[发明专利]听力装置的算法参数的个人化

说明书

本申请公开了听力装置的算法参数的个人化，其中用在助听器的处理器中的处理算法的一个或多个参数针对具体用户进行个人化的方法包括：在用户听具有不同特性的测试信号时进行用于估计用户的听觉能力的预测测试；分析所述用户的所述预测测试的结果并提供所述用户的听觉能力度量；选择所述助听器的具体处理算法；根据所述测试信号的所述特性针对与用户的听觉能力有关的所述具体处理算法从一个或多个相关心理测量函数选择成本‑效益函数和/或关键值；及对于所述用户，根据所述听觉能力度量和所述成本‑效益函数确定所述具体处理算法的一个或多个个人化参数。

技术领域

本申请涉及听力装置如助听器领域。

背景技术

需求和能力在个体之间变化很大。这种大的可变性部分源于导致听力损失的原因多种多样，及部分是因为其反映支持我们在存在其它竞争声音的情形下注意一个信号的能力的大脑功能的复杂性。听力困难的原因很多，包括a)耳蜗损伤(即外毛细胞和/或内毛细胞损失)；b)实质性支撑机构的损伤(如血管纹变性)；c)神经未发育、损伤和/或萎缩；及d)认知差异；这些仅为已知原因中的几个。

对于听力受损人员之间观察到的语音理解方面的差异，已估计仅约50％可被相应的听力图解释。因此，仅基于听力图，可能很难找到对特定听力仪器用户最佳的一组听力仪器参数。此外，听力护理专家(HCP)仅有有限量的时间来收集另外的数据。因此，如果能找到另一种方式来提供关于用户及其听觉能力和/或偏好的信息则有利。

此外，听得见和看得见的指示物为重要的听力仪器-用户交互手段，其告知助听器用户在听力仪器中对于一组使用情形正发生什么，例如程序变化、电池低等，且它们变得越来越有用。然而，目前，听得见的指示音和看得见的至少图案对于所有听力仪器通常固定并被硬编码到听力仪器内。部分给出的音/图案可能不适合助听器用户或者不被助听器用户理解，这可能影响(甚至烦扰)助听器用户的日常生活。因此，如果能够针对听力仪器的具体用户的需要使前述指示物个人化将有益。

发明内容

本发明涉及设备如助听器的个别化，例如一个或多个处理算法的参数设置(也称为“听力仪器设置”)针对特定用户进行配置和调整。前述配置或调整例如可基于应用具体处理算法如降噪或方向性(波束形成)算法的患者特异的“成本”和效益的预测和评估。

例如，在方向性的效益与方向性的“成本”之间有平衡。也就是说，一般地讲，听者趋于在目标处于通过波束形成而得以相对增强的位置(如听者的前面)时受益，及在注意通过波束形成而被强烈衰减的位置时招致“成本”。换言之，帮助系统如定向波束形成系统可具有“副作用”，例如衰减至少部分听者愿意注意的信号。

需求和能力在个体之间差别很大的事实对于助听器的“帮助”系统怎样及在何时真地对于不同的个体均呈净效益具有重要的含意。这在图1中示出。该图的右下部分突出示出了具有低语音接受阈值(Speech Reception Threshold，SRT)的“高绩效人员”预期在相当低的信噪比(SNR)相较具有较高SRT的“低绩效人员”享有波束形成的净效益的关键点。具体地，高绩效人员在低绩效人员享有净效益的SNR时将招致波束形成的净成本。这意味着帮助一个听者的设置将带给另一听者缺陷。个体设置可包括助听器信号处理中的任何设置，例如频率整形、动态范围压缩、方向性、降噪、抗反馈等。未来的先进算法如用于讲话者分离和语音增强的深度神经网络也可能需要针对个别用户进行设置以提供最大效益。因而，如果我们能够对怎样为每一听者提供帮助进行更好的个别化，将大大改善个体后果。

此外，通过将来自智能电话(或类似便携装置)的上下文数据和声音环境信息与用户反馈结合而使助听器个人化可能有利，其能例如基于机器学习技术如学习算法例如基于有监督的或无监督的学习如包括使用人工神经网络等而自动改变助听器(如参数)设置。

使用在助听器中的处理算法的一个或多个参数个人化的方法

在本申请的一方面，提供用在助听器的处理器中的处理算法的一个或多个参数针对具体用户进行个人化的方法。该方法可包括：