[发明专利]一种基于BP人工神经网络的数字助听器智能验配方法

权利要求书

1.一种基于BP人工神经网络的数字助听器智能验配方法，其特征在于，利用现有的听力图和频谱增益响应作为训练数据去训练BP人工神经网络，通过训练后的网络来估计预测新的患者，具体包括以下步骤：

(1)构建BP人工神经网络，包括输入层、隐含层和输出层，所述输入层、隐含层和输出层的节点数分别为10、20和30，按照频谱分为10个通道，即频率在250、500、750、1000、1500、2000、3000、4000、6000和8000Hz的目标为40dB的增益、压缩比和压缩拐点；其中输入层包括频率在250、500、1000、2000、3000、4000、6000、8000Hz时的听阈以及性别和经验的10个节点；输出层包括频率在250、500、750、1000、1500、2000、3000、4000、6000和8000Hz的目标为40dB的增益、压缩比和压缩拐点的30个节点；

(2)利用遗传算法对步骤(1)建立的BP人工神经网络的初始权值和初始阈值进行优化；

(3)对步骤(2)中经过优化后的BP人工神经网络进行训练，训练数据采用真实患者的案例，通过对BP人工神经网络的不断训练，使其逐步成熟，最终得到一个相对成熟的基于BP人工神经网络的数字助听器验配算法；

(4)搭建用于对经过步骤(3)所述验配算法得到的增益输出进行优化的公式模型；

(5)利用步骤(4)建立的所述公式模型对所述验配算法通过加权方式进行修正，以得到增益输出，随着后续训练数据的不断增多，加权系数会逐渐接近1，最终得到成熟完善的基于BP人工神经网络的数字助听器智能验配算法。

2.根据权利要求1所述一种基于BP人工神经网络的数字助听器智能验配方法，其特征在于，步骤(1)中所述BP人工神经网络参数包括输入层和隐含层之间的权值W_ij以及隐含层和输出层之间的权值W_jk，还包括隐含层和输出层的阈值。

3.根据权利要求1所述一种基于BP人工神经网络的数字助听器智能验配方法，其特征在于，步骤(2)中所述优化流程如下：

a.设定遗传算法的种群规模和迭代次数；

b.将BP人工神经网络的初始权值和阈值进行GA编码，通过患者的听力图与频谱增益响应得到每个个体的适应度；

c.最终经过遗传算法的选择操作、交叉操作和变异操作对初始权值和阈值进行种群适应度的计算，最终达到对网络阈值和权值的寻优。