[發明專利]基于機器學習的真耳分析測試系統

有效

• 申請號: 202010677580.3
• 申請日: 2020-07-14
• 公開（公告）號: CN111818436B
• 公開（公告）日: 2021-09-28
• 發明（設計）人: 宮琴;宣韜
• 申請（專利權）人: 無錫清耳話聲科技有限公司;清華大學無錫應用技術研究院
• 主分類號: H04R25/00
• 分類號: H04R25/00
• 代理公司: 無錫盛陽專利商標事務所(普通合伙) 32227
• 代理人: 顧吉云;黃瑩

1.基于機器學習的真耳分析測試系統，其包括：真耳測試模塊，其特征在于，其還包括：測試驅動模塊、數據導入模塊、聽力補償值預測模塊、校準模塊；

所述真耳測試模塊包括放音設備、測量麥克風、參考麥克風；所述放音設備負責在測試項目中給出測試信號聲；所述測量麥克風用以測量待檢測者外耳道近鼓膜處的聲音頻譜；所述參考麥克風用于測量在測試過程中由所述放音設備發出的聲音頻譜；

所述校準模塊對所述放音設備的音量提供校準功能，對所述測量麥克風、所述參考麥克風提供校準功能，輸出所述測量麥克風、所述參考麥克風的頻率響應的差值，記為麥克風頻率差值；

所述測試驅動模塊包括測試數據讀取模塊、測試音驅動模塊、數據實時處理模塊；

所述測試數據讀取模塊讀取所述真耳測試模塊中進行測試時使用的測試用聲音文件，對所述測試用聲音文件做數字量-模擬量轉換，將其變為底層驅動可用的電信號；

所述測試音驅動模塊將所述測試用聲音文件對應的電信號輸入到所述真耳測試模塊中，由所述放音設備播放，對待檢測者進行實時檢測；所述真耳測試模塊通過所述測量麥克風采集的聲音頻譜數據傳入所述數據實時處理模塊；

所述數據實時處理模塊在測試期間實時采集所述測量麥克風、所述參考麥克風的信號，進行實時的數據處理；數據處理流程為：首先進行FFT快速傅里葉變換，將傳輸的所述聲音頻譜數據的時域信號轉換到頻域，得到譜線后，根據所述校準模塊輸出的所述麥克風頻率差值進行譜線的修正，再根據1/3倍頻程的精度統計在每個頻帶內的能量，獲得待預測者的聽力補償實測值，并且將所述聽力補償實測值實時繪制出結果曲線顯示在交互界面上；

所述數據導入模塊導入待預測者的個人數據，所述個人數據包括：個人基礎信息和預測聽力閾值數據；所述預測聽力閾值數據是待檢測者在指定的聲學頻率下進行測聽后，測得的聽閾數值；

所述聽力補償值預測模塊基于聽力補償預測模型，預測獲得待預測者的聽力補償預測值；聽力補償值預測模塊中的執行步驟為：將所述數據導入模塊導入的所述個人數據進行歸一化處理，調整所述個人數據的量綱、量值后，將調整后的所述個人數據導入所述聽力補償預測模型進行計算，獲得所述聽力補償預測值；將所述聽力補償預測值繪制出結果曲線，與所述聽力補償實測值以同一坐標系同時顯示在同一個交互界面上；

所述聽力補償預測模型構建過程包括：

a1：基于歷史數據構建聽力補償參考大數據集；

所述聽力補償參考大數據集中的數據結構包括：

特征X：X＝{x₁,x₂,x₃,...,x₉}

預測值y：y＝{y₁,y₂,y₃,...,y₆}

其中：特征X為9維特征向量，x₁～x₃分別為：病人性別、病人年齡組、助聽器輸入聲壓級大小，

x₄～x₉分別為病人在6個聲學頻率下的聽閾數值，預測值y是x₄～x₉對應的在6個聲學頻率下的聽力補償參考值；

a2：將所述聽力補償參考大數據集中的數據進行數據清洗和歸一化，將病人信息數據轉換為模型所需的數據格式，得到訓練數據集；

a3：構建所述聽力補償預測模型：

在N組基礎模型超參數下，通過十折交叉驗證，評估挑選網絡模型超參數，確定所述聽力補償預測模型的參數；

a4：將所述訓練數據集投入到參數確定后的所述聽力補償預測模型中進行訓練，得到訓練好的所述聽力補償預測模型。

2.根據權利要求1所述基于機器學習的真耳分析測試系統，其特征在于：所述聽力補償預測模型為基于N個機器學習的基礎模型構建的篩選模型，其中，N大于等于1；預測獲得待預測者的聽力補償預測值時，通過N個所述基礎模型的篩選結果的投票，得出最終的所述聽力補償預測值；所述基礎模型包括：基礎神經網絡模型、機器學習回歸模型。