[发明专利]人工耳蜗智能预测系统和方法在审

专利信息
申请号: 201710215279.9 申请日: 2017-04-03
公开(公告)号: CN106941653A 公开(公告)日: 2017-07-11
发明(设计)人: 王宁远;孙晓安;黄穗;田春;李晓波 申请(专利权)人: 浙江诺尔康神经电子科技股份有限公司
主分类号: H04R25/00 分类号: H04R25/00;A61N1/36
代理公司: 暂无信息 代理人: 暂无信息
地址: 311100 浙江省杭州*** 国省代码: 浙江;33
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 人工 耳蜗 智能 预测 系统 方法
【权利要求书】:

1.一种人工耳蜗智能预测系统,其特征在于,包括手动程序选择键、手动程序选择模块、智能场景识别系统、智能程序预测模块和场景程序输出模块,其中,

所述智能场景识别系统与智能程序预测模块连接,智能场景识别系统判断当前所处声音场景,将识别的场景结果输入给智能程序预测模块;

所述手动程序选择键的输入与手动程序选择模块连接,按动手动程序选择键对当前声音场景所用程序进行选择,同时将选择结果与智能场景识别系统输入的场景识别结果进行配对,在样本积累到预设程度之后,对智能程序预测模块进行基于样本的训练;在手动模式下,选择的结果输出给场景程序输出模块进行程序输出;

在智能模式下,所述智能程序预测模块与场景程序输出模块连接,在训练完成后,根据智能程序预测模块的输出在场景程序输出模块中自动选择程序,进行输出;在某声音场景的样本量不足时,智能程序预测模块选择最接近的声音场景,传给场景程序输出模块进行程序输出;若无接近的声音场景,则选取默认程序进行输出。

2.根据权利要求1所述的人工耳蜗智能预测系统,其特征在于,在完成训练所需的样本积累之前,所述手动程序选择键对程序选择的结果反馈给手动程序选择模块,记录声音场景与程序的对应关系,由下式表示:

其中,C为当前声音场景,P为用户所选择的程序,i为样本序号。

3.根据权利要求1所述的人工耳蜗智能预测系统,其特征在于,在样本积累到预设程度之后,进行基于样本的训练,所述手动程序选择模块对程序选择的结果输出给智能程序预测模块,统计每种声音场景下所采用的累计次数最多的程序,由下式确定:

Pc=FindMax{Pi|C=Ci}

其中,Pi为声音场景为Ci时,所采用的累计次数最多的程序,并将其设为输出程序Pc。

4.根据权利要求1所述的人工耳蜗智能预测系统,其特征在于,在训练完成后,智能场景识别系统的输出与智能程序预测模块连接,场景程序输出模块输出的程序由下式确定:

其中,Pc为输出程序;Pi为声音场景为Ci时,所采用的累计次数最多的程序;Pj为选择手动模式时,使用频率高于与Ci匹配的Pi,则由Pj代替Pi与Ci匹配;选择智能模式时,,根据当前的声音场景Ci,智能匹配选择Pi作为输出程序Pc。

5.根据权利要求1所述的人工耳蜗智能预测系统,其特征在于,所述在某声音场景的样本量不足时,输出程序Pc由下式确定:

其中,C为样本量不足的声音场景,如声音场景Ci与C近似,且声音场景Ci有与之匹配的所采用的累计次数最多的程序Pi,则Pi作为输出程序Pc;如未发现与C近似的声音场景Ci,则默认程序Pdefault作为输出程序Pc。

6.一种采用权利要求1-5之一的系统的人工耳蜗智能预测方法,其特征在于,包括以下步骤:

智能场景识别系统判断当前所处声音场景,根据用户选择手动或智能模式将场景识别结果输出,在完成训练所需的样本积累之前,只能选择手动模式;

如选择手动模式,则通过按动手动程序选择键对当前声音场景所用程序进行选择;

在样本积累到预设程度之后,进行基于样本的训练,即用手动选择的结果来对场景与程序的对应关系进行训练;

如选择智能模式,则需在训练完成后,根据智能程序预测模块的输出智能选择程序,进行输出;

在某声音场景的样本量不足时,智能程序预测模块选择最接近的声音场景,进行程序输出;若无接近的声音场景,则选取默认程序进行输出。

7.根据权利要求1所述的人工耳蜗智能预测方法,其特征在于,所述在完成训练所需的样本积累之前,只能选择手动模式,并记录声音场景与程序的对应关系,由下式表示:

其中,C为当前声音场景,P为用户所选择的程序,i为样本序号。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于浙江诺尔康神经电子科技股份有限公司,未经浙江诺尔康神经电子科技股份有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201710215279.9/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top