[发明专利]带有协调声音处理的双耳助听器系统

说明书

本申请是2005年12月26日进入中国的国际申请日为2004年6月23日、国际申请号PCT/DK2004/000442、国家申请号200480017814.0的专利申请的分案申请。

技术领域

本发明涉及双耳助听器系统，其具有第一助听器和第二助听器，各包括用于响应在声音环境中的各麦克风接收的声音信号来提供数字输入信号的麦克风和A/D转换器、适于根据预定的数字处理算法处理该数字输入信号以产生经处理的输出信号的处理器、以及用于把各经处理的声音信号转换成声音输出信号的D/A转换器和输出变换器。

背景技术

目前现有的助听器通常包括数字信号处理器(DPS)，用于处理助听器所接收的声音，从而弥补用户的听力缺陷。如本领域所公知的，通过具有各种参数的信号处理算法来控制DSP的处理，以调整实际执行的信号处理。在多声道助听器的每个频率通道中的增益是这些参数的例子。

常常利用DSP的灵活性来提供多个不同的算法和/或确定算法的多个参数集。例如，不同的算法可用于噪声抑制，如衰减不期望的信号并放大期望的信号。期望的信号通常是话音或音乐，而不期望的信号可能是背景声音、餐馆里的嘈杂声、音乐(当话音是期望的信号时)、交通噪声等。

通常有不同的算法或参数集用于在不同的声音环境中提供舒适和清晰的再现声音质量，声音环境如谈话、嘈杂谈话、餐馆嘈杂音、音乐、交通噪声等。从不同声音环境中获取的音频信号可能具有非常不同的特性，如平均和最大声压等级(SPL)和/或频率成分。因此，在带有DSP的助听器中，每种类型的声音环境可与特定的程序相关联，其中在特定声音环境中声音处理算法的算法参数的特定设置可提供最优信号质量的经处理声音。通常这样的一组参数包括与宽带增益相关的参数、频率选择过虑算法的斜率或转角频率(corner frequency)、控制如拐点的参数以及自动增益控制(AGC)算法压缩比。

这样，当今基于DSP的助听设备通常设置有若干不同的程序，每个程序被裁制成适应于特定的声音环境类别和/或特定的用户喜好。每个这类程序的信号处理特性通常在初始装配阶段在配售店里确定，并通过在助听器的非易失性存储区中激活相应的算法和算法参数和/或向该非易失性存储区传送相应的算法和算法参数将其编程到该设备中。

某些已知的助听器能够自动把用户的声音环境分类到若干相关的或典型的日常声音环境类别中的一个，如谈话、嘈杂谈话、餐馆嘈杂音、音乐、交通噪声等。

所获取的分类结果可用于助听器自动选择助听器的信号处理特性，如自动切换到最适合该环境的算法。这样的助听器可以在各种声音环境中对各助听器用户维持最优的声音质量和/或话音清晰度。

US5,687,241公开了一种基于DSP的多声道助听设备，其使用连续的判定，或计算输入信号振幅分布的一个或几个百分比值来区分话音和噪声输入信号。根据所检测的话音和噪声等级来调整若干频率声道的每个的增益值。

但是，仅仅区分话音和噪声还不够，还希望能够提供更精细的声音环境特征。例如，希望不仅能根据背景噪声的等级还能够根据背景噪声的另外信号特性在全向(omni-directional)和定向(directional)麦克风预设程序之间切换。在助听器的用户与另外的处在背景噪声条件的个体进行交流的情况下，能够识别和区分背景噪声类型将是有益的。在噪声是交通噪声的情况下可选择全向操作，使得用户可清楚听到车辆的到来，而与到来的方向无关。另一方面，如果识别背景噪声是嘈杂噪声，可选择定向收听程序，使得用户在会话期间能够以改进的信噪比(SNR)来听目标话音。

使用隐马尔可夫模型来分析和分类麦克风信号，可得到麦克风信号的详细特征。隐马尔可夫模型可根据在短时间和长时间的变化来建模随机的和非固定的信号。在语音识别中可使用隐马尔可夫模型来建模语音信号的统计属性。在《Proceedings of the IEEE》1989年二月第二期(VOL77)发表的文章“A Tutorial on Hidden Markov Models and Selected Applications in Speech Recognition”包含有隐马尔可夫模型在语音识别中应用的详尽说明。

WO01/76321公开了一种助听器，其使用一个或几个预定的隐马尔可夫模型来处理从收听环境中获得的声音信号，并因此自动识别和分类声音环境。该助听器可使用所确定的分类结果来控制信号处理算法的参数值，或控制不同算法之间的切换，以便对给定的声音环境最优地适应助听器的信号处理。