用于助听设备的众包推荐的制作方法

本申请要求对通过引用将全部内容结合于此、提交于2014年3月19日的第61/955,451号美国临时申请的优先权。

技术领域

本公开内容主要地涉及助听设备。

背景技术：

可能需要随着用户从一个类型的声学环境移动到另一类型的声学环境而需要调整助听设备，如助听器和个人声音放大器。例如，助听设备可以被配置为在多个预设模式中操作，并且用户可以在不同声学环境中选择不同预设模式。

技术实现要素：

在一个方面中，本文以一种计算机实施的方法为特征，该方法包括在一个或者多个处理设备接收与(i)助听设备的用户和(ii)助听设备的声学环境关联的标识信息。该方法也包括基于标识信息和使用一个或者多个处理设备可访问的多个预存数据项来动态地确定用于调整助听设备在声学环境中的设置的推荐参数集。多个预存数据项表示由不同声学环境中的多个用户使用的参数。该方法还包括向助听设备提供推荐参数集。

在另一方面中，本文以一种计算机实施的方法为特征，该方法包括在一个或者多个处理设备接收表示可用来调整助听设备的参数集的第一信息。该方法也包括在一个或者多个处理设备接收标识(i)听力设备的用户和(ii)声学环境的特性的第二信息。该方法还包括：处理第一信息和第二信息以更新多个数据项的数据库，其中数据库表示各种声学环境中的对应听力设备的、用户选择的参数；以及在存储设备中存储更新的数据库的表示。

在另一方面中，本文以一种包括推荐引擎和存储设备的系统为特征。推荐引擎包括一个或者多个处理设备的推荐引擎并且被配置为接收与(i)助听设备的用户和(ii)助听设备的声学环境关联的标识信息。推荐引擎也被配置为基于标识信息和使用多个预存数据项来动态地确定用于调整助听设备在声学环境中的设置的推荐参数集。多个预存数据项表示由不同声学环境中的多个用户使用的参数。推荐引擎还被配置为向助听设备提供推荐参数集。存储设备被配置为存储多个预存数据项。

在另一方面中，本文以一种包括推荐引擎和存储设备的系统为特征。推荐引擎包括一个或者多个处理设备的推荐引擎并且被配置为接收表示可用来调整助听设备的参数集的第一信息。推荐引擎也被配置为接收标识(i)听力设备的用户和(ii)声学环境的特性的第二信息。推荐引擎还被配置为处理第一信息和第二信息以更新多个数据项，其中多个数据项表示各种声学环境中的对应听力设备的、用户选择的参数。存储设备被配置为存储更新的多个数据项的表示。

在另一方面中，本文以一种或者多种具有在其上编码的用于使一个或者多个处理器执行各种操作的计算机可读指令的机器可读存储设备为特征。操作包括接收与(i)助听设备的用户和(ii)助听设备的声学环境关联的标识信息。操作也包括基于标识信息和使用一个或者多个处理设备可访问的多个预存数据项来动态地确定用于调整助听设备在声学环境中的设置的推荐参数集。多个预存数据项表示由不同声学环境中的多个用户使用的参数。操作还包括向助听设备提供推荐参数集。

在另一方面中，本文以一种或者多种具有在其上编码的用于使一个或者多个处理器执行各种操作的计算机可读指令的机器可读存储设备为特征。操作包括接收表示可用来调整助听设备的参数集的第一信息。该操作也包括在一个或者多个处理设备接收标识(i)听力设备的用户和(ii)声学环境的特性的第二信息。该操作还包括：处理第一信息和第二信息以更新多个数据项的数据库，其中数据库表示各种声学环境中的对应听力设备的、用户选择的参数；以及在存储设备中存储更新的数据库的表示。

以上方面的实现方式可以包括以下实现方式中的一个或者多个实现方式。

推荐参数集可以表示助听设备的基于用户的属性和基于声学环境的设置。确定推荐参数集包括：基于标识信息标识与用户关联的用户类型；基于标识信息标识与声学环境关联的环境类型；以及基于多个预存数据项来确定与用户类型和环境类型对应的推荐参数集。标识信息可以包括以下各项中的一项或者多项：特定助听设备的标识、人口信息、年龄信息或者性别信息。标识信息也可以包括与声学环境关联的频谱、时间或者频谱-时间特征中的一个或者多个特征。与声学环境关联的标识信息可以包括标识预定类型的一个或者多个声源的存在的信息。与声学环境关联的标识信息可以包括关于声学环境中的多个交谈者的信息。可以使用机器学习过程来确定推荐参数集，机器学习过程使用多个预存数据项来训练。可以向训练的机器学习过程提供从标识信息提取的一个或者多个标识特性作为输入以获得推荐参数集。可以通过移动设备路由在一个或者多个处理设备与助听设备之间的通信。

更新数据库还可以包括确定参数集的有效性。更新数据库还可以包括处理第二信息以获得与数据库中的多个数据项关联的预定数目的特征。可以处理第二信息以获得声学特征集合。可以处理第二信息以获得人口特征集合。可以基于声学和人口特征的一个或者多个函数来更新数据库。

在另一方面中，本文以一种计算机实施的方法为特征，该方法包括：由一个或者多个处理设备接收指示发起对助听设备的调整的信息；以及由一个或者多个处理设备确定与(i)助听设备的用户和(ii)助听设备的声学环境关联的特征。该方法也包括：基于特征来获得与调整关联的推荐参数集，其中推荐参数集基于由不同声学环境中的不同用户使用的参数；以及向助听设备提供推荐的参数集。

在另一方面中，本文以一种计算机实施的方法为特征，该方法包括：由一个或者多个处理设备使用户界面被显示在显示设备上，用户界面包括用于提供用于调整助听设备的信息的一个或者多个控件；以及传输对于用于调整声学环境中的助听设备的推荐参数集的请求。该请求包括与(i)助听设备的用户和(ii)声学环境关联的标识信息。该方法也包括：从远程计算设备并且响应于请求而接收推荐参数集；以及经由一个或者多个控件接收指示对推荐参数集的至少子集的调整的信息。该方法还包括向助听设备提供调整的参数集。

在另一方面中，本文以一种包括的一个或者多个处理设备和存储器的系统为特征。一个或者多个处理设备被配置为接收指示发起对助听设备的调整的信息并且确定与(i)助听设备的用户和(ii)助听设备的声学环境关联的特征。一个或者多个处理设备也被配置基于特征来获得与调整关联的推荐参数集。推荐参数集基于由不同声学环境中的不同用户使用的参数。一个或者多个处理设备还被配置向助听设备提供推荐的参数集。

在另一方面中，本文以一种包括的一个或者多个处理设备和存储器的系统为特征。一个或者多个处理设备被配置为使用户界面被显示在显示设备上，用户界面包括用于提供用于调整助听设备的信息的一个或者多个控件，并且传输对于用于调整声学环境中的助听设备的推荐参数集的请求，该请求包括与(i)助听设备的用户和(ii)声学环境关联的标识信息。一个或者多个处理设备还被配置为从远程计算设备并且响应于请求而接收推荐参数集并且经由一个或者多个控件接收指示对推荐参数集的至少子集的调整的信息。一个或者多个处理设备也被配置为向助听设备提供调整的参数集。

在另一方面中，本文以一种或者多种具有在其上编码的用于使一个或者多个处理器执行各种操作的计算机可读指令的机器可读存储设备为特征。操作包括：接收指示发起对助听设备的调整的信息；以及确定与(i)助听设备的用户和(ii)助听设备的声学环境关联的特征。操作也包括：基于特征来获得与调整关联的推荐参数集，其中推荐参数集基于由不同声学环境中的不同用户使用的参数；以及向助听设备提供推荐的参数集。

在另一方面中，本文以一种或者多种具有在其上编码的用于使一个或者多个处理器执行各种操作的计算机可读指令的机器可读存储设备为特征。操作包括：由一个或者多个处理设备使用户界面被显示在显示设备上，用户界面包括用于提供用于调整助听设备的信息的一个或者多个控件；以及传输对于用于调整声学环境中的助听设备的推荐参数集的请求。该请求包括与(i)助听设备的用户和(ii)声学环境关联的标识信息。操作也包括：从远程计算设备并且响应于请求而接收推荐参数集；以及经由一个或者多个控件接收指示对推荐参数集的至少子集的调整的信息。操作还包括向助听设备提供调整的参数集。

以上方面的实现方式可以包括以下实现方式中的一个或者多个实现方式。

可以基于表示经由用户界面获得的用户输入的数据来发起调整。可以基于用于助听设备的声学环境的改变来自动地发起调整。获得推荐参数集可以包括：向远程计算设备提供特征；以及响应于提供特征从远程计算设备接收推荐参数集。

推荐参数集可以基于由不同声学环境中的多个用户使用的参数。可以响应于经由用户界面提供的用户输入来传输对于推荐参数集的请求。可以响应于自动检测到声学环境来传输对于推荐参数集的请求。可以确定标识(i)用户和(ii)声学环境的特性的多个特征。可以提供调整的参数集用于在确定另一推荐参数集时使用。可以存储调整的参数集作为表示由不同声学环境中的多个用户使用的参数的多个数据项的部分。

这里描述的各种实现方式可以提供以下优点中的一个或者多个优点。

用于调整助听设备在特定声学环境中的设置的参数可以基于考虑了类似用户在类似声学环境中使用的参数的众包模型来建议。通过基于相似用户和相似环境推荐参数，可以大量减少对于微调复杂参数的需要。这又允许用户在不访问听觉病矫治专家或技术人员的情况下在不同环境中自调适或者微调助听设备。

可以组合在本公开内容中描述的特征、包括在发明内容这一节中描述的特征中的两个或者更多特征以形成这里没有具体描述的实现方式。

在附图和以下描述中阐述一个或者多个实现方式的细节。其它特征、目的和优点将从描述和附图以及从权利要求中变得清楚。

附图说明

图1是示出用于向各种助听设备提供推荐参数的环境的示例的图。

图2示出用于调整助听设备的一个或者多个参数的用户界面的示例。

图3是用于向助听设备提供推荐参数集的示例过程的流程图。

图4是用于更新用于向助听设备提供推荐参数集的多个数据项的数据库的示例过程的流程图。

图5是用于向助听设备提供推荐参数集的示例过程的流程图。

图6是用于向助听设备提供调整的参数集的示例过程的流程图。

具体实施方式

助听设备、比如助听器和个人放大器可能需要调整各种参数、特别地在这样的设备的用户从一个声学环境移动到另一声学环境时。这样的参数可以例如包括调整信号的动态范围的参数、增益、降噪参数和方向性参数。在一些情况下，参数可以是频率频带特有的。选择这样的参数(常称为‘调适’设备)可能影响设备的可用性以及用户体验。然而，手动调适助听设备、特别地对于各种类型的声学环境可能昂贵和耗时、经常需要多次拜访临床医生的诊所。此外，该过程可能依赖于在用户与临床医生之间的有效沟通。例如用户将不得不提供对设备的声学性能的反馈(例如口头反馈)，并且临床医生将不得不解释反馈以对参数值相应地做出调整。除了耗时和昂贵之外，手动调适过程因此依赖于用户提供反馈的能力以及临床医生准确地理解和解释反馈的能力。

允许用户调整助听设备的个别参数也可能引起若干挑战。例如参数数目可能庞大以及技术艰深并且可能让用户困惑。这可能导致潜在地不正确参数，这些不正确参数也可能不利地影响设备的性能和/或用户的听力。

在本文中描述的技术可以用来提供用于助听设备的推荐参数集，其中基于相似环境中的用户行为的历史数据来选择参数。例如推荐参数可以基于相似声学环境中的相似用户先前使用或者优选的参数。该技术因此利用来自历史用户行为数据的信息以提供用于给定的环境中的给定的用户的推荐。该技术也提供可以允许用户基于个人偏好来微调推荐参数的用户界面。界面可以提供有限数目的控件，从而用户可以调整推荐参数而无需个别地调整大量参数。

图1示出用于向各种助听设备提供推荐参数的示例环境100。助听设备的示例包括耳后(BTE)助听器104、开放式助听器106、个人放大器108和全耳道内(CIC)或者耳道内不可见(IIC)助听器110。助听设备中的一个或者多个助听设备可以被配置为例如通过网络102与远程计算设备、比如服务器122通信。服务器122包括一个或者多个处理器或者处理设备128。在一些实现方式中，在助听设备与服务器122之间的通信可以通过手持设备102。手持设备102的示例可以例如包括智能电话、写字板、电子阅读器或者媒体播放设备。在其中通过手持设备102路由在助听设备与服务器122之间的通信的实现方式中，手持设备102可以被配置为执行有助于与助听设备的通信的应用。

根据对应用户的听力失能力调整各种助听设备的操作参数。例如在广泛水平可以例如基于用于对应用户的听力敏度图来选择助听设备的操作参数。听力敏度图可以例如表示用户可以根据频率听到的静态声音。在一些实现方式中，可以例如使用如下过程从听力敏度图推导用于助听设备的操作参数，这些过程提供比如作为听力敏度图的一个或者多个特性的函数这样的参数。这样的过程的示例包括由澳大利亚国家声学实验室开发的NAL-NL1和NAL-NL2。在这些过程之中，NAL-NL2被设计为优化话音可理解度指标而约束响度不超过具有正常听力的个人中的可比较响度。这样的过程的另一示例是设计为优化话音频谱的可听度的希望感觉电平(DSL)v5.0。这些过程可以提供各种参数值、例如包括用于多种输入电平的跨频率频谱的目标增益以及用于压缩器和限制器的频率特有参数。

然后可以根据用户的偏好微调基于听力敏度图获得的操作参数。这可以例如包括用户佩戴助听设备并且收听广泛多种自然声音。在其中涉及到临床医生、比如听觉病矫治专家的情形中，用户可以描述他的/她的关于声音质量的顾虑(例如“听起来太细声细气”)，并且临床医生可以基于反馈对设备做出调整。这一过程可以称为“调适”助听设备并且可能需要多次拜访临床医生。

在一些实现方式中，可以通过自动化对操作参数的选择、至少部分地通过使用推荐引擎125来简化调适过程，该推荐引擎被配置为例如基于多个数据项132来提供推荐参数集129，这些数据项表示从助听设备的用户收集的历史使用数据。可以例如在一个或者多个处理设备128上使用一个或者多个计算机程序产品来实施推荐引擎125。推荐引擎125也可以被配置为随着助听设备从一个声学环境移动到另一声学环境动态地更新用于设备的操作参数。在图1中，用于设备104、106、108和110的声学环境分别称为105a、105b、105c和105d(以及通称为105)。声学环境105可以显著地互不相同，并且可能随着助听设备从一个声学环境移动到另一声学环境更新用于设备的操作参数。例如用户可以从音乐厅(例如具有嘈杂声源)移动到餐厅(具有多个相对地更小声音的声源(例如多个交谈者))，并且可能不得不相应地更新听力设备的操作参数。在一些实现方式中，推荐引擎125可以被配置为基于在多个数据项132中表示的历史数据有助于这样的动态更新。

多个数据项132可以用于支持用于助听设备的操作参数的协作推荐(有时称为‘众包’推荐或者协作过滤)。多个数据项132可以例如包括来自相似用户的团体的历史数据，该历史数据可以用于预测给定的用户可能偏好的参数集。

在一些实现方式中，为了提供推荐参数集129，推荐引擎从对应助听设备接收的标识信息127标识用于当前用户的用户和声学环境类型。标识信息可以包括指示与当前用户关联的用户类型和/或声学环境类型的信息。例如标识信息127可以包括与用户关联的一个或者多个标识符(例如特定助听设备的标识、与用户关联的人口信息、关于用户的年龄信息或者关于用户的性别信息)和/或与对应声学环境关联的一个或者多个标识符、比如各种频谱、时间或者频谱-时间特征或者特性(例如总声压电平、声压电平随时间的变化、在N个频率频带(N是整数)中的声压电平、在每个频带中的电平随时间的变化、估计的信噪比、频率频谱、调幅频谱、听觉模型的输出和梅尔频率倒谱系数)。

多个数据项132可以被预存在存储设备上可能地作为推荐引擎125可访问的数据库132的部分。尽管图1描绘推荐引擎125作为服务器122的部分，但是在一些实现方式中，推荐引擎的至少部分可以驻留在用户设备、比如手持设备102上。在一些实现方式中，多个数据项132的至少部分也可以被存储在手持设备102上的存储设备上或者从手持设备102可访问的存储设备上。

在一些实现方式中，多个数据项可以包括表示历史用户行为的链接数据集(也称为“快照”)的汇集。链接数据集或者快照可以例如包括由用户选择在给定的时间在特定声学情境之下(即在特定声学环境中)为助听设备选择的参数值的集合。每个快照可以被联结到用户、设备(或者设备集合)和时间戳。在一些实现方式中，推荐引擎125的至少部分可以执行用于创建和/或更新多个数据项132的过程的操作。

可以用各种方式收集快照或者链接数据集。在一些实现方式中，可以在预定间隔(例如使用重复定时器)和/或通过标识用户的行为中的模式来获得快照。例如可以在确定用户满意由助听设备递送的声音质量时取得快照。可以例如基于确定用户对于门限数量的时间尚未改变参数来做出确定。在一些实现方式中，用户可以能够使用在手持设备102上执行的应用中显示的控件来修改助听设备的参数。在这样的情况下，如果用户对于多于门限时段(例如一分钟)没有改变控件的定位，则可以做出确定用户满意声音质量，并且相应地可以获得和存储对应参数和声学环境的快照。在其中使用手持设备上的应用来控制助听设备的参数的实现方式中，可以表示和/或存储特定参数集作为应用中的控制器定位的函数。应用中的控制器定位可以称为对应“应用状态”。

在一些实现方式中，存储收集的快照作为链接到声学情境(例如对应声学环境的特征)以及应用状态二者的多个数据项132的部分。在一些实现方式中，可以使用各种频谱、时间或者频谱-时间统计量、例如包括总声压电平、声压电平随时间的变化、在N个频率频带(N是整数)中的声压电平、在N个频带中的一个或者多个频带中的电平随时间的变化、估计的信噪比(SNR)、频率频谱、调幅频谱、交叉频率幅度包络相关性、交叉调频幅度包络相关性、听觉模型的输出和梅尔频率倒谱系数来表示声学情境或者环境。可以例如通过将峰值归于兴趣信号和将谷值归于噪声来从测量的信号的变化估计SNR。声学环境的特征也可以包括估计的元数据、比如交谈者的数目、交谈者的性别、音乐的存在、音乐的流派等。在一些实现方式中，应用装调可以表示助听设备的对应数字信号处理参数值、关于设备的细节(设备ID、设备类型等)、使用位置(例如在第三大街和第23大道的十字路口的餐厅)、使用时间(例如周六下午7：30)和应用状态保持不变的持续时间。在一些实现方式中，收集的快照可以以用户账户为参考，从而关于对应应用的各种信息可以被链接到快照。这样的用户信息的示例包括年龄、性别、自报告的听力水平、测量的听力水平、听力损失的病因和位置。

在一些实现方式中，快照由手持设备、比如执行用于控制助听设备的应用的设备获得。收集的快照可以被存储在多种设备上或者与多种设备共享。在一些实现方式中，快照可以被本地存储在用户的手持设备(例如智能电话、写字板或者手表)上。快照也可以被传输到远程服务器122(例如通过网络120)用于存储作为数据库130的部分。在一些实现方式中，快照也可以被存储在用户的助听设备上。

在一些实现方式中，推荐引擎125可以检查快照是否有效地表示可用数据集。该检查可以造成丢弃一些快照作为无效。例如可以在推荐用于普通用户的参数时丢弃来自没有经常使用助听设备的用户(与例如每天至少有门限时间段使用它们的用户比较)的快照。也可以丢弃表示用于一个或者多个参数的无关控制器设置或者用于两只耳朵的分离调整的快照。

在一些实现方式中，收集的快照可以由推荐引擎125预处理。例如快照中的完整声学特征集合可以受到降维过程(例如主分量分析(PCA)或者独立分量分析(ICA))以使用更小数目的独立特征来表示快照。在一些实现方式中，可以对于关于在快照中包括的个别用户的人口信息重复相同降维过程。降维是指机器学习或者统计技术，在这些技术中，各自在高维控件中指定的多个数据集被变换到更少维度的控件。变换可以是线性或者非线性的并且可以例如包括主分量分析、因素分析、多维缩放、人工神经网络(有比输入节点更少的输出节点)、自组织映射和k均值聚类分析。

也可以计算在声学和人口分量之间的各种可能交互例如作为表示这样的分量的标识特征中的一个或者多个标识特征。例如为了捕获在不同年龄、但是有相同听力损失水平的人们如何对相同SNR电平做出反应之间的不同，可以计算复合变量，该复合变量是年龄、听力损失水平和SNR的乘积。在一些实现方式中，也可以计算声学和人口分量的其它复合函数(例如对数、指数、多项式或者另一函数)。因此，预处理的快照条目可以包括声学分量分数、人口分量分数和/或如下分数这一组中的一个或者多个分数，这些分数是一个或者多个声学和/或人口分量的函数。

一旦推荐引擎标识与当前用户和/或当前用户的声学环境关联的一个或者多个特性，推荐引擎基于标识的特性处理多个数据项132并且提供相关推荐参数129。例如推荐引擎125可以被配置为基于标识信息127来确定与当前用户关联的用户类型和/或与对应声学环境关联的环境类型、然后提供对于标识的用户类型和/或环境类型相关的推荐参数129。

推荐引擎可以用各种方式处理多个数据项132以确定推荐参数129。在一些实现方式中，推荐引擎125基于多个数据项132来确定与分别与当前用户/或当前用户的声学环境基本上相似的用户和/或环境对应的相关快照的集合。然后可以基于在加权组合中组合相关快照来计算推荐参数129。在指派权值时，在计算推荐参数129时向与当前用户/环境更相似的快照指派更高权值。

可以例如基于从快照的对应公共标识特征或者特性计算的相似度度量来计算在存储的一对快照之间(或者在存储的快照与用于当前用户的快照之间)的相似度。例如如果快照中的每个快照包括与声学特征A、B和C对应的值，则可以基于对应值来计算相似度度量。这样的相似度度量的示例可以例如包括绝对差值求和(SAD)、平方差值求和(SSD)或者相关性系数。在一些实现方式中，可以基于快照中的其它标识特征来确定相似度。例如如果两个快照对应于男性用户、在特定年龄范围中的用户或者有特定听力损失类型的用户则可以确定二者相似。在一些实现方式中，计算相似度度量可以包括在加权组合中组合标识特征中的一个或者多个标识特征。例如可以在计算在快照之间的相似度时向表示听力损失类型的标识特征指派比表示性别的标识特征更高的权值。

在一些实现方式中，推荐引擎125基于关于与当前用户对应的快照计算的相似度度量来选择相关快照。例如推荐引擎可以被配置为计算在来自当前用户与在多个数据项132内存储的快照之间的相似度度量、然后选择对应相似度度量值超过门限的快照作为相关快照。例如如果相似度度量范围在0与1之间(而0表示无相似度并且1表示完美匹配)，则推荐引擎125可以被配置为选择例如产生0.8或者更高相似度度量值的快照作为相关快照。

在一些实现方式中，相关快照可以包括由当前用户生成的快照以及由其他用户生成的快照。在一些实现方式中，相关快照包括仅来自如下用户的快照，这些用户被确定与正在为其生成推荐参数129的用户相似。在一些实现方式中，相关快照可以仅包括‘原型’快照，这些快照表示相似环境中的相似用户的用户类型或者群体。可以例如通过组合基于相似度度量而被确定相互相似的多个快照来生成这样的原型快照。

在一些实现方式中，可以通过从远程数据库130或者远程服务器122下载多个数据项132的至少部分来获得相关快照。例如可以将相关快照下载到控制助听设备的手持设备102或者下载到助听设备。在一些实现方式中，相关快照可以由远程服务器122从服务器122可访问的数据库130获得。在一些实现方式中，可以从在本地存储位置存储的数据库内保存的快照选择相关快照。

然后可以在加权组合中组合相关快照以确定推荐参数129。在一些实现方式中，在加权组合中组合相关快照可以包括向在给定的快照中包括的参数中的每个参数指派特定权值。可以例如基于为给定的快照而计算的相似度度量的值指派用于给定的快照的特定权值。在其中基于相似度度量高于0.8来选择相关牌照的示例中，可以向产生相似度度量值0.9的快照指派比产生相似度度量值0.82的快照更高的权值。一旦向相关快照指派权值，可以使用这样的指派的权值在加权组合中组合来自快照的对应参数值以提供对应推荐参数129。在一些实现方式中，也可以基于被训练以确定在权值与相似度之间的映射的机器学习过程来确定权值。在一些实现方式中，也可以向相关权值指派相等权值。在这样的情况下，可以平均来自不同相关快照的对应参数以计算对应推荐参数。在一些实现方式中，由于用户可能重用以往使用的参数，所以可以在确定推荐参数时向来自当前用户的快照指派高权值。在一些实现方式中，可以凭经验确定用户相似度和声学环境相似度的相对加权。

推荐引擎125可以在向相关快照指派权值时考虑各种其它因素。这样的因素可以例如包括使用给定的数字信号处理参数值集合的持续时间。例如如果助听设备用于长时间使用与特定快照对应的参数，则可以在确定推荐参数129时向这样的快照指派高权值。这样的因素的另一示例可以是未知邻近，其中与从当前位置更远离获得的快照比较向在当前位置附近获得的快照指派更高权值。

在一些实现方式中，推荐引擎125可以计算推荐参数129为数字信号处理参数或者与相关快照对应的控制器定位的加权组合。在一些实现方式中，与快照对应的控制器定位可以映射到多个数字信号处理参数值。加权组合可以是各种类型、例如包括加权平均、质量中心或者质心。

在一些实现方式中，推荐引擎125可以被配置为使用机器学习过程用于基于如在多个数据项132(或者快照)的数据集中表示的在各种声学环境中的历史参数来使用数据预测用于给定的声学环境的历史参数使用数据。这可以例如通过标识快照中的独立变量(或者预测器变量)的集合和依赖于独立变量的参数或者从属变量的集合来完成。独立变量的示例包括关于用户的人口信息(例如年龄、性别、听力损失类型等)和/或环境的声学特性(例如各种频谱、时间或者频谱-时间统计量、例如包括总声压电平、声压电平随时间的变化、在N个频率频带(N是整数)中的声压电平、在N个频带中的一个或者多个频带中的电平随时间的变化、估计的信噪比、频率频谱、调幅频谱、交叉频率包络相关性、交叉调频包络相关性、听觉模型的输出和梅尔频率倒谱系数)。从属变量的示例包括助听设备的各种操作参数(例如低频增益、高频增益或者映射到用于对应助听设备的一个或者多个参数的控制器的定位)。

可以使用多个数据项132来训练机器学习过程作为训练数据，从而机器学习过程确定在独立与从属变量之间的关系。一旦训练机器学习过程，过程可以用于从由推荐引擎125从标识信息127标识的独立变量集合预测推荐参数。在一个示例示例中，如果推荐引擎使用线性递归作为机器学习过程，则可以从在多个数据项132中表示的快照推导在独立与从属变量之间的以下关系：

y_i＝β₀+β₁x_i1+β₂x_i2+…β_px_ip

其中i对快照编号编索引，y表示目标信号处理参数(从属变量)，x₁,x₂,…,x_n表示p个预测器变量(独立变量)中的每个预测器变量(独立变量)，而β₁,β₂,…,β_n表示应用于对应独立变量的系数。一旦这样的关系由推荐引擎125确定，可以根据从与当前用户对应的快照标识的独立变量的函数计算目标参数(例如在推荐参数129的集合中)。

各种机器学习过程可以由推荐引擎125在确定推荐参数129时使用。例如一种或者多种机器学习技术、比如线性递归、深度神经网络、初级贝叶斯分类器和支持矢量机可以用来确定在预测器变量与从属变量之间的关系。在一些实现方式中，可以例如基于如由用户报告的预测的推荐参数集的可用性凭经验确定在推荐引擎125中使用的机器学习过程。

可以用各种方式训练机器学习过程。在一些实现方式中，各种快照表示在训练机器学习过程时分离地用作数据点的多个数据项132。在一些实现方式中，可以从快照确定各种原型环境(也称为表示环境类型)，并且可以使用这样的原型环境来训练机器学习过程。可以例如通过基于声学环境的一个或者多个特性组合(例如平均)聚类在一起的个别环境来生成这样的原型环境。在使用以这一方式训练的机器学习过程时，推荐引擎125可以被配置为基于从标识信息提取的信息将当前用户的快照分类为原型环境之一。

在一些实现方式中，由于用户可能重用他/她以往使用的参数，所以机器学习过程可以被配置为向来自相同用户的快照指派更高权值。这可以例如在训练机器学习过程时使用来自用户的大量先前快照(或者那些快照的大量重复)来完成。在一些实现方式中，可以使用两个分离机器学习过程：基于来自相同用户(或者来自预定用户类型的多个用户)的快照训练的机器学习过程和基于来自其他用户的快照训练的机器学习过程。在确定最终推荐参数时，可以组合使用两个分离机器学习过程而获得的对应参数为加权组合，并且可以在这样的组合中向来自使用来自相同用户的快照而训练的机器学习过程的参数指派更高权值。

可以用各种方式向当前用户的助听设备提供推荐参数129(这些推荐参数可以被表示为数字信号处理参数的数组)。在其中推荐引擎驻留在服务器122上的一些实现方式中，可以通过网络120向用户的助听设备提供推荐参数129。在一些实现方式中，可以向与用户的助听设备通信并且控制助听设备的手持设备102提供推荐参数129。在其中在控制手持设备102上确定推荐参数129的一些实现方式中，可以通过有线或者无线连接向助听设备提供参数。在其中在助听设备上确定推荐参数129的一些实现方式中，向控制用于助听设备的操作参数的控制器模块(例如处理器、微控制器或者数字信号处理器(DSP))提供确定的参数。

推荐引擎125可以被配置为根据可用于当前用户的信息量以各种方式计算推荐参数129。例如在关于用户的各种信息已知时，可以对于用户高程度个性化推荐参数129。然而，在关于用户的信息有限时，可以基于来自广义地相似的用户(例如有相似人口特性、比如年龄、性别或者听力状态的用户)的快照提供推荐参数129的初始集合。在一些实现方式中，可以基于从用户获得的输入提供推荐参数129的初始集合。例如可以要求当前用户输入用于示例声学环境的集合的优选参数。示例声学环境可以包括实际声学环境(例如如果指令用户前往嘈杂的餐厅)或者仿真的声学环境(例如如果指令用户在收听嘈杂餐厅的记录或者仿真之时标识优选参数)。在一些实现方式中，获得的用户输入可以由推荐引擎125创建然后在计算推荐参数129时使用的初始快照。

这里描述的结束也可以有助于与推荐引擎的各种类型的用户交互。例如经由在配置为与对应助听设备以及推荐引擎125二者通信的手持设备102上执行的应用而提供的用户界面有助于交互。在一些实现方式中，用户可以经由这样的界面微调接收的推荐参数129以进一步个性化使用助听设备的体验。用户也可以使用界面以在无任何推荐参数129时设置用于助听设备的参数。

在图2中示出用户界面200的示例。界面200可以例如包括用于选择需要放大的频率范围的控件205和用于调整用于选择的频率范围的增益的控件210。在触屏显示设备上，控件205和210表示可以上下滚动以选择希望的设置的滚轮。也可以使用其它类型的控件、例如包括可选择按钮、可填写表单、文本框等。在一些实现方式中，控件205和210的定位的每个组合映射到用于助听设备的特定参数集。在这样的情况下，控件205和210可以允许用户有效地控制助听设备的大量参数而无需遇到个别地调整个别参数的复杂性。

在一些实现方式中，界面200也可以包括用图形表示使用控件205和210做出的调整如何影响对输入信号的处理的可视化窗口215。例如可视化窗口215可以表示对各种类型的声音、例如包括低音响亮声音、高音响亮声音、低音静默声音和高音静默声音的处理的效果。可视化窗口215可以被配置为随着用户使用控件205和210来做出调整而动态地变化、由此向用户提供关于改变将如何影响处理的实时可视反馈。在图2中所示具体示例中，在可视化窗口215的象限216中的阴影示出选择的参数将放大高音静默声音最多。在象限217和218中的阴影分别指示对高音响亮声音和低音静默声音的放大与在象限216中表示的声音比较将更少。在象限219中不存在任何阴影指示低音响亮声音将被放大最少。这样的实时可视反馈允许用户不仅基于什么听起来更好而且基于听力损失的性质的先验知识选择参数。在一些实现方式中，可视化窗口也可以被配置为表示使用控件205和210做出的调整如何影响对应助听设备的各种其它参数。

可以基于希望的细节和功能数量配置界面200。在一些实现方式中，界面200可以包括用于保存选择的参数和/或向远程设备、比如服务器122或者远程存储设备提供选择的参数的控件220。也可以提供用于每只耳朵的分离可配置性。在一些实现方式中，界面200可以允许用户基于听力敏度图输入信息，从而可以基于听力敏度图的性质自动地调整参数。例如如果听力敏度图指示用户在高频具有适度到严重听力损失、但是在低频仅有温和到适度损失，则可以自动地调整参数以相应地提供所需补偿。在其中初始设备被配备有相机(例如如果初始设备是智能电话)的一些实现方式中，则界面200可以提供用于捕获可以从其确定参数的听力敏度图的图像的控件。

在一些实现方式中，界面200可以被配置为允许用户请求推荐参数129。在一些实现方式中，这样的请求也可以通过按压助听设备上的按钮来发送。在一些实现方式中，助听设备(或者控制助听设备的手持设备)可以在检测到声学环境改变时自动地发起推荐请求。这可以例如允许听力设备自动地适应改变的声学环境。例如如果超过在环境之间的声学相似度的某个门限值，则可以自动地发起推荐。如果在当前GPS位置与上次推荐的GPS位置之间的差值超过门限值，则这样的改变也可能出现。在一些实现方式中，门限可以被预定义或者由用户设置。

在一些实现方式中，在助听设备(或者控制助听设备的手持设备102)检测到环境(声学或者位置)改变并且获得推荐参数集时，界面200可以被配置为向用户通知推荐参数可用。界面200也可以允许用户接受或者拒绝推荐参数。在一些实现方式中，界面200也可以允许用户通过恢复到先前参数值集合来‘撤消’推荐参数集的效果。

图3示出用于向助听设备提供推荐参数集的示例过程300的流程图。可以在以上关于图1描述的设备中的一个或者多个设备上执行过程300的操作。在一些实现方式中，过程300的至少部分可以由可以在服务器122上实施的推荐引擎125执行。也可以在手持设备102或者助听设备上执行过程300的部分。

过程300的操作包括接收与助听设备的用户和声学设备的声学环境关联的标识信息(310)。助听设备和对应声学环境可以与以上参照图1描述的助听设备和对应声学环境基本上相似。与助听设备关联的标识信息可以例如包括以下各项中的一项或者多项：特定助听设备的标识、与用户关联的人口信息、关于用户的年龄信息或者关于用户的性别信息。与声学环境关联的标识信息可以例如包括各种频谱、时间或者频谱-时间统计量、例如包括总声压电平、声压电平随时间的变化、在N个频率频带中的声压电平、在每个频带中的电平随时间的变化、估计的信噪比、频率频谱、调幅频谱、交叉频率包络相关性、交叉调频包络相关性、听觉模型的输出和/或梅尔频率倒谱系数。与声学环境关联的标识信息也可以包括标识一个或者多个兴趣声源(例如说话者)或者预定类型(例如背景音乐)的声源的存在的信息。

过程300的操作包括基于多个数据项确定用于调整声学环境中的助听设备的参数的推荐参数集(320)。动态确定可以例如基于标识信息来做出，而多个数据项可以基于由不同声学环境中的各种其他用户使用的参数。推荐参数集可以表示基于用户的属性以及用户的声学环境计算的助听设备的设置。

在一些实现方式中，确定推荐参数集可以包括标识与用户关联的用户类型和与声学环境关联的环境类型。可以例如基于从对应听力设备接收的标识信息做出这样的标识。然后可以基于多个数据项确定与用户类型和环境类型对应的推荐参数集。在一些实现方式中，这可以包括从在多个数据项中表示的快照选择多个相关快照、然后通过在加权组合中组合来自相关快照的对应参数来确定推荐参数。在一些实现方式中，可以例如基于机器学习过程(例如递归分析)确定推荐参数集。

过程的操作还包括向助听设备提供推荐参数集(330)。在一些实现方式中，可以通过手持设备、比如智能电话或者写字板路由在推荐引擎与助听设备之间的这样的通信。

图4是用于更新用于向助听设备提供推荐参数集的多个数据项的数据库的示例过程400。可以在以上关于图1描述的设备上执行过程400的操作。在一些实现方式中，过程400的至少部分可以由可以在服务器122上实施的推荐引擎125执行。也可以在手持设备102或者助听设备上执行过程400的部分。

过程400的操作包括接收表示可用来调整助听设备的参数集的第一信息(410)。在一些实现方式中，可以从手持设备(例如参照图1描述的手持设备102)接收参数集。也可以从助听设备接收参数集。过程400的操作也包括接收标识听力设备的用户和听力设备的声学环境的特性的第二信息(420)。在一些实现方式中，第二信息可以包括与以上参照图3描述的标识信息基本上相似的信息。在一些实现方式中，第二信息可以包括与以上参照图3描述的标识信息基本上相似的信息。

过程400的操作还包括处理第一信息和第二信息以更新以各种声学环境中的听力设备的、用户实施的参数为基础的多个数据项(430)。在一些实现方式中，第一信息和第二信息一起可以表示以上参照图1描述的快照。在一些实现方式中，多个数据项可以与以上参照图1描述的数据项132基本上相似。在一些实现方式中，更新多个数据项可以包括确定接收的参数集的有效性。例如如果确定接收的参数集是无关参数集，则可以在更新数据项时没有使用参数集。

在一些实现方式中，更新多个数据项可以包括处理第二信息以获得与多个数据项关联的预定数目的特征。这可以例如包括使用降维过程以将第二信息中的参数数目从第一更高数目减少成表示与多个数据项关联的特征数目的第二更低数目。预定特征数目可以例如包括与用户关联的一个或者多个声学特征和/或一个或者多个人口特征。在一些实现方式中，可以基于声学和/或人口特征的一个或者多个函数更新多个数据项。过程400的操作也可以包括在存储设备中存储多个数据项的表示(440)，存储设备可以驻留在服务器(例如图1的服务器122)、手持设备(例如图1的设备102)和助听设备(例如图1的设备104、106、108和110)中的一个或者多个上或者从它或者它们可访问。

图5是用于向助听设备提供推荐参数集的示例过程500的流程图。可以在以上关于图1描述的设备中的一个或者多个设备上执行过程500的操作。在一些实现方式中，过程500的至少部分可以由可以在服务器122上实施的推荐引擎125执行。也可以在手持设备102或者助听设备上执行过程500的部分。

过程500的操作包括接收指示发起对助听设备的调整的信息(510)。在一些实现方式中，可以基于经由用户界面获得的用户输入接收这样的信息。例如在手持设备上执行的应用可以提供用户界面(例如图2的用户界面200)，该用户界面允许用户经由在用户界面内提供的一个或者多个控件请求调整。在一些实现方式中，也可以从助听设备接收指示发起的信息。例如发起可以由经由在助听设备上提供的按钮或者其它控件接收的用户输入触发。在一些实现方式中，发起可以是自动的、例如基于检测到助听设备的声学环境改变。这样的改变可以例如由在助听设备上或者在配置为与助听设备通信的手持设备上驻留的处理电路装置检测。

过程500的操作也包括确定与(i)助听设备的用户和/或(ii)助听设备的声学环境关联的一个或者多个特征(530)。在一些实现方式中，特征可以包括与以上参照图3描述的标识信息基本上相似的信息。

过程500的操作也包括获得与调整关联的推荐参数集(530)。推荐参数集基于由不同声学环境中的多个用户使用的参数。在一些实现方式中，从远程计算设备获得推荐参数集。在这样的情况下，获得参数包括向远程计算设备提供标识用户/或声学环境的一个或者多个标识特征并且作为响应从远程计算设备接收推荐参数集。在一些实现方式中，也可以从本地处理电路装置(例如在步骤510中接收发起信息的设备的处理器、微处理器或者DSP)获得推荐参数集。

过程的操作还包括向助听设备提供推荐参数集(540)。在其中在控制助听设备的手持设备上执行过程500的一些实现方式中，可以经由有线或者无线连接向手持设备提供参数。在其中在助听设备上执行过程500的实现方式中，向更改用于设备的操作参数的电路装置提供参数。

图6是用于向助听设备提供调整的参数集的示例过程600的流程图。可以在以上关于图1描述的设备中的一个或者多个设备上执行过程600的操作。在一些实现方式中，可以在手持设备102或者与助听设备关联的显示器上执行过程600的至少部分。

过程600的操作包括使用户界面被显示在显示设备上(610)。用户界面可以包括用于提供用于调整助听设备的信息的一个或者多个控件。在一些实现方式中，用户界面可以与参照图2描述的用户界面200基本上相似。过程600的操作包括传输对于用于调整声学环境中的助听设备的推荐参数集的请求(620)。请求包括与(i)助听设备的用户和/或(ii)助听设备的声学环境关联的标识信息。可以例如响应于由用户界面提供的用于请求的用户输入来传输请求。也可以例如响应于自动检测到声学环境来传输请求。在一些实现方式中，标识信息可以与以上参照图1描述的标识信息127基本上相似。在这样的情况下，过程600也可以包括确定标识用户和声学环境的特性的多个特征。

过程600的操作也包括响应于请求从远程计算设备接收推荐参数集(630)。例如推荐参数集可以由手持设备或者助听设备响应于手持设备或者助听设备向远程服务器提供请求而从服务器接收。推荐参数集可以基于由不同声学环境中的多个用户使用的参数。可以通过访问与参照图1描述的数据项132基本上相似的多个数据项来获得这样的参数。

过程600的操作还可以包括接收指示对推荐参数集的至少子集的调整的信息(640)。可以经由例如在用户界面上提供的一个或者多个控件接收这样的调整。在一些实现方式中，调整可以由在助听设备上提供的一个或者多个硬件控件(例如滚轮或者按钮)接收。在一些实现方式中，基于硬件或者用户界面的控件允许用户微调由推荐参数表示的设置以进一步个性化由助听设备提供的声学体验。

过程600的操作也包括向助听设备提供调整的参数集(650)。在其中在控制助听设备的手持设备上执行过程600的一些实现方式中，可以经由有线或者无线连接向手持设备提供参数。在其中在助听设备上执行过程600的实现方式中，向更改用于设备的操作参数的电路装置提供参数。在一些实现方式中，可以存储调整的参数集作为可以在确定将来推荐时使用的快照。例如可以存储调整的参数集作为在确定推荐参数集时使用的多个数据项的部分。在这样的情况下，可以其中存储多个数据项的存储设备或者计算设备(例如远程服务器)提供调整的参数集。

可以至少部分经由计算机程序产品、例如在信息载体、比如一个或者多个非瞬态机器可读介质中有形地体现的用于由一个或者多个数据处理装置、例如可编程处理器、一个计算机、多个计算和/或可编程逻辑部件执行或者用于控制其操作的计算机程序实施这里描述的功能或者其部分及其各种修改(下文为“功能”)。

可以用任何形式的编程语言、包括编译或者解译的语言编写计算机程序，并且可以用任何形式部署它、包括作为单独程序或者作为适合用于在计算环境中使用的模块、部件、子例程或者其它单元。可以部署计算机程序以在一个计算机上或者在一个地点的或者跨多个地点分布的并且由网络互连的多个计算机上执行。

与实施功能中的全部或者部分功能关联的动作可以由执行一个或者多个计算机程序以执行校准过程的功能的一个或者多个可编程处理器执行。可以实施功能中的全部或者部分功能为专用逻辑电路装置、例如FPGA和/或ASIC(专用集成电路)。

适合用于执行计算机程序的处理器例如包括通用和专用未出勤二者和任何种类的数字计算机的任何一个或者多个处理器。一般而言，处理器将从制度存储器或者随机存取存储器或者二者接收指令和数据。计算机的部件包括用于执行指令的处理器以及用于存储指令和数据的一个或者多个存储器设备。

这里没有具体描述的其它实施例也在所附权利要求的范围内。可以组合这里描述的不同实现方式的单元以形成以上没有具体阐述的其它实施例。可以从这里描述的结构省略要素而没有不利地影响它们的操作。另外，各种分离要素可以被组合成一个或者多个个别要素以执行这里描述的功能。