩小了助听器算法参数匹配范围，显著提高了助听器验配效率；根据评价指标迭代更新助听器算法参数，最大限度的满足当前患者对助听器的期望值，提高了助听器算法参数的精确性。
【专利说明】一种助听器自验配方法
【技术领域】
[0001] 本发明涉及一种音频信号处理的方法，特别是涉及一种涉及助听器的自验配的方 法。
【背景技术】
[0002] 听力损失会严重影响听障患者的身心健康，佩戴助听器是目前听障患者改善听力 最有效的手段。在中国，庞大的老龄听损人口、落后的助听器技术、以及汉语与英语本身的 差异性，都使得汉语数字助听器技术研究面临严峻的挑战。
[0003] 传统的助听器验配主要依靠听力专家对患者问题的解读，然后转化为正确的助听 器电声特征。由于，助听器的类型及其信号处理的参数的数量不断增加，对听力专家的技能 要求越来越高，已成为制约助听器使用的重要因素之一。使用智能信息处理算法来替代听 力专家的作用成为一种研究趋势。Durant等人（2004)将遗传算法用在回波抵消的多参数 优化上。在遗传算法基础上，Takagi等人（2007)采用交互式进化计算方法初步实现用户 自验配方式，但是遗传算法的收敛速度慢，稳定性差，影响了算法的实用性。在自验配技术 上，Elizabeth等人（2011)详细介绍了这一理念，并分析了其目前存在的问题，同时指出自 验配过程能包含个人认知能力的影响，但是并没有提出实际的解决方法。
[0004] 由此可见，上述现有的助听器验配方法，显然仍存在有不便与缺陷，而亟待加以进 一步改进。为了解决助听器验配方法存在的问题，相关领域技术人员莫不费尽心思来谋求 解决之道，但长久以来一直未见适用的方法被发展完成，而一般现有的助听器验配又不能 适切的解决上述问题，此显然是相关业者急欲解决的问题。
【发明内容】
[0005] 本发明的目的在于克服现有技术中的不足，提供一种助听器自验配方法，解决现 有技术中助听器验配方法效率低下、精确度低，难以满足患者需求的技术问题。
[0006] 为解决上述技术问题，本发明所采用的技术方案是：一种助听器自验配方法，包括 以下步骤：
[0007] 步骤一：建立知识库：知识库中包含历史患者的个人信息和与历史患者匹配的最 优化助听器算法参数；
[0008] 步骤二：查找最优化助听器算法参数：将当前患者个人信息输入知识库，并与知 识库中历史患者的个人信息进行匹配，找出与当前患者最相似的历史患者，获得该历史患 者的最优化助听器算法参数；
[0009] 步骤三：当前助听器声音测试：将步骤二中获得的历史患者的最优化助听器算法 参数或步骤四更新的助听器算法参数输入当前助听器，并将生成的测试声音提供给当前患 者，当前患者对声音质量进行满意度评估；
[0010] 步骤四：验配结果判定：若当前患者对声音质量不满意，则对当前助听器进行助 听器算法参数更新，将当前的助听器算法参数输入知识库生成新的助听器算法参数，并返 回步骤三，重新进行当前助听器声音测试；若当前患者对声音质量满意，则将当前患者个人 信息和与当前患者匹配的最优化助听器算法参数输入知识库，结束验配。
[0011] 当前患者对声音质量进行的满意度评估包含对测试声音的自然度、清晰度和舒适 度三类指标的评估。
[0012] 所述助听器算法参数更新包含以下步骤：
[0013] 1)结合知识库，分别确定测试声音的自然度、清晰度和舒适度三类指标的后验概 率；
[0014] 2)设当前助听器算法参数为Q，依据当前患者的满意度评估，结合测试声音的三 类指标后验概率，获得中当前患者满意的助听器算法参数的部分参数氏，并根据&在知 识库中寻找匹配的助听器算法参数C 2 ;
[0015] 3)随机产生一个与C2等长的混沌变量X = (Xi，X2，…，\，…，Xd)，其中 & e [0, 1]。对X进行Tent混沌映射，得到：
【权利要求】
1. 一种助听器自验配方法，其特征在于，包括以下步骤： 步骤一：建立知识库：知识库中包含历史患者的个人信息和与历史患者匹配的最优化 助听器算法参数； 步骤二：查找最优化助听器算法参数：将当前患者个人信息输入知识库，并与知识库 中历史患者的个人信息进行匹配，找出与当前患者最相似的历史患者，获得该历史患者的 最优化助听器算法参数； 步骤三：当前助听器声音测试：将步骤二中获得的历史患者的最优化助听器算法参数 或步骤四更新的助听器算法参数输入当前助听器，并将生成的测试声音提供给当前患者， 当前患者对声音质量进行满意度评估； 步骤四：验配结果判定：若当前患者对声音质量不满意，将当前的助听器算法参数输 入知识库生成新的助听器算法参数，并返回步骤三，重新进行当前助听器声音测试；若当前 患者对声音质量满意，则将当前患者个人信息和与当前患者匹配的最优化助听器算法参数 输入知识库，结束验配。
2. 根据权利要求1所述的助听器自验配方法，其特征在于，当前患者对声音质量进行 的满意度评估包含对测试声音的自然度、清晰度和舒适度三类指标的评估。
3. 根据权利要求2所述的助听器自验配方法，其特征在于，所述助听器算法参数更新 包含以下步骤： 1) 结合知识库，分别确定测试声音的自然度、清晰度和舒适度三类指标的后验概率； 2) 设当前助听器算法参数为q，依据当前患者的满意度评估，结合测试声音的三类指 标后验概率，获得中当前患者满意的助听器算法参数的部分参数&，并根据&在知识库 中寻找匹配的助听器算法参数C 2 ; 3) 随机产生一个与C2等长的混沌变量X =久，X2，…，\，…，Xd)，其中 & e [〇, 1]。对X进行Tent混沌映射，得到：
其中，[mini，maXl]是助听器算法参数第1维变量的定义域，则得 到混沛扰动量newX = (newXp newX2,…，newXp…，newXd)，则混沛扰动后的更新参数C3 = (C2+a ·ηθ?Χ)/2,其中α为与用户满意度成反比的比例常数； 4) 对更新参数C3进行Μ次高斯变异，生成的参数为CNi = C3 * (1+Ν(0, 1))，其中 i e [1，Μ]，Ν(0，1)表示期望为0、标准差为1的正态分布随机数，最后，参数组成参数群Υ =(CN1; CN2，…，，…，CNM); 5) 计算参数群Y中的任一参数与当前参数q的欧式距离Dm，其中m e [1，Μ]，并按照 欧式距离从大到小将参数群Υ进行排序，得到参数群ΥΝ = (CN/，CN' 2，…，CN/，…，CN' Μ)， 然后每9个参数选一个参数形成参数子群￥'=化&'，0^(3，" ％0^[_].(3); 6) 定义参数子群Υ'中0_"最大的参数为最佳个体yb，Dm最小的参数为最差个体7￥，则 更新给当前助听器的最优化助听器算法参数为C best = Q+randO * (yb_yw)，其中rand()表 示随机数。
4. 根据权利要求3所述的助听器自验配方法，其特征在于，Μ的取值范围是20?50。
5. 根据权利要求4所述的助听器自验配方法，其特征在于，Q的取值范围是2?6。
6.根据权利要求1所述的助听器自验配方法，其特征在于，所述个人信息至少包含性 另IJ、年龄、教育程度和纯音听力测试结果。
【文档编号】H04R29/00GK104053112SQ201410292892
【公开日】2014年9月17日 申请日期:2014年6月26日 优先权日:2014年6月26日
【发明者】梁瑞宇, 王青云, 唐闺臣, 吕晓敏, 马安骏, 房徐琪, 仇晓梅 申请人:南京工程学院