[发明专利]听力装置中的信号处理

说明书

本申请公开了听力装置中的信号处理，其中用于通过机器学习定义和设定听力装置的非线性信号处理的方法包括：提供至少一电输入信号，其表示来自听力装置用户环境的至少一输入声音信号；基于正常听力听觉模型确定至少一电输入信号的正常听力表示；基于听力受损听觉模型确定至少一电输入信号的听力受损表示；通过机器学习确定优化的训练参数，其中确定优化的训练参数包括反复调节训练参数及比较正常听力表示和听力受损表示以确定正常听力表示与听力受损表示之间的匹配度，直到匹配度满足预定要求为止；及当匹配度满足预定要求时，基于优化的训练参数确定听力装置的对应的信号处理参数。

技术领域

本申请涉及配置成由用户佩戴在耳朵处或耳朵中或者完全或部分植入在用户耳朵处的头部中的听力装置如助听器或头戴式耳机。

背景技术

耳蜗(感觉神经)听力损失在内耳(耳蜗)中导致许多退化，因而以许多方式改变健康耳蜗的非线性性态。动态听力范围减小，谱域和时域分辨率更差，因而，在有噪声情形下听见并识别语音的能力降低。在现代助听器中，这一定程度上通过非线性压缩和降噪来解决。

在听力研究中，正常和受损听力均已利用听觉模型进行研究。这些模型基于耳朵的生理学(生理模型)、心理声学(行为模型)或者二者的结合。所有这些模型将输入信号变换为某类“神经”或“听觉”表示，在进行变换时的处理步骤一般高度非线性。这些模型不是双向模型，因而它们不能直接用于“反推”听力或者得出将受损听觉表示变换为正常听觉表示所需要的信号处理的映射。

在耳蜗植入件中，听觉神经的刺激经插入到耳内的电极进行。相较于耳蜗中可用突触的数量，植入件具有非常少的几个电极，例如24个电极。每一电极刺激一系列附近的突触，由于电流扩布，该刺激不是非常特定的刺激。由于耳蜗植入件中的简单的语音处理及通道和电极数量有限，加上电流扩布，相较于正常听力，耳蜗植入件用户的声音感知严重降级。

听力损失通常测量为听力受损用户对纯音的听觉阈(反映在听力图中)，及听力受损模型应使能基于听力图平均地设定所有模型参数。然而，这并未捕获听力装置用户的个体听力受损的所有方面。

发明内容

在本申请的一方面，提供用于定义和设定听力装置的非线性信号处理的方法(例如用于补偿用户的听力受损)。听力装置可以是助听器或头戴式耳机。

用于定义和设定听力装置的非线性信号处理的方法可通过机器学习(例如有监督的机器学习)实现。

机器学习可包括提供神经网络，如深度神经网络。

该方法可以是训练用于定义和设定听力装置的非线性信号处理的神经网络的方法。

听力装置可配置成由用户佩戴在耳朵处或耳朵中或者完全或部分植入在用户耳朵处的头部中。

定义和设定非线性信号处理和/或训练神经网络可在听力装置产品制造期间进行，和/或可在听力装置制造之后进行，和/或可在将听力装置交给听力装置用户之后(例如在使用听力装置期间)进行。

该方法可包括提供至少一电输入信号。电输入信号可表示来自听力装置用户环境的至少一输入声音信号。至少一输入声音信号可包括源自一个或多个语音声源的语音分量。电输入信号可包括包含噪声信号分量的声音。噪声信号分量可源自一个或多个噪声声源。电输入信号可表示听力装置用户环境中的声音。至少一电输入信号可包括来自听力装置用户的日常生活的相应电输入信号的大量素材。例如，至少一电输入信号可包括语音与许多类型的背景噪声的结合，可包括纯净语音，和/或可包括音乐等。

该方法可包括确定至少一电输入信号的正常听力表示，例如与听觉神经中的信号类似的“神经表示”[9]或者与心理声学掩模图类似的“兴奋图”[10]。正常听力表示可基于正常听力听觉模型确定。正常听力表示可指至少一电输入信号的音频的感知，其假定为正常听力听者中大脑可获得的感知。