The invention discloses a BP artificial neural network intelligent digital hearing aid fitting algorithm based on the BP algorithm based on artificial neural network, the training of the network through a large amount of training data, obtains a satisfactory mature network, and the network is modified with the formula model developed, so as to obtain the intelligent fitting algorithm mature; the invention utilizes the principle of genetic algorithm of BP artificial neural network to optimize the initial weights and thresholds, and the use of the audiogram and the response spectrum gain existing as training data to train BP neural network, and the network is corrected by fitting formula model, obtained the mature BP artificial neural network to replace the fitting formula the existing formula, and then obtain the digital hearing aid of each channel gain, maximum sound output, compression rate and compression kneepoints. The number of.
【技术实现步骤摘要】
一种基于BP人工神经网络的数字助听器智能验配算法
本专利技术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。
技术介绍
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 ...
【技术保护点】
一种基于BP人工神经网络的数字助听器智能验配算法,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;(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。
【技术特征摘要】
1.一种基于BP人工神经网络的数字助听器智能验配算法,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;(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...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。