[发明专利]基于机器学习的真耳分析测试系统

权利要求书

1.基于机器学习的真耳分析测试系统，其包括：真耳测试模块，其特征在于，其还包括：测试驱动模块、数据导入模块、听力补偿值预测模块、校准模块；

所述真耳测试模块包括放音设备、测量麦克风、参考麦克风；所述放音设备负责在测试项目中给出测试信号声；所述测量麦克风用以测量待检测者外耳道近鼓膜处的声音频谱；所述参考麦克风用于测量在测试过程中由所述放音设备发出的声音频谱；

所述校准模块对所述放音设备的音量提供校准功能，对所述测量麦克风、所述参考麦克风提供校准功能，输出所述测量麦克风、所述参考麦克风的频率响应的差值，记为麦克风频率差值；

所述测试驱动模块包括测试数据读取模块、测试音驱动模块、数据实时处理模块；

所述测试数据读取模块读取所述真耳测试模块中进行测试时使用的测试用声音文件，对所述测试用声音文件做数字量-模拟量转换，将其变为底层驱动可用的电信号；

所述测试音驱动模块将所述测试用声音文件对应的电信号输入到所述真耳测试模块中，由所述放音设备播放，对待检测者进行实时检测；所述真耳测试模块通过所述测量麦克风采集的声音频谱数据传入所述数据实时处理模块；

所述数据实时处理模块在测试期间实时采集所述测量麦克风、所述参考麦克风的信号，进行实时的数据处理；数据处理流程为：首先进行FFT快速傅里叶变换，将传输的所述声音频谱数据的时域信号转换到频域，得到谱线后，根据所述校准模块输出的所述麦克风频率差值进行谱线的修正，再根据1/3倍频程的精度统计在每个频带内的能量，获得待预测者的听力补偿实测值，并且将所述听力补偿实测值实时绘制出结果曲线显示在交互界面上；

所述数据导入模块导入待预测者的个人数据，所述个人数据包括：个人基础信息和预测听力阈值数据；所述预测听力阈值数据是待检测者在指定的声学频率下进行测听后，测得的听阈数值；

所述听力补偿值预测模块基于听力补偿预测模型，预测获得待预测者的听力补偿预测值；听力补偿值预测模块中的执行步骤为：将所述数据导入模块导入的所述个人数据进行归一化处理，调整所述个人数据的量纲、量值后，将调整后的所述个人数据导入所述听力补偿预测模型进行计算，获得所述听力补偿预测值；将所述听力补偿预测值绘制出结果曲线，与所述听力补偿实测值以同一坐标系同时显示在同一个交互界面上；

所述听力补偿预测模型构建过程包括：

a1：基于历史数据构建听力补偿参考大数据集；

所述听力补偿参考大数据集中的数据结构包括：

特征X：X＝{x₁,x₂,x₃,...,x₉}

预测值y：y＝{y₁,y₂,y₃,...,y₆}

其中：特征X为9维特征向量，x₁～x₃分别为：病人性别、病人年龄组、助听器输入声压级大小，

x₄～x₉分别为病人在6个声学频率下的听阈数值，预测值y是x₄～x₉对应的在6个声学频率下的听力补偿参考值；

a2：将所述听力补偿参考大数据集中的数据进行数据清洗和归一化，将病人信息数据转换为模型所需的数据格式，得到训练数据集；

a3：构建所述听力补偿预测模型：

在N组基础模型超参数下，通过十折交叉验证，评估挑选网络模型超参数，确定所述听力补偿预测模型的参数；

a4：将所述训练数据集投入到参数确定后的所述听力补偿预测模型中进行训练，得到训练好的所述听力补偿预测模型。

2.根据权利要求1所述基于机器学习的真耳分析测试系统，其特征在于：所述听力补偿预测模型为基于N个机器学习的基础模型构建的筛选模型，其中，N大于等于1；预测获得待预测者的听力补偿预测值时，通过N个所述基础模型的筛选结果的投票，得出最终的所述听力补偿预测值；所述基础模型包括：基础神经网络模型、机器学习回归模型。