非对称性调整的制作方法

专利名称：非对称性调整的制作方法
技术领域：
本发明涉及一种调整助听器处理参数的方法，尤其涉及具有第一助听器和第二助 听器的双耳助听系统，第一助听器和第二助听器每一个都包含麦克风、用于响应在声音环 境中各自的麦克风所接收的声音信号来提供数字输入信号的模/数转换器、适用于按照预 定信号处理算法处理数字输入信号以生成处理过的输出信号的处理器、数/模转换器、以 及用于将各自的处理过的声音信号转换为声音输出信号的输出传感器。
背景技术：
助听器典型地包括数字信号处理器(DSP)，用于处理助听器接收到的声音以弥补 使用者的听力损失。现有技术中公知的是，DSP的处理过程由信号处理算法来控制，该算法 具有各种用于调整实际执行的信号处理的参数。多通道助听器中每个通道的增益就是这类 参数的例子。DSP的灵活性可用来提供多个不同的算法和/或特定算法的多个参数集。例如，可 为噪声抑制提供多个算法，即无用信号的衰减和期望信号的放大。期望信号通常是谈话或 音乐，而无用信号可以是背景谈话、饭店的喧哗声、音乐(当谈话为期望信号时)、交通噪音寸。不同的算法或参数集在诸如谈话、含混不清的谈话、饭店喧哗声、音乐、交通噪音 等不同声音环境下提供舒适及清楚再现的音质。从不同声音环境中得到的音频信号可具有 极其不同的特点，例如平均及最大声压级(SPL)和/或频率内容。在助听器中，每种类型的 声音环境可与特定程序相关联，其中，信号处理算法的算法参数的特定设置在特定声音环 境下提供具有最佳信号质量的经处理的声音。此类参数集可典型地包括与带宽增益、频率 选择性滤波算法的拐角频率(cormerfrequency)或斜率有关的参数以及控制诸如自动增 益控制(AGC)算法的膝点(knee-point)和压缩比的参数。助听器可提供若干不同的程序，每个程序适合特定声音环境类别和/或特定用 户偏好。信号处理参数最初可在配听店(dispenser’ s office)的配听会话(fitting session)期间确定，并且通过激活助听器的非易失性存储区域的相应算法及算法参数和/ 或将相应算法及算法参数传送给非易失性存储区域而将其编程到该装置中。当听障用户戴着左右助听器时，通常希望两个助听器能按照在某种程度上同步的 方式操作。问题在于需要多大程度的同步，需要哪种类型的同步，以及在哪种环境下用户 需要哪种类型的同步。一个复杂的问题是，由于对于双耳助听系统对称性的偏好可能依赖 于环境，可能在使用期间变化，或者很难简单地基于实验室配听过程而预先确定，因此很难 在配听会话之后就预先确定所期望的同步。在关于音频、谈话、以及音乐处理的EURASIP杂志上公开的名为“助听装 置的在线个性化”的近期研究，2008年卷，文章号183456，第14页，2008年。doi 10. 1155/2008/183456,作者Alexander Ypma, JobGeurts, SerkanOssr ,Erik van der Werf 和Bert de Vries，其中要求一组10人的听障用户个性化两个装置的降噪参数时，表明一些参与者偏好在双耳助听系统中的非对称性。目前为了配置双耳助听系统，用户需要分别调整左右两个助听器。对于用户来说， 这种与助听系统的双侧用户交互被认为是个负担。左右助听器可以例如通过助听器之间的无线连接彼此通信。利用这种构造，可以 通过以非对称性方式同步助听器来使用关于对称性和非对称性左右偏好的综合知识，即， 受益于轻松同步但同时允许非对称性。此外，非对称性听力损失和/或偏好的模型可用来预测非对称性参数变化。更进 一步地，在双耳助听系统中，用户对其中一个助听器的调整可被用来推断对另一个助听器 的调整，甚至是仅基于部分(左装置或右装置)输入来更新双耳助听系统的设置。

发明内容
本发明的第一方面提供了一种调整构成用户佩戴的双耳助听系统的一部分的第 一和第二助听器的信号处理参数的方法，该双耳助听系统包括表示用户的第一耳与第二耳 表示之间期望的非对称性的用户专用模型，该方法包括如下步骤检测在第一助听器中对处理参数变化的请求，响应于该请求，调整在第一助听器中的信号处理参数，响应于该请求并基于用户专用模型，调整第二助听器的处理参数。该方法还可进一步包括在使用双耳助听系统期间相对于所期望的非对称性来适 应(adapt)模型的步骤。适应模型的步骤可在调整第二助听器的处理参数以及响应于处理第二助听器的 参数变化的第二请求之后执行。例如，用户并不满意对于第二助听器的处理参数的新调整 并且通过第二请求手动调整第二助听器。优选地，对于手动调整，仅在如果它是在调整第二 助听器的处理参数的步骤之后的短的预定时间间隔内执行，才被并入模型，即第二请求可 在调整第二助听器的处理参数后在预定时间间隔内执行。适应模型的步骤可包括修改所观察的声音环境的非对称性行为。例如，适应模型 的步骤基于统计处理的环境数据。例如，第一以及第二助听器的处理参数的特定设置可代 表依赖于声音环境的类型的特定权衡(compromise)，用户通常在这种声音环境中度时光， 正如统计处理的环境数据所指示的那样。检测步骤可包括例如通过硬件中断或其他信号传输方式的记录信号或参数变化 的请求。当例如通过某种控件，诸如调节轮(如，音量轮)、按钮、拨动开关、或者控制助听 器的远程设备的致动器，来操作助听器之一时，根据本发明的方法将另一助听器与第一助 听器同步，但是优选地并不简单地将相同的调整拷贝至另一助听器。根据本发明的方法确 保将两耳的偏好和听力损失上的差异考虑进去。这种模型基于通过例如听力图或其他一些 像PAT的衍生工具的测量。PTA是纯音听阈均值，即例如在500，1000,以及2000Hz的纯音 听阈均值。在双耳助听系统中，第一和第二助听器的角色可以由左助听器和右助听器互换扮演。根据本发明第一方面的方法中使用的模型可以是频率相关模型。这在当听力损失
4在整个频谱或者在给定的频率间隔上并不是固定不变时可能是有利的。可以理解，听力损失(hearing loss) 一词可以解释为是指第一耳听力损失和/或 第二耳听力损失。其他实施例中，听力损失一词可以解释为是指第一耳和第二耳之间的听 力损失的差别，以及也可能包括例如可能反映任何期望的非对称性的其他类型的数据。在根据本发明的方法中，检测到改变处理参数的请求。请求可能源于几个事件中 的一个或者事件的组合，包括但不局限于在助听器之一上的一个调节转轮的操作、在助听 器之一上按下按钮，对控制助听器之一或二者或与助听器之一或二者通信的远程控制的操 作、监测环境声音的设备或电路或其中的任何组合。例如，双耳助听系统可自动地将用户的声音环境分类至多个相关或典型的日常声 音环境类别中的一个，诸如谈话、含糊不清的谈话、饭店的喧闹声、音乐、交通噪音等。可以将得到的分类结果用于各自的助听器以自动地选择助听器的信号处理特征， 例如，为所考虑的环境自动切换到最适合的算法。这种助听器将可以在各种声音环境中为 个别的助听器用户保持最优音质和/或话音清晰度。例如，可能需要在全方位和定向麦克风预置程序之间切换，依赖的不仅是背景噪 音的水平，而且还有该背景噪音其他信号特性。在助听器使用者与另一个人在存在背景噪 音下交谈的情况下，识别并对背景噪音的类型进行分类是有益的。当噪音是交通噪音时可 选择全方位操作，使得用户清楚地听到接近的车辆，而与其到达方向无关。另一方面，如果 背景噪音被分类为含糊不清的噪音，则选择定向收听程序以使用户在谈话期间按改进的信 噪比(SNR)收听目标谈话。用户两耳的声音特性可能明显不同，将会发生用户两耳所确定的声音环境不同的 情况，这会导致需要为用户的每只耳朵进行不同的声音信号处理。在第一助听器中处理请求以及调整相应参数或多个参数。基于请求并通过使用表 示听力损失和/或第二耳偏好的模型或规则，计算、预测或确定第二助听器的相应调整。然 后相应地调整第二助听器的处理参数。根据本发明的方法利用关于每只耳朵的听力损失的现有知识，和其他听力或心理 物理学的现有知识，以及以非对称的方式进行同步调整的环境信息。本发明的一个优点是，基于对处理参数变化的请求并且进一步通过使用表示佩戴 者的第一耳听力损失的特定模型，可以调整第一助听器中的信号处理参数。这允许使用表 示第一耳和第二耳这二者中的听力损失的模型或规则调整第一助听器的助听处理参数。当 同步导向参数水平时，本发明的优点是，在助听系统的两侧约束相同的导向参数仍可被看 作是非对称性同步。这是因为左右助听参数的非对称性可由两耳的不同声场而引起。导向 参数(steering parameter)是用来管理助听处理参数的计算的参数，来自诸如声音特性或 声音分类输出的环境描述符。导向参数还可以是将声音环境关联到助听器处理参数的参 数。这些都不固定为特定值。此外，可以按照特定环境中的助听器参数的值也可能反映用 户偏好的方式来修改导向参数。而且，用户仅需操作助听器中的一个，然而以适合于左右耳听力损失的方式调整 两个助听器。如上所述，处理参数变化的请求可源自佩戴者对执行器的初始化操作，或者可响 应于信号特性的变化而生成。助听器可包括检测周围声音环境的电路，诸如现有声音环境条件，诸如噪音情况，例如由于风声噪音或源自周围谈话或其它周围噪声源。在一些实施例中处理参数可以是音量水平，但还可使用其他参数，诸如均衡参数、 声音分类参数、降噪参数、降噪、压缩比、时间常数、分类器模块(classifier module)参数， 波束(定向处理)参数、反馈抑制参数、动态范围压缩参数等。此外，可控制或改变超参数。 超参数(hyperparameter)本身不是助听器处理参数。它是管理处理算法的工作的参数，并 且其被典型地固定为特定值。本发明的特殊优点是可响应处理参数变化的请求来适应模型。如果用户或者佩戴 者处于特定环境情况，并且相应地调整助听器，那么模型或规则可以响应于这种改变请求 而被调整或修改。期望减少佩戴者需要调整助听器的次数，由此可能增加佩戴者对助听器 的满意度。有利地，根据本发明的方法提供如下可能性，处理参数改变的请求可以包含关于 所要改变的一个或多个处理参数的信息以及表示改变量的参数。该请求可以包含关于哪个 或哪些参数要改变的信息以及所述参数变化的数量，例如，音量的增加或减少的量。本发明的一个实施例中，第一助听器可以是主设备，第二助听器可以是从设备。这 允许用户在第一、主助听器处单独做出改变，该变化将会传递或影响到第二、从助听器。进 一步地还可能是两个助听器均可担当主设备，但并不是同时，意味着两个设备均可接收变 化请求并且随后传送或应用该变化到另外一个设备。根据本发明的一个有利的实施例，模型可包含两个单独的导向向量，其每一个都 分别与用户的第一耳以及第二耳的听力损失相关，其中导向向量由表示联合双耳系统的概 率模型耦合。在根据本发明第一方面的方法的另一个有利的实施例中，非对称的整体程度还依 赖于第一和第二助听器的麦克风记录间的差别。根据本发明，代表用户听力损失的模型可以包含用户的第一耳和/或第二耳的测 量的或估计的听力损失。这在两耳中的听力损失不相同时是有利的。在本发明的更有利的实施例中，处理参数变化的请求可源自用户对致动器的初始 化操作或响应于信号特性的变化而产生。例如请求可以源自音量滚轮或者用户操作的其它 交互方式。目前优选的是，根据本发明第一方面的方法并不是在配听情形下执行。配听情形 通常由技术人员例如在实验室或临床执行。根据本发明的方法，优选地当佩戴者在其他任 何人例如处于工作、诸如在饭店用餐等的休闲环境、以及众人聚集的大型组织中的任何情 形下使用。该方法的优选地由佩戴者在任何嘈杂环境中使用助听器中实现，在嘈杂环境中听 力受损者如果不戴助听器的话将会感觉不舒服。请求可基于参数向量。第一和第二助听器模型可以是共享或共同参数或参数集或 向量。本发明的第二方面涉及包括信号处理器的助听器，其中，该助听器适用于在使用 中形成双耳助听系统的部分以及在使用中从另一个助听器接收信息，另一个助听器也适用 于形成双耳助听系统的部分，其中信号处理器被配置为基于在另一个助听器中的处理参数 变化的请求和表示用户的第一耳和第二耳之间的期望的非对称性的用户专用模型来调整
6该助听器中的信号处理参数。信号处理器可进一步被配置成响应请求而调整用户专用模型。根据第二方面的助听器可进一步被配置或适用于执行所提及的有关根据本发明 第一方面的方法的任何步骤。可将该模型置于第一助听器中或置于第二助听器中。在可选实施例中，将该模型 置于第三设备中，例如远程控制、诸如可佩戴设备或PDA的个人手持设备、个人数据助理、 移动/蜂窝电话等。在本发明的实施例中，模型可在第一和第二助听器间按如下方式共享，将该模型 的一些部分放置在第一助听器中，且将一些部分放置在第二助听器中。例如，在一个实施例 中，将该模型中关于将由第一助听器补偿的耳朵听力损失的部分放置在第一助听器中，而 将该模型中关于将由第二助听器补偿的耳朵的听力损失的部分放置在第二助听器中。在另一实施例中，模型的这些部分可以重叠，在一些实施例中可以完全重叠，即第 一和第二助听器二者在极端重叠的情形下可以具有相同的模型。


下面将参照附图中所示的示例性实施例更详细地描述该发明，其中图1示意性地图示双耳助听系统的简图。图2是图示本发明第一实施例的步骤的流程图的示意图。图3是本发明第一实施例的可选示图。图4是根据本发明的方法的修改的第一实施例的示意图。图5示意性地图示本发明的第二实施例。图6示出实质上与图1所示的结构相同的结构。图7示出本发明的实施例，其中两个助听器中的任何一个均可担当主设备的角 色。图8A，8B，和8C是本发明第二实施例的仿真示意图。图9是本发明第三实施例的示意图。图10是第三实施例的修改版本的示意图。图11是本发明第四实施例的示意图。图12是第六实施例的示意图。图13和14是人的听力损失的示意图。
具体实施例方式现在参照附图在下文中更详细描述本发明，在附图中示出本发明的示例性实施 例。然而本发明可能以不同形式实施，而不应局限于在此描述的实施例。更确切地，提供 这些实施例以使得本公开全面和完整，并向本领域技术人员充分地传达发明的范围。附图 是示例性的，并为了清晰起见进行了简化，仅示出理解本发明必需的细节，同时省略其他细 节。在全文中，对于相同或相应部分使用相同的附图标记。图1图示双耳助听器2的简化框图。双耳助听器2包括两个独立的助听器4和6， 它们适用于或被配置为彼此进行通信。助听器4、，6的每个都具有输入传感器8、，10，例如麦克风和/或电感线圈(未示出)，以提供电子输入信号。助听器4、，6还包含诸如压缩机 压缩器12、14的音频信号处理器、音量控制16、18以及诸如接收器的输出传感器20、22。图 1中的双耳助听器2按主从构造示出，其中，依赖于处理模块24所指示的用户听力损失模 型，在调整主助听器4的音量控制16之后，自动调整第二助听器6的音量。该示例中，主助 听器的助听器处理参数的调整是音量的调整，然而应该理解，也可以是任何类型的助听器 处理参数，并且主助听器4的一种处理参数的调整并不是必须伴随着从助听器6的相同种 类助听器参数(该示例中从助听器6也有音量调整)的调整。此外，应该理解，主助听器中 处理参数(该示例中为音量)的调整可自动触发，例如，主助听器中程序的自动改变。这种 程序的自动改变可由例如双耳助听器2的周围声音环境的变化触发。模型处理模块24可 被并入助听器4和6中的任何一个。应该理解在该实施例中，从助听器6的音量控制18是 可选的。图2图示本发明第一实施例的步骤的流程图的示意图。根据本发明的方法涉及在双耳助听系统中适应、调整或改变信号参数。双耳助听 系统包含两个助听器，其中一个用于佩戴者或用户的左耳并且另一个用于佩戴者或用户的 右耳。将本说明书中的双耳助听器称为第一和第二助听器。在不同情况下，左助听器和右 助听器可担当第一和第二助听器的角色。助听器中的一个被操作或接收改变处理参数的请 求，则该助听器被称为第一助听器，另一个则按非对称性模式被同步。那么该另一个助听器 被称为第二助听器。接收改变处理参数的请求(步骤26)。该请求包含要改变哪个处理参数的指示。 在特定实施例中，该请求可包含若干个参数的指示。除了对参数的标识，该请求还可包含参 数的变化量的指示。改变处理参数的请求可由若干个设备或单元之一生成。通常双耳助听器中的一个 或二者包括音量滚轮。该音量滚轮可以产生改变处理参数的请求。该请求可随附处理参数 应被改变的量的指示。该方法进一步包括在第一助听器中调整信号处理参数(步骤28)。在本发明的一 个实施例中，直接在第一助听器中改变或修改处理参数，即不考虑第一耳的听力损失。该方法还包括基于处理参数变化的请求以及特定模型32确定第二助听器的处理 参数变化(步骤30)，其中该模型表示用户第二耳的听力损失和/或根据各自的用户偏好在 第一耳和第二耳中的优选的非对称性。假定用户基于用户在第一耳对声音的感知需要改变第一耳的处理参数并因此操 作例如在第一耳的音量滚轮时，可设想这是有利的。在一个实施例中，根据本发明的方法基于对第一耳的参数变化的请求和第二耳的 听力损失的模型提供第二耳的处理参数的自动改变或适应。在本发明的特定实施例中，该 方法基于对第一耳的参数变化的请求和第二耳的听力损失的模型提供第二耳的相同处理 参数的自动改变或适应。第二耳的模型优选地为频率相关模型。非对称性听力损失的例子包括不同响度感知，即不同量的重振或L-R(其中L-R表 示左-右)听觉过敏，其导致一个或多个不同的阈值水平，不同的最舒适水平(MCL水平)， 不同的不舒适水平(UCL水平)或者在配听期间可选择或测量L-R水平映射。而且，非对称性SNR损失可影响L-R映射曲线，例如相对于舒适或清晰性偏好。在配听期间似乎很难预测和暗示试验或测量。该方法也包括在第二助听器中改变或适应一个或多个信号处理参数。可在任一助 听器中执行第一和/或第二助听器的信号处理参数变化的计算或确定。在双耳助听器的一 些实施例中，两个助听器都包括信号处理单元。可以在一个助听器中设置信号处理参数，然 后发送至另一个助听器。示例之一是其中两个助听器通过例如蓝牙或其他适合的协议的无 线连接进行通信的双耳助听系统。可选地，两个助听器可由电导体连接。图3图示双耳助听系统的实施例，其中该系统使用左右助听器参数的非对称性同
止
少ο在优选实施例中，双耳助听系统的两个助听器之间的模型或传送功能可提供从一 个助听器到另一个助听器所产生的改变的非线性或非对称性传送功能。优选地，如果用户仅控制第一助听器，则第二助听器可与第一助听器以非对称性 方式同步。对大部分收听情况而言，对于用户这是完全可接受的。例如，如果用户操作双耳助听系统中的一个助听器的音量调节滚轮，且左耳和右 耳具有不同的听觉范围，第二助听器的音量变化与第一助听器的音量变化可能不同，从而 导致两个耳朵同样感知到的响度方面的增加或减少。这种情况下，在此所描述的系统的实 施例允许基于音量滚轮上执行的操作及表示用户的听觉范围的差异的模型来自动调整第 二助听器。这样，用户不需要分别调整两个助听器的每一个。在一些实施例中，可配置系统来计算第一耳中因音量调整相对于第一耳的听觉范 围的总的增益变化的量级，然后在第二耳中发布(issue)增益变化，该增益变化相对于第 二耳的听觉范围具有相同的量级。图3至图12中下标L和R分别表示左和右。图3中左右输入声音用χ表示，由助 听器HA进行处理，HA输出处理过的声音y。将输出的声音y输入到左耳和右耳E，转化为在大脑中被结合的左右听觉神经信 号n，在大脑中对其进行观察、整合和估计。基于对该处理过的左右声音的双耳整合及估计， 用户可以做出决定d来调整左和/或右助听器。这将导致调整，该调整将构成校正r，以某种方式发布到助听器。学习模块L通过规定的规则学习并应用来自用户校正r的映射。仅在双耳助 听系统中的一个装置发布校正或调整r的情况下，规则在调整的装置和在给定双耳效用 (utility)模型Π的其他装置中计算最优听力处理参数Θ。在最简单的情况下，这样的效 用模型向模型或规则传递关于病人的左右耳听力损失Hk和HLkW信息。总的来说，效用模 型可包括听觉概要(auditory profile) α，其包含有关左和/或右听力损失的信息，还可 以包含反映用户听力损失、声音偏好和/或生活方式方面的其他参数。效用模型还可包含 效用参数ω。学习模块可包含参数β，参数β管理从调整至参数的映射。在该第一实施 例中，规则管理学习模块中左右处理参数的计算，由从规则到学习模块的箭头指示。固定映 射f(.)的选择由参数β的一些设置来表示，参数β由规则管理。在其他实施例中，映射 可以是不固定的，并且是可变的。该示例的行为可用更新方程来建模[H ;Ι!"'；](U
9
其中输出Θ:禾Π θ/是左右助听器在同意时刻k的参数(列)向量，θ。；* θ: 是左右助听器参数向量的先前的值，且r:是对左助听器在时刻k的用户校正向量。此外， f (rkL ；Hll, Hle)是应用于右耳的左助听器用户校正向量的某种(可能为非线性的)缩放比 例，并且考虑到了双耳的听力损失。实践中，助听器参数向量典型地是一维的，但当用户能 够提供具有多于一维的合适的用户校正向量rkL时，多维参数向量也能够被非对称性地同
止
少ο在该实施例中，时间戳t被定义为正在进行的时间，例如在采样周期Ι/Fs的倍数 时测量，其中Fs是数字助听器处理器的采样频率。同意时刻(consent time) k还被定义为时间戳tk，在tk处用户给出对特定调整的 显式同意。为了影响助听器的声音处理功能，用户操作控制功能(滚轮、按钮、远程控制、或 某些其他用户控制接口)。用户发出用户控制的时刻(以及使其在特定的时间量不改变) 被称作同意瞬时(consent moment) 0同意瞬时k指发出(以及令其不变)控制的第k时 刻。在一些实施例中，当执行用户对控制调整的非对称性同步时，系统被配置为在同意瞬时 工作。在方程(1)的同意时刻k的左右助听器参数向量被应用到助听系统中，作为在当前 同意瞬时k以及下一个同意瞬时k+Ι之间的任何时刻的新的处理参数，即更新过的和 9kK被用作在tk和tk+1之间的时间戳处的和Θ/。类似的规则被用于将在同意时刻处 的更新的导向参数转换到输入声音的在线处理期间的任意时间戳。在一个实施例中，用户 可以选择非线性缩放函数f 'HLl ^hl R^ = scaleback( scale( ^ ； hl^ ); hlr )其中，scaleC )函数根据左耳听力损失缩放在左助听器的调整，且scaleback(·) 函数根据右耳听力损失使用该“感知地缩放调整”来计算调整。从而，右助听器参数与左助 听器同步，但是使用修正的左助听器校正，允许助听器之间的非对称性。进一步地，将仅发 布到左助听器的一个校正用于校正两个助听器，其避免操作两个控制，这被视为是对用户 有利的。替换实施或实施例可利用更新的方程=1(2)非线性缩放再次应用左助听器校正以使在左助听器中感知到的变化类似于在右 助听器中感知到的变化。然而除了两耳的听力损失，现在该函数同样考虑到右助听器参数 向量的先前值。右助听器的附加用户修正rtK通常是0，但如果需要的话允许用户在右助听 器中执行额外的微调。在一些实施例中，附加用户校正可被模型学习或吸收，该模型表示一 个耳朵的听力损失，因此基于该模型改善未来的调整。注意到在上述示例中，左助听器扮演的是第一助听器的角色，但是角色可以互换。 例如在其他实施例中，右助听器可扮演第一助听器的角色。在其他实施例中，也考虑到表达参数调整的不同控制和从第一耳中的调整以及两 耳的听力损失计算另一耳中的最优修改变化的不同模型。图2所示流程图和图3涉及以上的实施例。
图4是根据本发明的方法修改的第一实施例的示意图。图4包括图2中的类似步 骤，相似步骤用相似的附图标记编号。除了图2中的步骤，图4中图示的方法包括框36。其用于指示当执行或计算对于 第一助听器的处理参数或多个处理参数的调整时使用第一耳的听力损失模型。本发明的第二实施例提供使用非对称性用户反馈和非对称性声音特征同步左右 导向参数。在图5中图示第二实施例。可以通过引入左右助听器声音特征(行)向量StL和stK来扩展非对称性同步的思 想。这些向量将通过在两个助听器之间共享的一系列加权系数、或导向参数β t，来导向两 个助听器的参数，例如，使用映射
「没/' kL IVl (、？+((3)该系统的方程表示左右(标量)助听器处理参数使用共享导向向量Φ随着声音 环境(由左右声音特征向量StL和StK表示)而变化。进一步地，将用户调整rtL和rtK添加到环境导向部分St、和St>。在该实施例 中，我们将考虑标量辅助参数向量θ ^和θ kK，但其不局限于该实施例将这种思想应用到一 维情况，因为在本发明的替换实施例中，同样能够使用多维参数向量的非对称性同步。注意到我们并未指定用户调整rtL和rtK如何随着时间改变。例如，作为学习步 骤Δ^的结果，基于在同意时刻k对左助听器的调整，我们可以将该调整在时间戳τ减为 r/-AkS此时应用学习步骤。否则我们可以使调整不变(因此修改调整的唯一方式就是通 过用户交互)。可以将每个声音特性向量中的一个分量设置成1，由此提供独立于环境的偏差。允 许用户操作助听器中的任意一个，或者它们二者，这将导致或者左耳用户校正rtS或者右耳 用户校正rtK，或者左右耳用户校正的组合。共享导向向量β例如可以利用有关听力损失 的现有技术、用户偏好等预定义。另外，在线学习方法可被设计为合并用户校正和更新共同权重向量。在本文中，术 语“在线”是指使用助听装置期间，这与离线相反，即在配听店的配听会话期间等。因此，在 导向参数的水平同步双耳助听系统，但是当双耳之间的特征不同和/或双耳之间的用户校 正不同时，源于该导向的实际助听器参数在双耳之间可能不同。更具体地，提出对助听器参 数使用线性高斯模型，其也被称为“输出模型”
Ql Sl「￡·[
_9]炉 β, 'R
β,」= ΙΛ」+Lf'」(4)其中，Ek1和ε/为分别具有方差Σ:和Σ/的0均值高斯噪声源，其表示在同意 时刻k用户调整的噪声。注意到在模型中，术语(K为随机变量，其表示当前导向向量，其 被用来估计/更新在助听器处理中应用的共享导向向量Φ。我们建模非对称性调整误差和固有的用户与噪声源不一致性，所述噪声源是具有 不同均值和协方差矩阵的高斯随机变量。进一步地，ΘΛ 9^和是时变随机变量，其中， 我们将θ Λ θ/作为标量以及将Cj5k作为向量。如前所述，可依据本发明的替换实施例作 出包括多维ekK的扩展。
显式同意的双耳瞬时k现在指在时间戳tk处开始的特定“同步时间窗”。这里用 户发出对助听器之一或二者的控制来修改助听器参数，然后使发出的控制值在特定的时间 段不加改动。在这种双耳同意瞬时(以下简称“同意时刻”)期间，期望的助听器参数值至 少部分已知，并且声音特征总可以从助听系统的两个助听器中检索。为了建模改变用户偏 好，例如我们假定参数的演变，即“状态模型”，例如可被建模为φ k = φ ^1+ ξ k(5)其中Ik为具有协方差矩阵rk的零均值高斯噪声，在状态(例如导向)变量(K 的演变中代表不确定性。通过计算状态变量的后验均值，例如使用卡尔曼滤波更新公式， 我们可以在每个同意时刻更新导向参数。也可以使用其他合适的公式。例如该模型的特 别之处是利用递归最小二乘或归一化的最小均平方差获得的更新。当已经在同步时间窗
中进行了两个助听器的校正时，全面地观察“双耳输出向量”么=和“双耳声音特征向
Pk _
量”J1r并且可使用标准的更新公式。在例如贝叶斯框架下，我们可以推导如下
ΙΛ」，
V,我们定义双耳噪声向量&二 ；(其根据具有零均值和协方差矩阵
卜」，
0 “
Σ, = ” 的正态分布来分布。当全面地观察两个助听器中的输出向量和声音特征时，
输出模型方程⑷可以改写为Ak = S^k+ε k(6)其与状态模型方程(5)结合产生下面的卡尔曼过滤更新方程= E^1 + Γ,^^Σ ,.,^αΣ^,^ + Σ,)-1h+KMk—sJ>k—；)Zt=(I-KkSk)^1其中，我们有效地进行(共享的)双耳导向向量的后验概率的递归估计，ρ{φΑθλ,...,θ,) = Ν{φ^{)在Ν(μ，Σ )下，我们用均值μ和协方差矩阵Σ表示正态分布。当仅呈现校正之一时，输出向量才仅被部分地观察，即不观察相应于另一个助听 器的期望的参数的输入。我们可以通过整合出输出向量的隐藏部分学习这样的“部分证 据”。更新方程遵循卡尔曼过滤更新方程，但当我们具有部分证据时，我们可以在输出向量 的隐藏部分上进行整合，得到略微不同的更新方程。例如，当我们仅观察用户对于双耳助听 系统中右装置的动作θ /时，我们将仅使用右装置用户动作进行P(CKlin^dik)的后 验递归估计+Σ ;)-'
12
Σ卜当仅观察左仪器上的用户动作时，保持相同的方程，但用下标L代替下标R。我们 用skKT表示在右装置处的声音特征向量在允许时刻k的转置，即skK的转置。由于对于左耳和右耳用户动作我们有不同的方差术语Σ ^和[Λ因此对这些术 语的在线跟踪导致在左耳和右耳用户动作中对于一致性的不同估计。基于先前预期(例如 当主体是左撇子，他可能会在他的左侧动作中体验到更少的不一致性)左耳和右耳一致性 的非对称性可被放入例如作为初始值Σ ^和Σ Oe中的非对称性。该模型的特别之处是利用递归最小二乘法或归一化最小均方差所获得的更新，其 可由本领域技术人员基于本公开来实施。由上可以注意到，可以基于在确定允许瞬时的左耳调整、右耳调整或者联合左右 耳调整的任意一个进行导向参数的后验递归估算。因此，我们在共享的导向参数水平上同 步双耳助听系统的左耳装置和右耳装置，但允许调整中的非对称性或调整的非对称性的一 致性。图5中示出又一实施例的流程图。除了图2所述之外，有可能将噪音调整视为对助听系统进行联合的左右耳的调 整，通过考虑在左耳和/或右耳调整中的噪音，将其应用到两个助听器。此外，学习和导向 模块L学习并应用从声音特征向量s到助听器参数θ的映射。特定类型的声音特征是身 份识别特征，在该情形下，对助听器参数向量而言，参数学习和导向被有效地训练并应用个 性化的值。基于单声道环境知识，由每个助听器的特征提取单元FE提取环境声音特征。在 双耳特征提取单元FEui中使用双耳环境知识，这些特征被结合并适应每个助听器，随后得 到“双耳优化”单声道特征向量ο。有关声音特征的例子有输入RMS值、谈话可能性、信号 噪声比、由谈话的频带重要性函数加权的信号噪音比、环境分类器输出等。在助听系统中并入用户调整，在图5中被示为来自调整框AD的包含调整r的两个 箭头。使用双耳效用模型Π，通过在左耳和右耳用户调整Σ ^中的先前不一致的估计，将初 始非对称性输入到系统。由于其为先前信息而不是正在进行的信息流，从效用模型到学习 模块的箭头用虚线示出。然而，通过参数学习和导向模块L，这些初始估计影响调整到处理 参数的映射，参数学习和导向模块L是共享的共同(同步的)导向向量β。以下涉及到对本发明第二实施例的仿真，并在图8Α，8Β和8C中示出。在仿真中，数字化一首音乐，由人工助听器处理并播放给人工用户。基于期望的导 向系数的模型，假定人工用户与人工助听器访问相同的声音特征，如果超出相应耳朵的烦 恼(annoyance)阈值，则用户将发布对左助听器、右助听器或者两个助听器的校正。预先定义每个耳朵的烦恼阈值，并且对于每个耳朵可以彼此不同。基于在任一耳 朵中所期望的和当前意识到的导向系数之间的差异，确定当前的烦恼量。进一步地，用户不 一致性的量，即当它们被发布时添加到理想校正的噪音，对于每个耳朵可以不同，因此仿真 非对称的灵活度(dexterity)。最终，每个耳朵中的声音特征值可以(极其)不同，因此在 两个耳朵仿真不同声场，产生不同的左耳和右耳特征值。图8A、8B和8C示意性图示学习来自非对称性用户输入和非对称性声音特征的共同导向系数。现在将参照图8A、8B和8C中的每一幅图来讨论该仿真结果，图8A、8B和8C具有 如图8A-8C中所指示的它们的行号，具有附图标记42的行是第一子图，并且具有附图标记 52的行是最后一幅子图。所有行中，横轴表示样本数，换句话说时间。每个样本对应于播放给人工用户的音乐信号的样本。在播放期间，期望的(共同) 导向参数at是标量。为了简化，假定用于每个助听器的为一维特征向量。在图8A中，参数 根据线54来变化。可以看出估计值β t (在子图的标题中被称为θ )非常好地“跟踪”期望 的参数at的值，仅需少量更新。每个绘制周期56A-56J表示一个更新步骤，并在at的每次变换之后，在每次变换 由少数几乎重叠的周期示出的少数更新足以适应新的期望值。在第二行44中，用户校正中的噪声随着时间变化，且每个耳朵都有很大差别，较 高的值表示较高的校正噪声或不一致性，实线58是左耳，虚线60是右耳。在中间两行46， 48示出了两个耳朵的烦恼阈值，较高的值表示较高的阈值。当播放音乐时，我们从左耳中的具有较低烦恼阈值，即与期望的导向参数值具有 较小偏离的烦恼的段开始。右耳的烦恼阈值非常高，所以右助听器的用户校正将仅在导向 参数的非常大的偏离或变化的情况下才发布。然后烦恼阈值在第二段相反，所以比起对左 助听器的校正，对右助听器的校正将更容易发布，在第三段对两个耳朵都为低，在第四段对 两个耳朵都为高，并且最终再次与第一段相等。现在我们可以看到第一行示出的哪个用户校正产生跟踪行为。期望的导向参数\ 的第一变换根据左助听器中发布的一些用户校正来学习，在时间样本130附近示为行50的 小峰值62，其表示发布到左助听器的一组噪音校正。在样本130附近的时间样本期间，没有 对右助听器发布校正，这可由右耳用户校正的图中看出，在这些时间样本期间在零值处是 平的。另一方面，从发布到右助听器的用户校正跟踪行52中的时间样本1300附近的变 换。回忆到该部分中对于右耳的烦恼阈值现在为低，所以比起对左助听器的校正，对右助听 器的校正将会更容易地发布。在时间样本1800附近的变换也是一样的。在第三段期间，时间样本2400附近的变换由两个助听器中的用户校正来跟踪。接 下来的三个变换很大，以致于它们全部都超出两个耳朵的阈值，并且也在两个耳朵中发布 校正。最后，第五段中更微小的变换仅在左耳引起烦恼，且基于左耳用户的校正完成跟
S示ο从该图中看不出助听器上的特征之间的非对称性，也就是相同的特征提取过程应 用于两个助听器的音乐信号，但是左助听器中的特征值在相当多的噪音的情况下失真且随 后被当作右助听器的特征值。从以上描述的仿真中，可以很清楚看出，可以利用来自具有不同非一致性的左耳 及右耳用户校正的全部或部分证据以及利用两个耳朵中的不同的特征值来跟踪共同导向 参数向量。因此，在助听器中，用户反馈可被非对称性地发布到助听器中，且助听器参数导 向的对称性将依赖于耳朵中声场的对称性。进一步地，其依赖于所提取的声音特征的对称 性。既然助听器共享共同导向向量，类似的声场产生相似的导向助听器参数向量，反之亦然。学习过程可以处理全部和/或部分证据，而且既然可在每个助听器中跟踪用户的 非一致性，并且学习规则的步长与估计的用户非一致性成反比，来自“更一致的耳朵”的反 馈将比来自“更吵闹的耳朵”的反馈为跟踪做出更大贡献，且其为优选的。因此，上述实施 例是助听器同步的真正非对称性机制。以下描述第三实施例，在导向参数β广和β/水平而不是在助听器参数水平 和θ tK水平使用同步的思想。图9中示出第三实施例。然而，在第三实施例中，同步将在导向参数的超参数水平上发生，使得同样允许非 对称性导向参数。换句话说，可以对控制左右导向参数的分布的那些参数进行同步，而不是 同步导向参数本身。左右导向参数通过共同概率模型耦合，其包含左右耳听力损失，但也可能是用户 偏好函数。基本原理是，如果在整个助听系统中在考虑“自然非对称性”之后被同步，则用户 将感知助听器参数设置作为更优选的。这将部分地依赖于听力损失的非对称性，但同样也 受对如助听器的非对称性配听的考虑，所述非对称配听允许左右助听器的输出的更中心 (大脑皮层)地处理。因此，通过使用听力损失中的非对称性和非对称性配听方法的启发，该实施例提 供一种使用导向参数的先前非对称性分布的知识的方法。没有额外的用户校正，该先前分 布将支配双耳导向；另外，可能非对称性地，使用贝叶斯框架在导向参数上将用户校正用于 更新常用概率模型，得到导向参数β广和β/的在线更新的后验平均值。更具体地，假设如下分解输出模型
/-/Ilr."/Λ·y
(6)其中，声音特征向量可包含“常量”特征分量，说明左偏差和/或右偏差，以及助听 器参数和Θ tK，并且导向参数β J和β/还是随机变量。建模为用户非一致性的左右 输出噪声ε广和ε tK再一次被建模为可能具有不同均值和协方差矩阵的高斯随机变量。该模型的左右分支通过在例如导向参数上实施双耳非对称性模型而被耦合。例 如，我们可提出导向参数，其再一次被视为随机变量，在左右助听器中有条件地依赖于“先 前非对称知识”，由以下分布表示
'Φ
'θ,1-‘V'O"'β!·'IV:Qr L ι J十 p(
ΦΙ用“双耳效用函数”Π(ω，α)表示先前非对称性知识，其可并入由左右效用参数 ω和/或由一些优选非对称性(用户偏好模型)的模型表示的一些非对称性配听方法，该 一些优选非对称性(用户偏好模型)的模型由“用户非对称性参数” α表示。注意到左右 耳听力损失将是用户非对称性参数的一部分。使用贝叶斯技术例如可以计算给定这样的双耳非对称性模型的最可能或最大的 后验导向参数，和关于用户听力损失、生活模式、深层听觉状况等的“观察” α。进一步地， 当将(可能为非对称性)用户调整应用于双耳助听系统时，贝叶斯技术允许更新先前双耳
15非对称性模型，并且导向参数的修改的后验均值可用于在线环境导向。注意到通过在双耳助听系统的两个助听器中使用共同效用模型，左右导向参数 和是不能自由移动的，而是在某种程度上类似于以软方式限制。作为一个限制的
实例，甚至可以对在左右导向参数中允许的差异上进行直接(硬的)约束。“限制的”双耳 效用模型越多则将鼓励更多的同步导向参数，反之亦然。学习动作作为应用到一个或多个 助听器的调整结果而发生。作为这些调整的结果通过更新(学习动作)在效用模型中和/ 或通过适应左右耳导向参数的限制，将导致更新左右耳导向参数以及在两个助听器中的参 数。图9中示出了上述实施例的流程图。其与图5相比不同之处在于，从效用模型到 学习模块之间是实线箭头。这些箭头表示正在进行的关于所体验声音y的当前(左耳和右 耳)效用的信息流。另一个差异就是，从AD单元发出的表示用户调整r的正在进行的流的 实线箭头现在提供给双耳效用模型而不是学习模块。可以看出，学习模块现在基于左右耳 效用而不是左右耳调整而被更新。例如，如果对助听器中的一个作出调整r，则基于新的观察可以更新双耳效用模型 中优选的非对称性数量。根据更新的效用值u，左右耳导向参数也被修改。本发明同样包含第三实施例的变形，在第三实施例中，效用U使用限制左右耳导 向参数的一些方法而被组合，即，双耳参数模型，其反过来被向量ξ参数化。现在在图10 中示出并图示第三实施例的修改版本的流程图。除了图9所示，我们现在通过双耳参数模型对左右耳导向参数进行直接限制。限 制(允许适当的非对称性或者可能完全同步导向参数)的性质在(修改的)效用u(从双 耳效用模型指向双耳参数模型的实线箭头)的影响下被修改。此外，由于双耳参数，限制可 影响两个学习模块L，其由从学习模块到双耳参数模型的双向(虚线)箭头表示。本发明的第四实施例描述了主-从配置。图6示出在本质上与图1所示的结构相同的结构。然而，在该实施例中，由于第一 助听器中信号处理参数的变化引起第二助听器中信号处理参数的自动更新之后的第二助 听器信号处理参数的变化，更新模型24。如前所述，助听器4是主助听器，助听器6为从助听器。如前所述，音量控制16的 调整之后伴随着根据模型24的助听器6的音量的调整。然而，如果用户不满意该调整，并 且通过随后的音量控制18的调整对其进行校正，那么与模型24所建议的调整存在差异的 积极指示可用于更新模型24。其由虚线箭头38示出。优选地，如果其在音量控制16的调 整之后的较短的预定时间间隔内被执行，则音量控制18的调整仅被并入模型24，因为否则 其很可能不能由音量控制16的第一调整而引起，但是更可能由声音环境的变化而引起。图7示意性图示其中双耳助听系统中的两个助听器中的任一个都可作为主助听 器的结构。周围声音环境可影响图6和图7中图示的模型的更新或修改。双耳助听系统可在 任何给定时间检测出用户处于哪种类型的周围声音环境。例如如果检测到噪音情况，则用 户希望改变可被周围声音环境影响的信号处理参数。响应于周围声音环境的改变，模型和 /或信号处理参数可被自动改变。在每个实例中，用户或佩戴者改变信号处理参数，可以适应或修改用于每个耳朵的模型。其由图7中的虚线箭头38及40图示。第五实施例涉及在第一至四实施例之外的不同同步模型之间的切换。除了上面实施例一至四讨论的特征之外，实施例还可包含离散“同步模型”变量， 其控制双耳助听系统中的“非对称性的总量”。作为示例，同步模型变量的“高”值将限制导向参数使其相类似，“中间”或“低”值 将允许更多偏差，并且最终“关闭”将不会同步两耳之间的调整。当接听电话(其中双耳助 听系统应该例如工作在异步模式)时后者会是例如有益的。同步模式变量的值可由用户输 入(例如通过按下按钮)，但也可以被在线跟踪。上述学习机制随后应被扩展以合并离散模 式切换变量，这可以例如通过采用用于同时跟踪模式变量和导向变量的切换卡尔曼过滤来 获得。在图12中，同步模式切换作为作用于“双耳优化”单声道特征向量σ的非对称性模 式切换变量S。然而，还注意到用户可直接影响模式切换(例如使用按钮或远程控制)。省 略了从双耳整合单元至模式切换单元的箭头以增强该图的可读性。在可选示例中，将切换变量S的值设置为“小”，其可通过根据一些距离测量让左 右导向参数仅少量的不同来实现。所允许的量并不依赖于双耳效用值μ。本发明的第六实施例包含本发明第一至第五实施例的所有特征，且更进一步包含 任意元参数向量的非对称性同步。元参数是影响被用于处理声音的助听器参数的任意参 数。例如，“学习主动性”参数将控制导向参数的学习如何在左右助听器中执行。这是元参 数的例子，而不是先前种类的部分。基于对用户在操作控制轮的一致性的进行中的估计，其 可被跟踪。例如，在跟踪右助听器的主动性时使用左助听器中被跟踪的主动性的知识，被证 明的有益的。第六实施例包括涉及导向参数的第一至第五实施例的任何或所有特征。然而，应 当捕获确定任意助听器处理模块的功能的任何元参数。这可以是确定左右耳声场的对称性 数量的切换变量，被用在左右助听器中以适应处理。进一步地，也应该包含非导向情况，即 通过个性化，固定但可修改的，不随着环境而改变的元参数也应当落入该实施例中。作为频率函数，图13分别示出人的右(R)耳和左(L)耳听力损失的图表。该图表 中，示出了给定频率f_0的听力阈值T(R)和T(L)。对于给定频率f_0，左耳和右耳感知到 的响度作为图14的两个图表中的输入声音压力水平(SPL)的函数而示出。现在来看图13和图14中的图表，很明显，为了在频率f_0处得到相同的声音感知 响度，与右耳相比，左耳需要更高的输入SPL。为了让人在左耳和右耳感知相同的响度，需要 在模型24中并入个人的听力损失模型。以下为助听器参数θ广和θ tE的示例的非详尽列表，其可使用根据本发明的非对 称性同步的方法而被同步。适合的参数列表包括左右分类器输出、音量、降噪参数、波束成 型参数、反馈抑制参数等。当然这些参数中的若干个也可以同时被同步。根据本发明方法的实施例的上述特征可按任何期望的方式结合。在一个实施例中，可以想到同步反馈抑制。这里我们设想左右助听器的每一个都 包括确定将被应用的反馈抑制的反馈抑制参数。例如，在强周期情况下以切换变量的形式， 诸如在两个声场出现纯音的存在，以及如果不是这种情况则为零。两个周期特征提取程序 FEl和FEk可被应用于左右助听器二者(如图2所示)，并且结合单元FEui可向两个助听器 输出切换变量，对于双耳周期为1，否则为0。随后每个助听器可使用其来估计双耳周期的量以确定助听器之一的周期声音是由于内部反馈还是由于外部音调输入。在另一实施例中，助听系统可提供一种检测助听器附近的电话的方法。该检测可 以通过如下方式执行，例如通过建模和检测典型反馈路径，其由于在耳朵附近拿着电话而 引起，或者通过经由助听器的某些接口让用户手动地指定“电话位置”。当对于左助听器电 话检测变量为1时，其可被视为特征提取单元的输出，而当对于右助听器电话检测变量 为0时，助听系统中的同步模式可被暂时切换到特定“一耳有电话模式”。概念上，其意味着助听系统将切换到非对称性模式，其中导向参数的设置驱 动高放大、高反馈减少以及高定向模式，并且β/设置驱动低放大、全方位模式。当“一耳有 电话”模式结束时，助听系统随后返回到“默认非对称性”模式。在第三实施例中，可以设想学习控制的同步系统，其中每个耳朵的学习控制在导 向参数水平被同步。例如，用户需要左助听器学习音量控制设置，其由个性化导向系数β J
'gl'
确定，导向系数β J与用于右LVC的设置β/相同。当助听系统的输出向量二分别包含
Pk _
左右音量时，其由第二实施例来执行。因此，当左右助听器的声场不同时，用户仅感受到增 益差别。由此产生的声音处理可能更反映了用户的优选处理。此外，操作助听系统的音量 滚轮之一将导致该系统中两个导向参数的学习，因此也导致(非操作的)助听器中的音量 调整。在另一实施例中，作为双耳软切换方向性的初始极端情况，可以考虑在两个助听 器中的方向性参数的初始非对称性配听。这里，助听器中的一个(例如左助听器)允许切 换，而该例子中的右助听器不允许切换，但其将一直保持在全方向模式状态。这与将一些左 方向性切换阈值、导向参数β ^设置为一些合理值，而且将另一个助听器参数β/的阈值 设置为无穷在概念上是等价的。然后，用户可以通过操纵从而个性化表示阈值的左右耳导 向参数来调整助听系统的初始的、完全非对称的设置。因此，用户可以在方向性切换行为中 自定义非对称性，且使其依赖于声音环境。此外，“好使的耳朵”的初始选择得到定向输入， 即具有低转换阈值，以及“不好使的耳朵”得到全方位输入，即无穷转换阈值，其可由用户修 改，例如在特定情况下感兴趣的声音源仅来自不好使的耳朵那边。
18
权利要求
一种调整第一助听器和第二助听器的信号处理参数的方法，所述第一助听器和第二助听器形成用户佩戴的双耳助听系统的部分，所述双耳助听系统包括用户专用模型，所述用户专用模型表示在该用户的第一耳和第二耳之间的期望的非对称性，该方法包括如下步骤检测在所述第一助听器的对处理参数变化的请求，响应于该请求，调整所述第一助听器中的信号处理参数，响应于该请求并基于所述用户专用模型，调整所述第二助听器的处理参数，以及其中，所述方法更进一步包含步骤在使用该双耳助听系统期间相对于所述期望的非对称性适应所述模型。
2.如权利要求1所述的方法，其中，在调整所述第二助听器的处理参数之后并响应于 在所述第二助听器的对处理参数变化的第二请求执行适应所述模型的步骤。
3.如权利要求2所述的方法，其中，在调整所述第二助听器的处理参数之后，在预定时 间间隔内执行所述第二请求。
4.如权利要求1所述的方法，其中，适应所述模型的步骤是基于统计处理的环境数据。
5.如前面任一权利要求所述的方法，其中，表示所述期望的非对称性的所述模型包含 测量的和/或估算的所述用户的第一耳和/或第二耳的听力损失。
6.如前面任一权利要求所述的方法，其中，所述模型是频率相关听力损失模型。
7.如前面任一权利要求所述的方法，其中，所述处理参数是音量水平、噪声降低、压缩 比、时间常数、分类器模块的参数或其中的任何组合。
8.如前面任一权利要求所述的方法，其中，所述对处理参数变化的请求包含关于一 个或多个要改变的处理参数的信息以及用来表示变化的量的参数和/或值，或者参数要改 变到的值。
9.如前面任一权利要求所述的方法，其中，所述第一助听器是主设备且所述第二助听 器是从设备。
10.如前面任一权利要求所述的方法，其中，所述模型包含两个独立的导向向量，各分 别与所述用户的第一耳和第二耳的听力损失相关联，所述导向向量由表示组合的双耳系统 的概率模型耦合。
11.如前面任一权利要求所述的方法，其中，非对称的整体程度进一步依赖于所述第一 助听器和所述第二助听器的麦克风记录之间的差异。
12.一种包含信号处理器的助听器，其中，所述助听器适用于在使用中形成双耳助听系 统的部分，并且适用于从另一助听器接收信息，所述另一助听器也适用于在使用中形成所 述双耳助听系统的部分，其中所述信号处理器被配置为基于对所述另一助听器中处理参数 变化的请求以及表示所述用户的第一耳和第二耳之间的期望的非对称性的用户专用模型 来调整所述助听器中的信号处理参数，以及其中所述信号处理进一步被配置为在使用该双 耳助听系统期间相对于所述期望的非对称性适应所述模型。
13.如权利要求12的助听器，其中，所述信号处理器被配置为执行在权利要求2-11的 任一项中所定义的任何方法步骤。
全文摘要
非对称性调整。本发明涉及一种调整第一和第二助听器的信号处理参数的方法，所述第一和第二助听器形成用户佩戴的双耳助听系统的部分，该双耳助听系统包括用来表示所述用户的第一耳和第二耳之间期望的非对称性的用户专用模型，该方法包括检测对第一助听器的处理参数变化的请求，响应于该请求调整所述第一助听器的信号处理参数，响应于该请求并基于所述用户专用模型调整所述第二助听器的处理参数的步骤，且该方法进一步包括在使用所述双耳助听系统期间，相对于所述期望的非对称性适应所述模型的步骤。
文档编号H04R25/00GK101924977SQ20091024689
公开日2010年12月22日 申请日期2009年11月4日 优先权日2008年11月4日
发明者乔比·格尔特斯, 亚历山大·杜伊维尔斯博格·伊玛二世, 约瑟夫·雷尼尔·杰勒杜斯·M·莱嫩, 阿尔伯特·德弗里斯 申请人:Gn瑞声达A/S