[发明专利]基于深度学习网络的助听器自验配方法

说明书

本发明公开了一种基于深度学习网络的助听器自验配方法，通过构建患者综合信息库，通过对患者和验配过程的深入分析，发现验配过程中有效的策略，从而构建新的智能助听器自验配模型，提高验配效率；引入深度学习网络，通过大量的数据训练，使网络具有人工智能，能根据患者的基本信息快速生成符合患者听损特性的语音信息，同时还能根据患者的评价反馈，自动调节输入增益，大大缩短验配时间，改善用户满意度。

技术领域

本发明涉及音频信号处理技术领域，具体涉及一种基于深度学习网络的助听器自验配方法。

背景技术

我们知道，听力损失会严重影响听障患者的身心健康，佩戴助听器是目前听障患者改善听力最有效的手段。在中国，由于庞大的老龄听损人口、落后的助听器技术、以及汉语与英语本身的差异性，都使得汉语数字助听器技术研究面临严峻的挑战。

传统的助听器验配主要依靠听力专家对患者问题的解读，然后转化为正确的助听器电声特征。由于，助听器的类型及其信号处理的参数数量不断增加，对听力专家的技能要求越来越高，已成为制约助听器使用的重要因素之一。当前，使用人工智能算法来替代听力专家的作用成为一种研究趋势，如基于遗传算法对谱增强算法参数和多通道补偿算法参数的优化，但是该遗传算法的收敛速度慢，稳定性差，影响了算法的实用性。而且，由于缺乏有效的认知评估方法，基于认知的参数优化算法的研究进展缓慢，近年来，有些专家提出一种自验配的助听器参数优化算法，即通过患者的反馈利用智能算法取代听力专家的工作，从而变相的引入认知因素。

但是上述的算法，仍然没有充分利用患者的综合性信息，比如认知能力，验配过程，因此，如何基于这些数据构建新的自验配模型改善言语增强效果有待进一步研究。为了解决助听器验配方法存在的问题，相关领域技术人员莫不费尽心思来谋求解决之道，但长久以来一直未见适用的方法被发展完成，如何解决上述的问题，是当前急需实现的。

发明内容

本发明的目的是解决传统的助听器验配过程，没有充分利用患者的综合性信息，验配方法效率低下、精确度低，难以满足患者需求的问题。本发明的基于深度学习网络的助听器自验配方法，通过构建患者综合信息库，通过对患者和验配过程的深入分析，发现验配过程中有效的策略，从而构建新的智能助听器自验配模型，提高验配效率；引入深度学习网络，通过大量的数据训练，使网络具有人工智能，能根据患者的基本信息快速生成符合患者听损特性的语音信息，同时还能根据患者的评价反馈，自动调节输入增益，大大缩短验配时间，改善用户满意度。

为了达到上述目的，本发明所采用的技术方案是：

一种基于深度学习网络的助听器自验配方法，包括以下步骤，

步骤(A)，建立患者综合信息数据库；

步骤(B)，构建深度学习网络，并基于患者综合信息数据库内的信息进行训练；

步骤(C)，根据训练后的深度学习网络，结合患者的评价反馈，对助听器进行自验配测试。

前述的基于深度学习网络的助听器自验配方法，步骤(A)，建立患者综合信息数据库，所述患者综合信息数据库，包括(A1)，患者基本信息库，包含年龄，性别，听力图以及听障年限；

(A2)，认知能力指标库，包括空间听觉测量、场景分析能力测量、一心多用时的动态听觉测量、听觉记忆容量测量、听觉注意测量、疲劳与耐受力测量；

(A3)，验配过程信息库，包括验配所用语音，每次参数变化情况、每次调整生成的语音患者的反馈情况。

前述的基于深度学习网络的助听器自验配方法，步骤(B)，构建深度学习网络，并基于患者综合信息数据库内的信息进行训练，包括以下步骤，

(B1)，根据解码器层、编码器层和输出层架构，构建卷积长短期记忆网络，同时增加增益调节层来反馈患者的评价；