[发明专利]一种助听器自验配方法

说明书

技术领域

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

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。

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。

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

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。

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：

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，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。

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。

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C₁，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C₁中当前患者满意的助听器算法参数的部分参数B₁，并根据B₁在知识库中寻找匹配的助听器算法参数C₂；

3)随机产生一个与C₂等长的混沌变量X＝(X₁,X₂,…,X_l,…,X_d)，其中X_l∈[0,1]。对X进行Tent混沌映射，得到：令newX_l＝min_l+(max_l-min_l)·X_l'，其中，[min_l,max_l]是助听器算法参数第l维变量的定义域，则得到混沌扰动量newX＝(newX₁,newX₂,…,newX_l,…,newX_d)，则混沌扰动后的更新参数C₃＝(C₂+α·newX)/2，其中α为与用户满意度成反比的比例常数；