一种基于BP人工神经网络的数字助听器智能验配方法组成比例

本发明专利技术公开了一种基于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；本发明专利技术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。

A kind of intelligent digital hearing aid fitting algorithm based on artificial neural network BP

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。
技术实现思路
本专利技术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；本专利技术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。本专利技术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；(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。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Wij以及隐含层和输出层之间的权值Wjk，还包括隐含层和输出层的阈值。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。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。与现有技术相比，本专利技术的技术方案所带来的有益效果是：1.为了更加准确的确定神经网络的初始权值和阈值，本专利技术利用遗传算法对神经网络进行优化，该优化算法已经非常成熟，遗传算法遵循“数竞人择，优者生存”的原则完成对网络初始权值和阈值的寻优；BP人工神经网络经遗传算法优化后，相对于原始的BP人工神经网络具备了先天的优势，通过将大量验配案例中的听力图和频谱增益响应对网络进行训练，随着训练数据的不断增加，基于BP人工神经网络的数字助听器智能验配算法也将越来越成熟。2.为了使得验配的结果更加准确，本专利技术还利用自己建立的公式模型对BP人工神经网络进行了修正，通过两者的加权得出各通道增益，最终得到一个成熟的数字助听器智能验配算法。3.在验配阶段，验配师只需要将听力测试的结果作为输入数据经本专利技术智能验配算法计算便可以得出令人满意的各通道增益、压缩比以及压缩拐点等参数，因为基于BP人工神经网络的数字助听器算法是经过大量验配案例训练得到的成熟网络，其输出的结果必然会接近患者真实的验配效果。4.本专利技术所涉及到的算法模型已经相对成熟，相比于其他的验配处方公式，基于BP人工神经网络的数字助听器智能验配算法所覆盖的范围更加广泛，并且由于该算法模型是经过真实验配案例所得到的成熟的算法模型，其输出的结果也将在一定程度上优于其他验配处方公式。本专利技术所涉及到的算法适合于数字助听器验配过程中代替现有的验配处方公式，必将为验配工作提供一个更加准确便捷的验配方案。附图说明图1是本专利技术所用到的BP人工神经网络的拓扑结构示意图。图2是本专利技术利用遗传算法优化BP人工神经网络并进行训练的具体流程图。图3是本专利技术所用到的公式模型验配方案流程图。图4是本专利技术所用到的公式验配原则与BP神经网络智能算法加权验配的流程图。具体实施方式下面结合附图对本专利技术作进一步的描述：一种基于BP人工神经网络的数字助听器智能验配算法，实际上是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。进一步讲就是利用经过遗传算法原理优化的BP人工神经网络，通过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，同时利用验配公式的模型对训练后的网络进行修正，最终得到成熟的基于BP人工神经网络的数字助听器验配算法。具体过程步骤如下：(1)构建BP人工神经网络，本实施例所使用的BP人工神经网络是一种多层次的前馈神经网络，即数据前向传递，误差后向传递。如图1所示，为BP人工神经网络的拓扑结构，BP人工神经网络是一种已经非常成熟的人工神经网络，主要结构包括输入层、隐含层和输出层。主要参数包括输入层和隐含层之间的权值Wij以及隐含层和输出层之间的权值Wjk，同时还包括隐含层本文档来自技高网...

【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...

【专利技术属性】
技术研发人员：陈霏，王帅，姬俊宇，
申请(专利权)人：天津大学，
类型：发明
国别省市：天津,12