[发明专利]基于个人数据与人工神经网络的助听器降噪方法

说明书

本发明属于助听器噪声消除技术领域，为提出贴合用户个人的成熟降噪算法。为此，本发明采取的技术方案是，基于个人数据与人工神经网络的助听器降噪方法，通过分析助听器使用者接收到的语音信号，识别并储存有话段，利用储存的足够数量的语音信息对BP人工神经网络进行训练。通过训练对神经网络各层的权值与阈值的优化调整，以得到成熟的BP人工神经网络，来修正常规的语音降噪公式，进而令助听器使用者得到针对其个人优化过的更加清晰的降噪后语音。本发明主要应用于助听器设计制造场合。

技术领域

本发明属于助听器噪声消除算法设计领域，涉及一种基于使用者个人数据与BP人工神经网络实现的位于便携式智能终端的数字助听器降噪算法。

背景技术

目前，世界老龄化问题日益严重，中国老年人比例也在逐年增长，使中国成为世界上人口老龄化发展速度最快的国家之一。预计到本世纪中叶，中国将有近5亿人口达到世界卫生组织的老年人标准。

听力损失则是老年人最常见的几种慢性疾病之一。根据世界卫生组织在2015年的统计，全世界人口的5％患有残疾性听力损失，而这其中大部分是老年人。听力损失可能会引发认知功能衰退，抑郁，幸福感降低等较为严重的心理问题。甚至有研究表明：轻、中、重度听力损失的老人，其阿尔茨海默病的患病率分别是听力正常老人的2倍、3倍和5倍。可见听力损失是伴随全球老龄化出现的亟待解决的严重健康问题。

助听器对于听力损失者的听力改善可以起到极大的辅助作用。助听器不但可以提高听力损失者的社会交往能力与个人生活质量，而且可以避免严重心理疾病的产生。因此，随着人们经济水平的提高与对高品质生活的不断追求，听力损失者中使用助听器的比例也在不断提高。在助听器的使用过程中，语音信号不可避免的会受到周围环境噪声的影响，使得语音信号的可识别度下降。而由于听力损失者对声音更为不敏感，其助听器使用体验会受到相较于正常人更大的影响。因此助听器的语音降噪功能至关重要。语音降噪的主要目的是尽可能地消除噪声，以改善语音质量，提高信噪比(signal to noise ratio,SNR)，并由此提高听力损失者对语音的辨识度。

由于每个助听器使用者的日常所处环境和交流者是不同的，故语音信号与噪音信号的特点也是有很大差异的，因此一并采用常规的降噪算法达到的降噪效果并不十分理想。所以我们应当根据每个使用者的日常环境及交流者的独有特点，对降噪公式进行针对性自动调整，以达到精确降噪的目的。与常规语音降噪方法不同的是，理想的语音降噪算法应重在针对使用者的个人差异，这能够大大提高目标听力损失者的助听器使用体验。

发明内容

为克服现有技术的不足，本发明旨在提出一种基于BP(back propagation,逆向传播)人工神经网络的数字助听器降噪算法。该降噪算法将大量随机的语音数据得出的参数作为初始参数，将用户接收到的语音信号作为训练数据，对BP人工神经网络进行不断训练，得出贴合用户个人的成熟降噪算法。为此，本发明采取的技术方案是，基于个人数据与人工神经网络的助听器降噪方法，通过分析助听器使用者接收到的语音信号，识别并储存有话段，利用储存的足够数量的语音信息对BP人工神经网络进行训练。通过训练对神经网络各层的权值与阈值的优化调整，以得到成熟的BP人工神经网络，来修正常规的语音降噪公式，进而令助听器使用者得到针对其个人优化过的更加清晰的降噪后语音。

进一步地，将降噪算法设置于助听器端运行，将神经网络算法设置于智能设备运行，智能设备与助听器通过无线方式连接。用户可以自主设定语音积累量，每当积累的语音量达到用户设定值时，助听器自动将这些语音数据通过蓝牙模块发送到智能设备，并由智能设备进行存储与处理，智能设备使用这些语音数据对人工神经网络进行训练，并将训练后的参数发送给助听器，以调整降噪算法贴合用户个人使用。用户还可以自由选择将语音、神经网络参数数据上传到云端或从云端下载，以实现多个智能设备间的数据共享。