发明名称 一种数字助听器的自适应验配方法
摘要 本发明公开了一种数字助听器中自适应验配方法。传统的助听器验配过程离不开听力专家,验配的结果好坏直接取决于听力专家的专业水平,此外,对于发展家而言,相当一部分地区的医疗条件达不到验配标准,利用本方法可以有效地实现助听器的自适应验配,即脱离验配专家的助听器验配过程。本发明以二维高斯分布的求和形式作为验配模型,以交互式进化计算作为寻优方法,结合本发明设计的人机交互接口,通过30代以内的人机交互即可确定数字助听器的验配模型。实验结果表明,本发明提出的方法可以有效地实现数字助听器的自适应验配,摆脱了听力专家对于数字助听器验配过程的限制。
申请公布号 CN106303874A 申请公布日期 2017.01.04
申请号 CN201610974157.3 申请日期 2016.10.28
申请人 东南大学 发明人 赵力;魏昕;梁瑞宇;王青云;章勤杰
分类号 H04R25/00(2006.01)I 主分类号 H04R25/00(2006.01)I
代理机构 南京瑞弘专利商标事务所(普通合伙) 32249 代理人 杨晓玲
主权项 一种数字助听器的自适应验配方法,其特征在于,包括以下步骤:(1)语音信号的采集及验配模型的建立:(1‑1)语音信号的采集首先,将每帧语音信号划分为11个频段,各频段节点频率分别为125Hz,250Hz,500Hz,750Hz,1k Hz,1.5k Hz,2k Hz,3k Hz,4k Hz,6k Hz,8k Hz;数字助听器由麦克风采集一帧输入语音信号x(n),n表示离散时间点;然后根据频段划分,将x(n)通过分析滤波器组H<sub>1</sub>(z),H<sub>2</sub>(z),...H<sub>11</sub>(z)分解为对应的11个子带信号,各分析滤波器均为6阶的IIR滤波器,分析滤波器输出子带信号为:y<sub>m</sub>(n)=x(n)*h<sub>m</sub>(n)   (式1)上式中,m表示子带号,m=1,2,...11,y<sub>m</sub>(n)表示子带m的输出,h<sub>m</sub>(n)表示第m个滤波器单位脉冲响应;(1‑2)计算各子带信号的声压级<img file="FDA0001143621720000011.GIF" wi="1398" he="151" />其中,p<sub>e</sub>为信号的平均声压;T为信号时长;N为一帧语音信号的采样点数;p为瞬时声压,即语音信号在某一时刻的采样值;根据式3计算得到所述平均声压p<sub>e</sub>对应的声压级L<sub>p</sub>:<img file="FDA0001143621720000012.GIF" wi="1044" he="125" />式3中,p<sub>ref</sub>为基准声压,在空气中基准声压取2×10<sup>‑5</sup>Pa;(1‑3)验配模型的建立采用响度曲面法作为听力补偿的方法,在三维模型中,X轴为语音信号的频率,Y轴为语音信号的声压级,Z轴为听力补偿;对于某一帧语音信号的特定频段子带信号,计算其声压级L<sub>p</sub>后,通过响度曲面三维模型确定所需补偿的声压级;响度曲面采用二维高斯模型,其公式如下:<img file="FDA0001143621720000021.GIF" wi="1878" he="262" />其中,f为子带语音信号的中心频率,AL(f,L<sub>p</sub>)为该子带语音信号的听力补偿;μ<sub>k1</sub>,μ<sub>k2</sub>,σ<sub>k1</sub>,σ<sub>k2</sub>分别为第k个高斯过程的两个均值和两个方差,ρ<sub>k</sub>为相关系数,±表示高斯过程的值可取正或负;(2)种群初始化:(2‑1)参数选择待优化参数为式4所确立模型中的参数,即μ<sub>k1</sub>,σ<sub>k1</sub>,μ<sub>k2</sub>,σ<sub>k2</sub>,ρ<sub>k</sub>,其中k=1,2,…,5;模型参数确定即验配完成,对于任意时刻的语音信号,均通过式4计算得到所需听力补偿;(2‑2)参数编码μ<sub>k1</sub>取值0~90,步长2.81,5比特编码;σ<sub>k1</sub>,取值1~90,步长2.81,5比特编码;,μ<sub>k2</sub>取值0~3.9,步长0.12,5比特编码;σ<sub>k2</sub>,取值0~3.9,步长0.12,5比特编码;ρ<sub>k</sub>取值0~1,步长0.125,3比特编码;±取值1或‑1,1比特编码;(3)参数优化:采用交互式遗传算法作为参数优化方法,其步骤包括如下:(3‑1)染色体选择将适应度分为5个等级,这五个等级分别对应5个不同的评价等级,即“劣”,“差”,“中”,“良”,“优”;每个等级具有对应的适应度值,用超几何算子形成不同等级的遗传概率作为所述适应度值,具体为,对于5个评价等级,第w个等级对应的遗传概率P<sub>w</sub>为:<img file="FDA0001143621720000022.GIF" wi="1045" he="151" />其中,γ的计算方式如(式6):<img file="FDA0001143621720000031.GIF" wi="974" he="127" />其中q为常数,取值0.5;对于使用特定模型参数进行补偿后形成的语音,佩戴者听取该段语音后,根据自己的主观感受进行5个等级的评价,若患者做出的评价为“良”,则该组语音信号所对应的适应度值作为改组参数遗传到下一代的概率依据;(3‑2)交叉操作首先进行染色体的配对,对于第i条染色体a<sub>i</sub>={g<sub>i1</sub>,g<sub>i2</sub>...g<sub>iR</sub>}以及第j条染色体b<sub>j</sub>={g<sub>j1</sub>,g<sub>j2</sub>...g<sub>jR</sub>},定义a<sub>i</sub>和b<sub>j</sub>的不相关指数ρ(a<sub>i</sub>,b<sub>j</sub>)为:<img file="FDA0001143621720000032.GIF" wi="1189" he="166" />其中g<sub>ir</sub>,r=1,2,…R对应于第i条染色体向量的第r个值,R为染色体向量的维数;g<sub>jr</sub>,r=1,2,…R对应于第j条染色体向量的第r个值;式7中,⊕表示异或符号;采取非等概率配对策略,给配对池中不相关指数较大的个体赋予较大的被选概率,配对染色体的选定过程如下:首先随机选定一个染色体x,染色体的配对池为{y<sub>1</sub>,y<sub>2</sub>...y<sub>L</sub>,},要在配对池中选定其中一个染色体和染色体x进行交叉操作;配对池中个体y<sub>i</sub>,i=1,2,…L被选择与个体x进行配对交叉的概率P(y<sub>i</sub>/x)为:<img file="FDA0001143621720000033.GIF" wi="1379" he="190" />式中,L为配对池中染色体个数;λ为常数,0≤λ≤1;<img file="FDA0001143621720000034.GIF" wi="418" he="135" />ρ(x,y<sub>i</sub>)是根据式7所算得的染色体x与y<sub>i</sub>之间的不相关指数;ρ<sub>max</sub>=max{ρ(x,y<sub>i</sub>),i=1,2,...,L},ρ<sub>min</sub>=min{ρ(x,y<sub>i</sub>),i=1,2,...,L};交叉点的选取方法为:首先确定有效交叉点区域,然后在有效交叉区域中随机选择一个位置作为交叉点,交叉区域为(n<sub>min</sub>,n<sub>max</sub>),n<sub>min</sub>以及n<sub>max</sub>由式9确定:<img file="FDA0001143621720000041.GIF" wi="1318" he="150" />(3‑3)变异操作首先通过轮盘赌方法判断某个染色体是否要变异,变异概率P<sub>m</sub>的大小由式10确定:<img file="FDA0001143621720000042.GIF" wi="1374" he="327" />其中,P<sub>mmax</sub>取值0.2,f<sub>max</sub>选取式5中遗传概率的最大值,f<sub>avg</sub>为式5中所有遗传概率值的平均;若某个染色体确定为待变异染色体后,在该染色体中随机选取一个位置作为变异点,在变异点以及变异点后所有编码0,1互换,形成新的染色体并加入到新的种群中;(4)用户反馈:用户逐一听取每条染色体对应形成的语音信号,主观判断该语音信号的好坏,并根据判断结果进行所述5个等级的评价,该评价将作为下一代进化的选择操作的依据;重复步骤3以及步骤4,直到进化代数达到上限。
地址 211189 江苏省南京市江宁区东南大学路2号