CN108781339A - 用于运行助听器的方法以及用于根据单独的阈值检测自身语音的助听器 - Google Patents

Abstract

本发明涉及一种用于运行助听器(2)的方法，其中借助麦克风(4)接收声音，其中关于声音与助听器佩戴者的自身语音的一致性来分析声音，并且产生特征值(M)，其说明了声音与助听器佩戴者的自身语音的一致程度，其中自身语音是声音类型(G1)，其中将特征值(M)与阈值(S)比较，其中依据特征值(M)是高于还是低于阈值(S)，将声音识别为自身语音，并且其中依据声音是否被识别为自身语音，助听器(2)在多个运行模式之间进行切换。该方法的特征在于，取决于用户地设置阈值(S)。由此构造改进的自身语音识别器(10)，其特别可靠地区分助听器佩戴者的自身语音和另外的声音类型(G2)。本发明还涉及一种具有相应的自身语音识别器(10)的助听器(2)。

Description

用于运行助听器的方法以及用于根据单独的阈值检测自身语 音的助听器

技术领域

本发明涉及一种用于运行助听器的方法，其中，借助麦克风接收声音，其中，关于声音与助听器佩戴者的自身语音的一致性来分析声音，并且产生特征值，特征值说明了声音与助听器佩戴者的自身语音的一致程度，其中，自身语音是一种声音类型，其中，将特征值与阈值相比较，其中，依据特征值是高于还是低于阈值，将声音识别为自身语音，并且其中，依据声音是否被识别为自身语音，在多个运行模式之间切换助听器。此外，本发明涉及一种助听器。

背景技术

相应的方法例如在来自申请人的未公开的具有申请号PCT/EP 2015/068796的国际申请中描述。

在对借助一个或多个麦克风接收的声音进行分析的范围内可能的是，识别助听器佩戴者的自身语音，并且据此助听器在不同的运行模式之间进行切换。这种分析也被称为自身语音检测，或者被称为“own voice detection”，缩写为VOD。这种分析借助自身语音识别器实施，其通常是助听器的组成部分。声音由麦克风转换为电信号，然后检查电信号，以便将声音与特定的声音类型相关联，更确切的说，以便判断原始的声音是否是自身语音，也就是，判断助听器佩戴者是否说话。

由US 2011/0261983 A1得到一种用于自身语音识别的方法，其中，依据环境声音来选择提前确定的阈值，以用于识别自身语音。为此，首先针对环境声音中的不同的声音类别确定不同的阈值。在正常运行期间，即在助听器佩戴者使用助听器时，依据当前存在的声音类别来选择阈值。

在开头引用的申请PCT/EP 2015/068796中，分析借助特殊的滤波器实现，其分别具有自身的滤波器特性，滤波器特性匹配于各自的声音，即，匹配于特定的声音类型或特定的声音类别。给定的信号然后借助滤波器分别被滤波。针对每个滤波器，由产生的滤波后的信号确定，原始的声音以何种程度相应于各自的滤波器匹配于的声音类型。滤波器特性为此例如设计为，待识别的声音基于滤波器特性被最大程度地衰减。在所提到的申请中，由此根据声音的位置进行区分，即，各自的滤波器不同地影响相对于助听器在空间中的不同的点上形成的声音。由此，空间上的区分是可能的，并且此外，声音类型的区分基于声音相对于助听器的位置实现。由此，附近的声音被识别为空间上接近的，并且假定为自身语音，而相隔很远的声音识别为空间上遥远的，并且假定为外来语音。实际的声音与滤波器匹配于的声音的更强的一致性导致更强的衰减和更高的一致性，即，导致检查的声音相应于与滤波器相关联的声音类型的更高的概率。以该方式，声音可以以特定的概率正确地分类，并且与特别是多个不同的声音类型中的一个相关联。

在将不同的滤波器应用于接收的信号时，得到相应不同的衰减值，即，通常是针对一致性的值，从而基于这些值可以判断涉及哪个声音类型。如果助听器佩戴者现在自己在说话，则信号通过该滤波器被更强地衰减，并且得到比在另外的滤波器中更高的针对一致性的值，该另外的滤波器例如匹配于助听器佩戴者的正面区域中的外来的说话者。通过评估两个值由此可以可靠地确定，助听器佩戴者自己在说话，即，存在自身语音情况。评估通过形成特征值、例如通过形成两个衰减值的差或商，以及通过随后将特征值与预先确定的所存储的阈值或极限值相比较来实现。

发明内容

在该背景下，本发明要解决的技术问题是，给出一种用于运行助听器的方法，其中，更可靠地实现助听器佩戴者的自身语音和另外的声音之间的区分。此外，应该给出一种具有改进的自身语音识别器的相应的助听器。

上述技术问题根据本发明通过具有根据权利要求1的特征的方法以及通过具有根据权利要求11的特征的助听器来解决。有利的设计方案、扩展和变型方案是从属权利要求的主题。在此，与方法有关的实施按照意义也适用于助听器，反之亦然。

该方法用于运行助听器。助听器通常理解为用于借助扬声器输出声响、即声音的设备，其中，从借助至少一个麦克风从环境接收到的声音获得声响。声音由麦克风转换为电信号，并且在助听器中借助控制单元处理。随后，信号通过扬声器又转换为声音并且输出。特殊地，助听器理解为用于供应听力有障碍的或听力受损的人员的设备，人员特别是连续地或在大部分时间佩带助听器，以补偿听觉缺陷。助听器因此总体上具有至少一个麦克风、扬声器(也被称为听筒)和控制单元，其中，控制单元控制声音的接收和其输出。通常，控制单元至少构造为用于放大声音。

在该方法中，借助麦克风接收声音。声音、更确切的说由此产生的电信号关于其与助听器佩戴者的自身语音的一致性被分析，并且产生特征值，特征值说明了声音与助听器佩戴者的自身语音的一致程度。在此，自身语音特别地是多个不同的声音类型中的一个声音类型。

优选借助分类器产生特征值。分类器关于特定的声音类型的特有特征的数量来分析接收的声音，并且提供特征值作为与声音类型的一致性的度量。随后将特征值与阈值相比较。依据特征值是高于还是低于阈值，将声音识别为自身语音，即明确地与声音类型“自身语音”相关联。就此而言，与阈值的比较是一种判断方法，用于确定针对特征值的哪些值是从自身语音的存在得出的以及自身语音什么时候最终被视作识别出的。

分析声音、产生特征值、与阈值进行比较和判断是否存在自身语音，借助自身语音识别器来执行，其是助听器的组成部分，并且例如实现为集成电路。自身语音识别器在此可以是助听器的控制单元的部分，或者构造为独立的单元。依据声音是否被识别为自身语音，助听器在多个运行模式之间切换，例如在自身语音模式与非自身语音模式之间切换。切换在此自动进行，即，通过助听器本身、特别是通过控制单元或直接通过自身语音识别器进行。

根据本发明，阈值被取决于用户地设置并且被设置为单独的阈值。

单独的阈值的取决于用户的确定理解为：依据助听器佩戴者的人员设置该阈值。特别是不使用另外的助听器佩戴者/用户的特征值来确定阈值。

设置由声学家在拟合会话的范围内，或者通过助听器佩戴者本身或者在正常运行时，即在线地，并且自动通过助听器实现。通过将用于比较的阈值匹配于用户，在确定、特别是分类自身语音时以最佳的方式考虑可能强烈偏差的特征值。有意义地，特征值的产生本身如上面已经描述的那样也特定地匹配于助听器佩戴者，以便实现对自身语音的最佳的识别。

针对取决于用户的单独的设置，阈值借助校准方法确定，其中，特别是多次接收助听器佩戴者的自身语音，并且产生多个单独的、即特定于用户的特征值。最后，在校准方法中，依据产生的单独的特征值设置单独的阈值。以该方式设置特别合适的且用户最佳的阈值。由此产生多个单独的特征值，从而得到单独的特征值的分布，然后从其中确定阈值。

通过关于分布的特性值设置阈值，例如作为与平均值的2σ偏差或者通常以产生的特征值大多高于或低于阈值的方式，来依据在校准方法中产生的单独的特征值设置阈值。

该设计方案基于如下知识：阈值可以是强烈取决于用户的。特殊地在开头描述的和由PCT/EP 2015/068796得到的方法中，通过所使用的滤波器产生的衰减值可以取决于用户地强烈地改变。固定的阈值因此会导致，在一个用户中识别为自身语音，而在另外的用户中识别为外来语音，尽管在两个情况下都存在自身语音。

此外，该设计方案基于如下思想：在校准方法期间的时间历程中采集自身语音和外来语音/环境声音。因此，在存在自身语音时和在存在外来语音/环境声音时得到特征值。特征值的总体上得到的分布因此示出可能的特征值的带宽。从该分布中，例如借助统计方法、特别是平均值形成来确定单独的阈值。

这特别是以如下知识为基础：为了鉴别声音并且为了将声音与声音类型相关联而确定和考虑的特征值可以由环境引起强烈不同。换言之：在针对助听器的不同的环境中，在检测到特定的声音时可能产生有时强烈变化的特征值，因为所接收的该声音例如被改变、扭曲或与另外的声音叠加。在此，概念“环境”理解为相对于助听器，而不是理解为相对于助听器佩戴者。特别地，助听器佩戴者的自身语音在逻辑上因用户而异，从而不同的助听器佩戴者也是助听器的不同的环境。但另外的声音，即相对于助听器佩戴者外部的声音，例如外来语音，也可以在不同的环境中导致不同的特征值。

“声音”通常理解为在可听到的频率范围内的每个类型的声音信号。不同的声音类型除了别的之外是自身语音、外来语音、音响、声响、音乐、干扰声音以及噪声。

根据本发明的方法此外基于如下思想：自身语音识别器基于固定地预设的阈值的判断可能是非常易出错的。为了减小在确定声音的声音类型时的错误，原则上可能的是，将阈值有意地设置为特别高或特别低。由此，虽然可以减小在将另外的声音错误识别为自身语音时的错误率，或者相反地减小在没有识别到自身语音(尽管其存在)时的错误率；然而该方案总体上是不足够的，因为正确识别或没有识别自身语音在此在特别明显的情况下受到限制，并且由此尽可能排除特征值的特别取决于环境的值范围。

阈值的取决于用户的设置在此特别是理解为，自身语音识别器刚好不使用通常预先确定的阈值来进行判断。

相应合适的阈值相反地也特别是通过之前的环境分析来选择。在此例如，由自身语音识别器本身或者由控制单元合适地首先确定当前的环境，并且随后，从一组阈值中选出和设置相关的对于环境最佳的阈值。

针对各自的情况的具体的待使用的阈值的提前的确定与阈值在运行时的上面描述的、取决于环境的设置区分开。该确定要么在例如由声学家在拟合会话(Fitting-Session)的范围内设置助听器时实现，要么替换地或附加地通过助听器佩戴者本身实现。在助听器的特殊的校准运行中或正常运行中的自动确定原则上也是可以想到的。通常，通过确定建立阈值与环境的关联性，从而存在一组阈值用以选择，从其中设置最合适的阈值。该关联性例如作为表格、作为函数关联性或作为用户特性适宜地存储在助听器、特别是控制单元的存储器中。就此而言，相应地不仅存储了预先确定的阈值，而且也存储了针对不同的环境的多个预先确定的阈值。从该多个预先确定的阈值中取决于环境地选择和设置合适的阈值，由此在运行时，助听器的运行模式的选择明显不太容易产生错误。

单独的阈值的取决于用户的设置此外与确定特征值的设置、例如开头提到的滤波器或分类器的设置是不同的，分类器用于分析声音和用于产生特征值。阈值因此不是用于确定特征值，而是用于评估已经确定的特征值。产生特征值的部件的这种配置相反地特别是与用于评估特征值的阈值的取决于用户的或取决于环境的选择和设置无关地实现。然而适宜地，这些部件也被取决于用户地设置。这例如关于自身语音识别、即识别助听器佩戴者的声音是有意义的，也就是说，例如通滤波波器产生特征值适宜地匹配于助听器佩戴者的声音，以确保最佳的特征值产生并且因此确保与另外的声音类型的最佳的可区分性。

在合适的扩展中，通过在有限的时间段内确定最大的和最小的特征值并且在最小的和最大的特征值之间设置阈值，来校准阈值。这特别是以如下假设为基础：在最大的特征值的情况下，声音是声音类型“自身语音”，在最小的特征值的情况下，声音是声音类型“外来语音”。然而，根据特征值的计算，这也可以是相反的，即假定，自身语音产生最小的特征值，外来语音产生最大的特征值。有限的时间段通常是几秒至几十秒长，例如大约20s。最大的和最小的特征值因此是时间段内的短时间极值。通过持续确定短时间极值，总体上在明显比有限的时间段更长的时间段内确定一方面针对自身语音，另一方面针对另外的声音类型、特别是外来语音的典型的特征值。以该方式有利地至少获得与在进一步在上面提到的校准方法中类似的统计分布，其中，至少存在自身语音尤其必须是已知的。相反地，基于在有限的时间段内最小的和最大的特征值，特别是在一定程度上提出的是，接收的声音什么时候是自身语音，什么时候是另外的声音类型。

在有利的设计方案中，通过定期重复地确定单独的特征值并且据此设置阈值，来在正常运行时校准阈值。由此，阈值被持续调整，从而在关联性的范围内存储的阈值随着时间接近最佳阈值。

校准在此不相应于阈值的取决于环境的设置，其在具体的情况下被设置。相反地，在校准时调整针对各自的值范围存储的阈值，其随后被设置。在该意义下，值范围的阈值的定期重复的重新校准是自身语音识别器的持续的在线优化。该优化要么持续地，要么仅在特定的时间，要么仅在唯一的特定的时间段内进行。

在有利的设计方案中，除了与自身语音的一致性以外，也关于与至少一个另外的声音类型的一致性来分析声音。在此例如分别产生一致性值，其说明了声音与特定的声音类型的一致程度，其中，一致性值被组合为特征值。至少两个声音类型中的一个是自身语音。由此，根据特征值实现自身语音与另外的声音类型之间的区分。该区分通过取决于环境地设置的阈值明显改进。特征值例如是由两个一致性值构成的差或商。

自身语音与另外的声音类型之间的区分在优选的变型方案中相应于在位置上、即空间上分离的声音之间的区分。自身语音通常是在空间上最接近助听器的声音类型，从而通过空间差别、即声音的位置的差别，也以简单的方式区分自身语音和另外的声音类型。

在优选的扩展中，另外的声音类型是外来语音，其相对于助听器佩戴者特别是布置在前方。在此，外来语音特别地不是理解为确定的另外的人员的声音，而是完全通常理解为不是助听器佩戴者的自身语音的声音。借助自身语音识别器区分自身语音与外来语音。

在特别优选的实施方式中，如在开头提到的国际申请PCT/EP 2015/068796中那样借助滤波器对来产生特征值，其中，一个滤波器配置为最大程度地衰减自身语音，并且另一滤波器配置为最大程度地衰减外来语音、特别是来自于在助听器佩戴者的前面的人员的外来语音。两个滤波器在分析声音时分别提供一致性值，并且随后根据两个一致性值，例如通过关于外来语音的一致性值减去自身语音的一致性值来形成特征值。在外来语音中的特征值于是小于在自身语音中的特征值。如果低于阈值，则声音被识别为外来语音；如果相反地超过阈值，则声音被识别为自身语音。

对于另外的声音类型，产生特征值通常也是取决于用户的。因此，在校准方法中，在有利的扩展中，在接收自身语音之前或之后接收另外的声音类型、特别是外来语音。特别是与之前提到的类似地，在此也产生多个特征值，依据多个特征值来设置阈值。校准由此明显被改进，特别是在区分自身语音与另外的声音类型的精确度方面。针对两个声音类型的所产生的两个统计分布的两个平均值的平均值例如被设置为阈值。

助听器佩戴者的人员不是关于其有意义地调整阈值的唯一的环境条件。在分析大多的声音类型时特别重要的是声音类型与噪声(通常是背景噪声或干扰声音)的叠加。尤其识别的是，产生特征值、特别是对声音分类，随着噪声音量的增大变得更难和更易出错。根据意义，相同的情况适用于区分两个声音类型。因此，在特别优选的设计方案中，除了阈值的取决于用户的设置以外替换地或附加地，通过确定噪声值并且依据噪声值设置阈值，来取决于环境地设置阈值。由此，自身语音识别器被进一步优化。

噪声值表征噪声并且特别是量化该噪声。优选地，噪声值是噪声的水平、音量、强度或幅度。替换地，信噪比也适用于作为噪声值。也合适的是，噪声典型化，即，当前存在的噪声与特定的声音类型相关联，并且依据识别的声音类型设置阈值，其中，声音类型是噪声值。

除了取决于噪声的设置以外附加地或替换地，每个另外的环境依赖关系也适用于，首先被确定、特别是被量化，以便随后据此设置阈值。

在合适的设计方案中，针对噪声值定义分别与阈值相关联的多个值范围。然后确定噪声值位于其中的值范围，并且选择和设置与确定的值范围相关联的阈值。以该方式，以简单的方式给每个噪声值分配足够合适的阈值，从而总体上例如以表格形式给出关联性，从表格中选择和设置在各自的情况下最合适的阈值。这以如下思想为基础：噪声值位于确定的值范围内，其现在有利地被划分为多个特别是连续的区间，以便实现取决于噪声值地设置阈值。

例如，噪声值是助听器的环境中的噪声水平。水平通常以单位dB给出。值范围例如是从-90直到-40dB，并且以例如每5dB划分为大约10至20个值范围。每个值范围与自身的阈值相关联。在助听器运行时测量噪声水平，并且设置与所测量的水平位于其中的值范围相关联的阈值。水平例如借助干扰声音评估器、即所谓的“noise estimator”，例如基于“最小统计”方案来测量。

阈值与值范围的关联性例如由声学家在拟合会话的范围内或通过助听器佩戴者本身例如在校准方法的范围内实现。在此尤其重要的是，可以提供或者至少可靠地测量所定义的噪声值。关联性可以通过纯校准测量实现，并且然后作为表格呈现，并且存储在助听器上，或者关联性通过例如与校准测量的结果接近的函数关联性实现。在最后一种变型方案中，例如针对阈值假定上限和下限，特别是针对低水平的上限(例如在-75dB以下)，和针对高水平的下限(例如在-60dB以上)，并且在它们之间被线性地外推。在此有利地需要确定仅一个合适的上限和下限以及关于其进行外推的值范围。

在适宜的设计方案中，阈值在助听器正常运行时被定期重复地重新校准，特别是如上面关于取决于用户地确定最佳阈值所描述的那样。取决于用户的阈值由此特别是持续被校准，并且随着时间总是更好地匹配于当前的助听器佩戴者。这特别是相应于助听器的训练运行，其适宜地在一定的训练时间后结束。然后特别是固定地设置取决于用户的阈值。

根据本发明的助听器具有自身语音识别器，其构造为用于执行按照上面提到的设计方案中一个的方法。然后依据自身语音识别器的结果，助听器切换到针对相应存在的情况的合适的运行模式中。切换在一种变型方案中同样通过自身语音识别器实现。

附图说明

下面，借助附图详细阐述实施例。附图中：

图1示出了具有自身语音识别器的助听器；

图2示出了用于识别助听器佩戴者的自身语音的测量的结果的图形图示；

图3示出了用于识别助听器佩戴者的自身语音的另外的测量的结果的图形图示。

具体实施方式

图1示意性示出了助听器2。该助听器在此构造为所谓的BTE设备，并且由用户佩带在耳朵后。在一种变型方案中，助听器2是ITE设备，并且佩带在耳朵中。另外的助听器类型原则上也是合适的。助听器2具有麦克风4，用于接收来自助听器2的环境的声音。所接收的声音作为信号在助听器2的控制单元6中被处理，并且准备用于通过扬声器8输出。通常在此放大信号、即声音。

助听器此外具有自身语音识别器10，其在所示的实施例中是控制单元6的部分。控制单元6、自身语音识别器10、麦克风4和扬声器8合适地相互连接。此外，助听器2可以在不同的运行模式中运行，借助控制单元6或自身语音识别器10在运行模式之间进行切换。自身语音识别器10分析接收的声音并且将其与特定的声音类型G1、G2，例如声音类型G1“自身语音”或声音类型G2“外来语音”，相关联。依据识别出的声音类型G1、G2然后切换到合适的运行模式中。为了进行识别，自身语音识别器10产生特征值M并且将其与阈值S相比较，以判断，所分析的声音是哪个声音类型G1、G2。这结合图2和图3随后更精确地描述。

图2和图3分别示出了测量的结果，其中，多次依次接收和分析声音。在此使用两个不同的声音类型G1、G2，即，一方面助听器佩戴者的自身语音，另一方面外来语音。助听器2的自身语音识别器10首先分析接收的声音，用以将其与特征值M相关联，该特征值提供关于声音是声音类型G1、G2中的一个还是另一个的说明。在该情况下，这通过具有两个滤波器的滤波器对实现，滤波器具有不同的滤波器特性。滤波器在此设计为，一个滤波器尽可能强烈地衰减自身语音，另一滤波器尽可能强烈地衰减外来语音。通过对相同的声音的两个不同的衰减进行比较，产生特征值M。

在图2和图3中示出了在测量的范围内接收的多个特征值M，并且相对于噪声值R(在此是环境中的声音水平)画出。噪声值在此以单位分贝(dB)给出。噪声值R例如借助干扰声音评估器来测量。根据哪个声音类型G1、G2实际提供给助听器，特征值M此外分别与两组中的一个相关联。在此，在分析自身语音时作为声音类型G1产生的特征值M浅灰色地示出，在分析外来语音时作为声音类型G2产生的特征值M黑色地示出。图2和图3的测量的不同之处现在在于，其示出针对不同的助听器佩戴者的结果，即至少自身语音是不同的。

在图2和图3中可明显看到，在存在外来语音时大多产生比在存在自身语音时更小的特征值M。由此可以确定阈值S，将阈值与具体产生的特征值M相比较，以判断存在哪个声音类型G1、G2。在该实施例中，当特征值M大于阈值S时，声音由自身语音识别器10识别为自身语音，当特征值M小于阈值S时，声音被识别为外来语音。

常规地仅使用固定的阈值S，以便在任意情况和环境中与特征值M进行比较。如从图2和图3看到的那样，这然而可能是不足够的。相反地可看到的是，在不同的环境中，使用不同的阈值S是有意义的。第一环境依赖关系是：特征值M的产生与噪声值R强烈地相关。对于很小的噪声值R来说，针对自身语音还产生相对大的特征值M，然而随着更大的噪声值R，与外来语音的特征值M的区别明显更小。因此，针对更大的噪声值R有利地选择更小的阈值S。

在图2中绘出了针对噪声值R的各个值范围W的最佳阈值S，也就是作为灰色的水平条。由此，确定的值范围W与阈值S有效地相关联，从而总体上以表格的方式给出关联性Z1。助听器2一方面确定针对刚才接收的声音的特征值M并且附加地还确定环境，在该情况下确定噪声值R，即，有效地确定与声音叠加的噪声的水平或音量。在与特征值M比较之前，取决于环境地设置阈值S，即，设置为与确定的噪声值R位于其中的值范围W相关联的阈值S。由此，特征值M与在给定的情况下调整的阈值S相比较，并且在区别自身的和外来语音时得到最佳结果。

替代最佳阈值S与值范围W的表格方式的关联性Z1，替换地使用简化的关联性Z2。这种关联性同样在图2中示出，即作为暗灰的阶梯式的线示出。在此简化地假设，在低噪声值Rmin下方，最大的阈值Smax是足够的，并且在高噪声值Rmax上方，最小的阈值Smin是足够的。在它们之间，在此根据相对于选择的图示线性的关系进行阈值S的外推。总体上，通过简化的关联性Z2在一定程度上平滑与最佳阈值S的关联性Z1。关联性Z2在一种变型方案中作为简单的表格存储，替换地存储用于计算的函数。

在比较图2和图3时，特征值M的另外的环境依赖关系，即助听器佩戴者的人员是清楚的。在图3中一方面如在图2中那样作为灰色的水平条示出了最佳阈值S与特定的值范围W的关联性Z1。附加地，来自图2的相同的简化的关联性Z2在图3中画出，即又作为暗灰色的阶梯式的线画出。在比较针对图2的助听器佩戴者确定的简化的关联性Z2和根据关联性Z1的针对图3的另外的助听器佩戴者的最佳阈值S时直接清楚的是，在图2中确定的关联性Z2在图3中不是最佳的。因此有利地，阈值S也取决于用户地设置，即，依据助听器佩戴者的人员来设置。

总体上，相应地优选以两种方式取决于环境地设置阈值S，即一方面取决于用户地设置，并且另一方面依据在给定的时间点测量的噪声值R设置。然后适宜地在校准方法中确定具体地设置哪个阈值S(即，在关联性Z1、Z2中的一个或两个)，也就是选择哪个阈值S。该校准方法由声学家在拟合会话的范围内、通过助听器佩戴者本身、自动通过助听器在在线优化的范围内或者在其组合中执行。

为了针对给定的助听器佩戴者并且在确定的噪声值R的情况下确定最佳阈值S，特别是提供上面结合图2和图3描述的测量。在此，分析已知的声音类型G1、G2的声音，并且在此确定的特征值M用被作典型的特征值M，以便确定合适的阈值S。在使用两个不同的声音类型G1、G2时，例如确定特征值M的两个不同的统计分布，并且在它们之间选择阈值S。然而也可想到的是，使用仅一个声音类型G1、G2。校准在一种变型方案中通过使用提前已知的声音类型G1、G2实现，从而训练正确的关联性。在另一变型方案中，校准在助听器2正常运行时通过产生特征值M，在几秒至几十秒的有限的时间段内，并且在假定特征值M的在各自的时间段内确定的极值可以以充分的安全性与特定的声音类型G1、G2相关联的情况下实现。因此例如假定，通过自身语音导致产生最大的特征值M，并且通过外来语音导致产生最小的特征值M。这些极值然后被用于确定最佳阈值S，其在助听器2的进一步的运行中可以通过持续校准来进一步调整并且也适宜地使用。

附图标记列表

2 助听器

4 麦克风

6 控制单元

8 扬声器

10 自身语音识别器

G1，G2 声音类型

M 特征值

R 噪声值

Rmin 低噪声值

Rmax 高噪声值

S 阈值

Smin 最小阈值

Smax 最大阈值

W 值范围

Z1，Z2 关联性

Claims (11)

1.一种用于运行助听器(2)的方法，

-其中，借助麦克风(4)接收声音，

-其中，关于声音与助听器佩戴者的自身语音的一致性来分析声音，并且产生特征值(M)，所述特征值说明了声音与助听器佩戴者的自身语音的一致程度，

-其中，自身语音是声音类型(G1)，

-其中，将特征值(M)与阈值(S)相比较，

-其中，依据特征值(M)是高于还是低于阈值(S)，将声音识别为自身语音，并且

-其中，依据声音是否被识别为自身语音，助听器(2)在多个运行模式之间进行切换，

其特征在于，

通过借助校准方法确定阈值(S)，其中接收助听器佩戴者的自身语音并且产生多个单独的特征值(M)，并且其中最后依据产生的单独的特征值(M)设置单独的阈值(S)，来取决于用户地确定阈值(S)并且将其设置为单独的阈值(S)。

2.根据前一权利要求所述的方法，

其特征在于，

通过在有限的时间段内确定最大的和最小的特征值(M)并且在最小的和最大的特征值(M)之间设置阈值(S)，来校准阈值(S)。

3.根据前述权利要求中任一项所述的方法，

其特征在于，

在助听器佩戴者使用助听器(2)的情况下在正常运行时定期重复地重新校准阈值(S)。

4.根据前述权利要求中任一项所述的方法，

其特征在于，

除了与自身语音的一致性以外，也关于与至少一个另外的声音类型(G2)的一致性来分析声音。

5.根据前一权利要求所述的方法，

其特征在于，

所述另外的声音类型(G2)是外来语音，其相对于助听器佩戴者特别是布置在前方。

6.根据前一权利要求所述的方法，

其特征在于，

在校准方法中，在接收自身语音之前或之后接收另外的声音类型(G2)、特别是外来语音，并且在此也产生多个特征值(M)，依据特征值来设置阈值(S)。

7.根据前述权利要求中任一项所述的方法，

其特征在于，

借助滤波器对产生特征值，其中，一个滤波器配置为最大程度地衰减自身语音，并且另一滤波器配置为最大程度地衰减外来语音。

8.根据前述权利要求中任一项所述的方法，

其特征在于，

通过确定噪声值(R)并且依据噪声值(R)设置阈值(S)，来取决于环境地设置阈值(S)。

9.根据前一权利要求所述的方法，

其特征在于，

针对噪声值(R)定义分别与阈值(S)相关联的多个值范围(W)；确定噪声值(R)位于其中的值范围(W)；并且选择和设置与确定的值范围(W)相关联的阈值(S)。

10.根据两个前述的权利要求中任一项所述的以及根据权利要求7或8所述的方法，

其特征在于，

通过定期重复地确定噪声值(R)并且据此校准阈值(S)，来在正常运行时校准阈值(S)。

11.一种助听器(2)，其具有用于接收声音的麦克风(4)和自身语音识别器(10)，所述自身语音识别器构造为，

-关于声音与助听器佩戴者的自身语音的一致性来分析声音，并且产生特征值(M)，所述特征值说明了声音与助听器佩戴者的自身语音的一致程度，

-其中，自身语音是声音类型(G1)，

-将特征值(M)与阈值(S)相比较，

-其中，依据特征值(M)是高于还是低于阈值(S)，将声音识别为自身语音，

-依据声音是否被识别为自身语音，在多个运行模式之间进行切换，

-通过借助校准方法确定阈值(S)，其中接收助听器佩戴者的自身语音并且产生多个单独的特征值(M)，并且其中最后依据产生的单独的特征值(M)设置单独的阈值(S)，来取决于用户地确定阈值(S)并且将其设置为单独的阈值(S)。