基于脑电图（EEG）信号的具有自我调节能力的助听器制造技术

本发明专利技术涉及一种助听器，其包括：麦克风，配置为提供与助听器的用户自然接收的声音刺激相对应的麦克风信号；处理单元，其耦合至麦克风，所述处理单元配置为至少基于麦克风信号提供经处理的信号；扬声器，其耦合至处理单元，所述扬声器配置为基于经处理的信号提供声音信号；以及传感器，配置为测量用户对声音刺激的神经响应，并提供传感器输出；其中，处理单元配置为基于麦克风信号检测语音的存在，并处理传感器输出和麦克风信号以估计语音可懂度；以及处理单元还配置为至少基于所估计的语音可懂度来调节助听器的声音处理参数。

【技术实现步骤摘要】
基于脑电图（EEG）信号的具有自我调节能力的助听器
本专利技术涉及一种助听器。
技术介绍
助听器的验配是一项难题，必须根据个人的需要选择许多声音放大的自由参数，但这样做的最佳标准尚未确定。听力图很容易获得，并为不同频带的增益提供了客观标准，但是其他参数(例如压缩)的选择没有客观标准。仅基于听力图所产生的放大通常不会转化为良好的语音可懂度(intelligibility)，有时可能会产生令人不适的背景噪声放大。为解决这些问题，听力专家会征求用户的主观反馈，并根据他们的个人经验做出选择。然而，与听力学专家在一起的时间仅限于短暂的验配过程，行为反馈可能不可靠，并且临床环境通常不能很好地预测日常体验。这可能会导致助听器调整不良，从而导致用户满意度差，包括虽然消费者购买成本很高但却未使用的设备。简而言之，验配过程容易出错，超出制造商的控制，并且会对品牌带来很大风险。在设备发出后，征求更频繁或持续的用户反馈可能会很麻烦，并且对于典型的老年人群来说，可能价值有限。因此，迫切需要基于客观标准，基于用户的日常经验来调节助听器参数，并且，将对用户反馈的需要最小化或不需要用户反馈。
技术实现思路
本文描述的实施例涉及一种助听器，该助听器可调节自身以改善语音可懂度。在一个实施方式中，助听器记录用户自然接收的声音，例如声音刺激(acousticstimulus)，以及与声音同时测量的用户的神经响应(neuralresponses)。当检测到语音时，声音与神经响应相关，并且这种相关性的强度将用于估计语音可懂度。基于上述估计，逐步调整助听器中声音处理参数以改善可懂度。本专利技术的一方面涉及一种助听器，其包括：麦克风，配置为提供与助听器的用户自然接收的声音刺激相对应的麦克风信号；处理单元，其耦合至麦克风，所述处理单元配置为至少基于麦克风信号提供经处理的信号；扬声器，其耦合至处理单元，所述扬声器配置为基于经处理的信号提供声音信号；以及传感器，配置为测量用户对声音刺激的神经响应，并提供传感器输出；其中，处理单元配置为基于麦克风信号检测语音的存在，并处理传感器输出和麦克风信号以估计语音可懂度；以及其中，处理单元还配置为至少基于所估计的语音可懂度来调节助听器的声音处理参数。在本专利技术的某些实施例中，处理单元配置为处理传感器输出，而不检测麦克风信号中的语音或语音信号的各个语音特征或分量，例如音节和/或音位。这些单独的语音功能或分量的持续时间或长度通常小于1秒，例如小于500ms。处理单元可配置为在不检测与各个语音特征或分量相关联的所谓的晚正电位或类似事件相关电位(ERP)的情况下处理传感器输出。例如，处理单元可配置为基于助听器正常操作期间的连续语音，例如持续时间超过5秒或10秒甚至超过30秒或1分钟的整个句子的语音片段，根据神经响应(例如，EEG信号)来估计语音可懂度。从而，可减轻处理单元将检测到的语音分为单个语音特征或成分并测量对这些单个语音特征或成分中的每一个的神经响应。使用连续语音而不是单个语音特征或分量可显著减少处理单元的计算资源消耗，例如MIPS和/或内存使用量，因为与检测和/或分离单个语音特征或连续语音的分量相比，仅检测例如在麦克风信号中语音的存在或不存在通常对处理单元的资源需求要少得多。可选地，神经响应包括脑电活动(encephalographicactivity)。可选地，传感器被配置为放置在助听器用户的耳道内或耳外。可选地，助听器进一步包括附加传感器，该附加传感器配置为放置在助听器用户的另一耳道内或另一耳朵外。可选地，处理单元配置为基于包含语音的声音刺激与神经响应之间的刺激-响应相关性的强度来估计语音可懂度。可选地，刺激-响应相关性包括声音刺激的特征与神经响应的特征的时间相关性(temporalcorrelation)。可选地，声音刺激的特征包括基于麦克风的输出记录在助听器中的声音的振幅包络，例如语音振幅包络或语音包络。可选地，神经响应的特征包括脑电图诱发反应(electroencephalographicevokedresponse)。可选地，处理单元配置为使用多元回归技术确定刺激-响应相关性。可选地，声音处理参数包括助听器的长期处理参数。可选地，助听器的长期处理参数包括放大增益、压缩系数、功率估计的时间常数、放大拐点或声音增强模块的任何其他参数。可选地，长期处理参数可重复使用，以处理多个未来信号。可选地，处理单元配置为使用自适应算法来提高所估计的语音可懂度。可选地，处理单元配置为执行强化学习以提高所估计的语音可懂度。可选地，处理单元配置为执行典型相关性分析，以将神经响应与声音刺激相关联。可选地，处理单元配置为执行典型相关性分析，以建立使神经响应和声音刺激之间的相关性最大化的模型。可选地，助听器进一步包括用于存储传感器输出的存储器。可选地，传感器输出包括至少30秒的数据。可选地，处理单元进一步包括声音增强模块，该声音增强模块配置为提供更好的听力。可选地，处理单元进一步包括存储器，其中传感器输出和麦克风信号同时记录在助听器的存储器中。可选地，处理单元进一步包括存储器，其中基于暂时将传感器输出与麦克风信号相关联的数据结构，将传感器输出和麦克风信号存储在存储器中。本专利技术的第二方面涉及一种由助听器执行的方法，所述助听器具有配置为提供与助听器的用户自然接收的声音刺激相对应的麦克风信号的麦克风；配置为至少基于麦克风信号提供经处理的信号的处理单元；配置为基于经处理的信号提供声音信号的扬声器；以及传感器，所述方法包括：通过传感器获得对声音刺激的神经响应；基于神经响应提供传感器输出；通过处理单元处理传感器输出和麦克风信号，以估计语音可懂度；以及至少基于所估计的语音可懂度，调节助听器的声音处理参数。当结合附图阅读以下详细描述时，实施例的其他优点和特征将变得显而易见。附图说明附图示出了实施例的设计和实用性，其中相似的元件由共同的附图标记指代。这些附图不必按比例绘制。为了更好地理解如何获得上述及其他优点和目的，将给出在附图中示出的实施例的更具体描述。这些附图仅描绘了典型的实施例，因此不应被认为是对其范围的限制。图1A至图1F示出了根据不同实施例的具有语音可懂度估计器的助听器。图2示出了具有语音可懂度估计器的助听器中的信号流。图3示出了基于来自语音可懂度估计器的输出的用于助听器的波束形成器、降噪模块和压缩器的助听器调节参数中的调节器。图4示出了具有语音可懂度估计器和声音分类器的助听器。图5示出了助听器执行的方法。具体实施方式在下文中，参照附图描述各种示例性实施例和细节。应当注意，附图可以或可以不按比例绘制，并且在所有附图中相似结构或功能的元件由相同的附图标记表示。还应注意，附图仅旨在便于实施例的描述。它们并非旨在作为对本专利技术的详尽描述或作为对本专利技术范围的限制。此外，所示实施例不需要具有所示的所有方面或优本文档来自技高网...

【技术保护点】
1.一种助听器，包括：/n麦克风，配置为提供与所述助听器的用户自然接收的声音刺激相对应的麦克风信号；/n处理单元，耦合至所述麦克风，所述处理单元配置为至少基于所述麦克风信号提供经处理的信号；/n扬声器，耦合至所述处理单元，所述扬声器配置为基于所述经处理的信号提供声音信号；以及/n传感器，配置为测量所述用户对所述声音刺激的神经响应，并提供传感器输出；/n其中，所述处理单元配置为基于所述麦克风信号检测语音的存在，并处理所述传感器输出和所述麦克风信号，以估计语音可懂度；以及/n其中，所述处理单元还配置为至少基于所估计的语音可懂度来调节所述助听器的声音处理参数。/n

【技术特征摘要】
20190408 EP 19167727.7;20181229 US 16/236,3731.一种助听器，包括：
麦克风，配置为提供与所述助听器的用户自然接收的声音刺激相对应的麦克风信号；
处理单元，耦合至所述麦克风，所述处理单元配置为至少基于所述麦克风信号提供经处理的信号；
扬声器，耦合至所述处理单元，所述扬声器配置为基于所述经处理的信号提供声音信号；以及
传感器，配置为测量所述用户对所述声音刺激的神经响应，并提供传感器输出；
其中，所述处理单元配置为基于所述麦克风信号检测语音的存在，并处理所述传感器输出和所述麦克风信号，以估计语音可懂度；以及
其中，所述处理单元还配置为至少基于所估计的语音可懂度来调节所述助听器的声音处理参数。


2.根据权利要求1所述的助听器，其特征在于，所述神经响应包括脑电活动。


3.根据前述权利要求中任一项所述的助听器，其特征在于，所述处理单元配置为基于所述声音刺激与所述神经响应之间的刺激-响应相关性的强度，来估计所述语音可懂度，所述声音刺激包含语音。


4.根据权利要求3所述的助听器，其特征在于，所述刺激-响应相关性包括所述声音刺激的特征与所述神经响应的特征的时间相关性。


5.根据权利要求4所述的助听器，其特征在于，所述声音刺激的特征包括基于所述麦克风的输出，记录在所述助听器中的声音的振幅包络。


6.根据权利要求4所述的助听器，其特征在于，所述神经响应的特征包括脑电图诱发反应。


7.根据权利要求3至权利要求6中的任一项所述的助听器，其特征在于，所述处理单元配置为使用多元回归技术来...

【专利技术属性】
技术研发人员：T·皮乔维亚克，A·B·迪特贝尔纳，L·C·帕拉，I·V·伊奥佐夫，
申请(专利权)人：大北欧听力公司，纽约城市大学研究基金会，
类型：发明
国别省市：丹麦;DK