[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

说明书

本发明公开了一种基于BP人工神经网络的数字助听器智能验配算法，该算法基于BP人工神经网络，通过大量的训练数据对网络进行训练，得出一个令人满意的成熟网络，并利用自行建立的公式模型对网络进行修正，从而得到成熟的智能验配算法；本发明利用遗传算法原理对BP人工神经网络的初始权值和阈值进行优化，并利用现有的听力图和频谱增益响应作为训练数据对BP人工神经网络进行训练，同时通过验配公式模型对网络进行修正，得到成熟的BP人工神经网络来代替现有的验配处方公式，进而得到数字助听器的各通道增益、最大声输出、压缩率以及压缩拐点等参数。

技术领域

本发明属于数字助听器领域的验配算法，更具体的说，是涉及一种基于BP人工神经网络的数字助听器智能验配算法，该算法基于BP人工神经网络，通过大量的训练数据对网络进行训练，得出一个令人满意的成熟网络，并利用自行建立的公式模型对网络进行修正，从而得到成熟的智能验配算法。

背景技术

目前，中国人口老龄化问题日趋严重，到2030年中国老年人口比例将接近30％，耳聋是老年人的常见病，随着老年人口的增加，患有耳聋的老年人口的数量日益增多，人们对于助听器的需求与日俱增。

数字助听器的诞生为助听器的发展奠定了坚实的基础，无论是语音信号处理的准确性还是应用的便捷性都有了长足的进步，这些性能的优化主要取决于动态范围压缩器，而动态压缩器是如何工作的主要取决于验配公式所得到的增益参数。数字助听器的验配公式有很多，主要分为以听阈为基础的和以响度为基础的，其中以听阈为基础的又分为线性的和非线性的两种。对于以响度为基础的主要有LGOB，线性的主要有NAL、DSL等，非线性的主要包括 NAL-NL1、FIG6、DSL(i/o)等，目前最广泛应用的是POGO、NAL、DSL这三种。

不同的验配公式对于同一个患者所得出的结果是不相同的，验配达到的效果也各有利弊。 POGO公式是一个简单的半增益方法，即取得患者听阈的一半在加上经验常数得到通道增益，这种验配公式主要是对响度进行了调整，对于语言的可懂度的要求较少。NAL的发展经历了四代，现在的NAL-NL2已经非常成熟，尤其对于中等程度的耳聋患者的选配具有重要的实用价值。DSL验配公式主要适用于儿童。这几种常用的验配公式虽各有优点，但是对于听力损伤严重的耳聋患者效果较差，并且由于不同的患者需要选择不同的验配处方公式以达到最优的验配效果，这给验配工作带来了极大的不便。

验配师希望有一种简单的验配方案，能够根据患者的听力图得出一个十分准确的验配参数，并且会随着验配案例的增多逐步完善，从而达到一个令人满意的验配效果。

发明内容

本发明的目的是为了克服现有技术中的不足，提供一种基于BP人工神经网络的数字助听器智能验配算法，该算法基于BP人工神经网络，通过大量的训练数据对网络进行训练，得出一个令人满意的成熟网络，并利用自行建立的公式模型对网络进行修正，从而得到成熟的智能验配算法；本发明利用遗传算法原理对BP人工神经网络的初始权值和阈值进行优化，并利用现有的听力图和频谱增益响应作为训练数据对BP人工神经网络进行训练，同时通过验配公式模型对网络进行修正，得到成熟的BP人工神经网络来代替现有的验配处方公式，进而得到数字助听器的各通道增益、最大声输出、压缩率以及压缩拐点等参数。

本发明的目的是通过以下技术方案实现的：

一种基于BP人工神经网络的数字助听器智能验配算法，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；

(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；