[发明专利]一种助听器自验配方法

摘要

本发明公开了一种助听器自验配方法，该方法首先建立知识库，找出与当前患者最相似的历史患者，获得该历史患者的最优化助听器算法参数，然后当前患者对声音质量进行满意度评估，根据评价指标迭代更新助听器算法参数，并与知识库进行交互，然后根据更新的助听器算法参数生成测试声音给当前患者，直到当前患者满意为止。本发明引入知识库，极大地缩小了助听器算法参数匹配范围，显著提高了助听器验配效率；根据评价指标迭代更新助听器算法参数，最大限度的满足当前患者对助听器的期望值，提高了助听器算法参数的精确性。

主权项

一种助听器自验配方法，其特征在于，包括以下步骤：步骤一：建立知识库：知识库中包含历史患者的个人信息和与历史患者匹配的最优化助听器算法参数；步骤二：查找最优化助听器算法参数：将当前患者个人信息输入知识库，并与知识库中历史患者的个人信息进行匹配，找出与当前患者最相似的历史患者，获得该历史患者的最优化助听器算法参数；步骤三：当前助听器声音测试：将步骤二中获得的历史患者的最优化助听器算法参数或步骤四更新的助听器算法参数输入当前助听器，并将生成的测试声音提供给当前患者，当前患者对声音质量进行满意度评估；步骤四：验配结果判定：若当前患者对声音质量不满意，则对当前助听器进行助听器算法参数更新，将当前的助听器算法参数输入知识库生成新的助听器算法参数，并返回步骤三，重新进行当前助听器声音测试；若当前患者对声音质量满意，则将当前患者个人信息和与当前患者匹配的最优化助听器算法参数输入知识库，结束验配；当前患者对声音质量进行的满意度评估包含对测试声音的自然度、清晰度和舒适度三类指标的评估；所述助听器算法参数更新包含以下步骤：1)结合知识库，分别确定测试声音的自然度、清晰度和舒适度三类指标的后验概率；2)设当前助听器算法参数为C1，依据当前患者的满意度评估，结合测试声音的三类指标后验概率，获得C1中当前患者满意的助听器算法参数的部分参数B1，并根据B1在知识库中寻找匹配的助听器算法参数C2；3)随机产生一个与C2等长的混沌变量X＝(X1,X2,…,Xl,…,Xd)，其中Xl∈[0,1]；对X进行Tent混沌映射，得到：令newXl＝minl+(maxl‑minl)·X′l，其中，[minl,maxl]是助听器算法参数第l维变量的定义域，则得到混沌扰动量newX＝(newX1,newX2,…,newXl,…,newXd)，则混沌扰动后的更新参数C3＝(C2+α·newX)/2，其中α为与用户满意度成反比的比例常数；4)对更新参数C3进行M次高斯变异，生成的参数为CNi＝C3﹡(1+N(0,1))，其中i∈[1,M]，N(0,1)表示期望为0、标准差为1的正态分布随机数，最后，参数组成参数群Y＝(CN1,CN2,…,CNl,…,CNM)；5)计算参数群Y中的任一参数与当前参数C1的欧式距离Dm，其中m∈[1,M]，并按照欧式距离从大到小将参数群Y进行排序，得到参数群YN＝(CN′1,CN′2,…,CN′l,…,CN′M)，然后每Q个参数选一个参数形成参数子群Y′＝(CN′1,CN′Q,…,CN′[M/Q]·Q)；6)定义参数子群Y’中Dm最大的参数为最佳个体yb，Dm最小的参数为最差个体yw，则更新给当前助听器的最优化助听器算法参数为Cbest＝C1+rand()﹡(yb‑yw)，其中rand()表示随机数。