VERFAHREN ZUR BESTIMMUNG EINER AKUSTISCHEN UMGEBUNGSSITUATION, ANWENDUNG DES VERFAHRENS UND EIN HÖRHILFEGERÄT

Beschreibung

[0001] Die vorliegende Erfindung betrifft ein Verfahren zur Bestimmung einer akustischen Umgebungssituation, eine Anwendung des Verfahrens, eine Vorrichtung zur Bestimmung der akustischen Umgebungssituation sowie ein Hörhilfegerät.

[0002] Moderne Hörgeräte können heute mit Hilfe verschiedener Hörprogramme unterschiedlichen akustischen Umgebungssituationen angepasst werden. Damit soll das Hörgerät dem Benutzer in jeder Situation einen optimalen Nutzen bieten.

[0003] Die Wahl des Hörprogramms kann entweder über die Fernbedienung oder über einen Schalter am Hörgerät selbst vorgenommen werden. Das Umschalten zwischen verschiedenen Hörprogrammen ist jedoch für viele Benutzer lästig oder schwierig, wenn nicht sogar unmöglich. Welches Programm zu welchem Zeitpunkt den optimalen Komfort und die beste Sprachverständlichkeit bietet, ist auch für versierte Hörgeräteträger nicht immer einfach zu bestimmen. Ein automatisches Erkennen der akustischen Umgebungssituation und ein damit verbundenes automatisches Umschalten des Hörprogramms im Hörgerät ist daher wünschenswert.

[0004] Es sind derzeit verschiedene Verfahren für die automatische Klassifizierung von akustischen Umgebungssituationen bekannt. Bei all diesen Verfahren werden aus dem Eingangssignal, das beim Hörgerät von einem oder mehreren Mikrofonen stammen kann, verschiedene Merkmale extrahiert. Basierend auf diesen Merkmalen trifft ein Mustererkenner unter Anwendung eines Algorithmus eine Entscheidung über die Zugehörigkeit des analysierten Eingangssignals zu einer bestimmten akustischen Umgebungssituation. Die verschiedenen bekannten Verfahren unterscheiden sich dabei einerseits durch die unterschiedlichen Merkmale, welche bei der Beschreibung der akustischen Umgebungssituation verwendet werden (Signalanalyse), und andererseits durch den verwendeten Mustererkenner der die Merkmale klassifiziert (Signalidentifikation).

[0005] Aus der Veröffentlichung der internationalen Patentanmeldung mit dem Veröffentlichungsaktenzeichen WO 01/20 965 sind ein Verfahren sowie eine Vorrichtung zur Bestimmung der akustischen Umgebungssituation bekannt. Es handelt sich dabei um eine einstufige Verarbeitung eines akustischen Eingangssignals in einer Merkmalsextraktionseinheit und einer dieser nachgeschalteten Klassifizierungseinheit, in der die extrahierten Merkmale zur Erzeugung von Klasseninformationen klassifiziert werden. Mit der bekannten Lehre werden zwar, insbesondere bei Verwendung von auditorisch-basierten Merkmalen, gute Resultate erhalten. Eine Verbesserung wird aber insbesondere im Anwendungsbereich von Hörhilfegeräten gewünscht, da gerade in diesem Anwendungsgebiet die Klassifikation von akustischen Umgebungssituation äussert akkurat sein muss.

[0006] Gleichzeitig bereitet das Vorhandensein von mehreren, sehr allgemeinen Geräuschklassen, wie Musik oder Rauschen, einige Schwierigkeiten. So entspricht es der Natur dieser Geräuschklassen, dass sie sehr allgemein und breit, d.h. in vielfältiger Weise auftreten können. Die Geräuschklasse Rauschen, zum Beispiel, enthält die unterschiedlichsten Geräusche wie Hintergrundgespräche, Bahnhofgeräusche, Haartrockner, und die Geräuschklasse Musik beinhaltet Popmusik, klassische Musik, Einzelinstrumente, Gesang, usw.

[0007] Gerade aufgrund der sehr allgemeinen Natur dieser Geräuschklassen ist es aber sehr schwierig, eine gute Erkennungsrate mit Hilfe der bekannten Verarbeitungsmethode in eine Merkmalsextraktionseinheit und einer nachgeschalteten Klassifizierungseinheit zu erhalten. Zwar kann die Robustheit des Erkennungssystems durch eine geeignete Wahl von Merkmalen verbessert werden, wie dies in WO 01/20965 erstmals aufgezeigt worden ist, indem auditorisch-basierte Merkmale verwendet werden, doch ist es insbesondere aufgrund einer hohen Varianz zwischen allgemeinen Geräuschklassen schwierig, diese klar und zweifelsfrei voneinander zu unterscheiden.

[0008] WO 01/76321 offenbart eine zweistufige Hidden-Markov-Modell-(HMM) Struktur, die eine Extraktionsphase und zwei Identifikationsphasen aufweist, die sich bei auf die Ergebnisse der Extraktionsphase beziehen.

[0009] Der vorliegenden Erfindung liegt daher die Aufgabe zugrunde, ein Verfahren zur Bestimmung einer akustischen Umgebungssituation anzugeben, das gegenüber den bekannten Verfahren robuster und genauer ist.

[0010] Diese Aufgabe wird durch die in Anspruch 1 angegebenen Massnahmen gelöst. Vorteilhafte Ausgestaltungen der Erfindung, eine Anwendung des Verfahrens, eine Vorrichtung sowie ein Hörhilfegerät sind in weiteren Ansprüchen angegeben.

[0011] Indem ein akustisches Eingangssignal in einem mehrstufigen Verfahren, das aus mindestens zwei Klassifizierungsstufen besteht, wobei jede Stufe eine Extraktionsphase und eine Identifikationsphase beinhaltet,

[0012] verarbeitet wird, wird eine überaus robuste und genaue Klassifikation der momentanen akustischen Umgebungssituation erhalten. So kann mit dem erfindungsgemässen Verfahren beispielsweise eine falsche Klassifizierung von Popmusik in die Kategorie "Sprache in Geräusch" erfolgreich vermieden werden. Das erfindungsgemässe Verfahren ermöglicht ferner die Unterteilung einer allgemeinen Geräuschklasse, beispielsweise Rauschen, in Unterklassen, wie beispielsweise Verkehrslärm oder Gesprächshintergrundlärm. Spezielle Situationen, wie sie beispielsweise im Innern eines Automobiles auftreten ("in-the-car noise"), können ebenfalls erkannt werden. Ganz allgemein können Raumeigenschaften identifiziert und entsprechend bei der Weiterverarbeitung von wichtigen Signalanteilen mitberücksichtigt werden. Es hat sich gezeigt, dass mit dem erfindungsgemässen Verfahren es zudem möglich ist, die Lärmquellen zu lokalisieren, womit die Möglichkeit geschaffen worden ist, das Vorhandensein einer spezifischen Lärmquelle in mehreren anderen Lärmquellen zu detektieren. Die Erfindung wird nachfolgend anhand von Zeichnungen beispielsweise näher erläutert. Dabei zeigen:

Fig. 1

eine bekannte einstufige Vorrichtung zur Bestimmung einer akustischen Umgebungssituation,

Fig. 2

eine erste Ausführungsform einer erfindungsgemässen Vorrichtung mit zwei Verarbeitungsstufen,

Fig. 3

eine zweite, allgemeine Ausführungsform einer erfindungsgemässen mehrstufigen Vorrichtung,

Fig. 4

eine dritte, allgemeine Ausführungsform einer erfindungsgemässen mehrstufigen Vorrichtung,

Fig. 5

eine vierte, allgemeine Ausführungsform einer erfindungsgemässen mehrstufigen Vorrichtung,

Fig. 6

ein gegenüber der zweistufigen Ausführungsform gemäss Fig. 2 vereinfachtes nicht beanspruchtes Beispiel und

Fig. 7

ein Hörhilfegerät mit einer erfindungsgemässen mehrstufigen Vorrichtung gemäss Fig. 2 bis 5.

[0013] Fig. 1 zeigt eine bekannte einstufige Vorrichtung zum Bestimmen der akustischen Umgebungssituation, wobei die Vorrichtung aus einer Hintereinanderschaltung von einer Merkmalsextraktionseinheit F, einer Klassifizierungseinheit C und einer Nachverarbeitungseinheit P besteht.

[0014] Ein akustisches Eingangssignal IN, das beispielsweise mit einem Mikronfon aufgenommen wurde, ist der Merkmalsextraktionseinheit F beaufschlagt, in der charakteristische Merkmale extrahiert werden.

[0015] Für die Merkmalsextraktion in Audiosignalen wurde im Aufsatz von J. M. Kates mit dem Titel "Classification of Background Noises für Hearing-Aid Applications" (1995, Journal of the Acoustical Society of America 97(1), Seiten 461 bis 469) vorgeschlagen, eine Analyse der zeitlichen Pegelschwankungen und des Spektrums vorzunehmen. Des weiteren wurde in der Europäischen Patentschrift mit der Nummer EP-B1-0 732 036 eine Analyse des Amplitudenhistogramms zur Erreichung des gleichen Ziels vorgeschlagen. Schliesslich wurde die Merkmalsextraktion auch durch eine Analyse verschiedener Modulationsfrequenzen untersucht und angewendet. Diesbezüglich wird auf die beiden Aufsätze von Ostendorf et. al. mit den Titeln "Empirische Klassifizierung verschiedener akustischer Signale und Sprache mittels einer Modulationsfrequenzanalyse" (1997, DAGA 97, Seiten 608 bis 609) und "Klassifikation von akustischen Signalen basierend auf der Analyse von Modulationsspektren zur Anwendung in digitalen Hörgeräten" (1998, DAGA 98, Seiten 402 bis 403) verwiesen. Ein ähnlicher Ansatz ist auch in einem Aufsatz von Edwards et. al. mit dem Titel "Signal-processing algorithms for a new sofware-based, digital hearing device" (1998, The Hearing Journal 51, Seiten 44 bis 52) offenbart. Weitere mögliche Merkmale sind der Pegel selbst oder die Nulldurchgangsrate wie z.B. in H. L. Hirsch, "Statistical Signal Characterization" (Artech House 1992) beschrieben. Die bisher zur Audiosignalanalyse verwendeten Merkmale sind also rein technisch-basiert.

[0016] Des Weiteren wurde in der bereits zitierten Offenlegungsschrift der internationalen Patentanmeldung WO 01/20965 neben den erwähnten technischen Merkmalen erstmals auf die vorteilhafte Verwendung von auditorisch-basierten Merkmalen hingewiesen.

[0017] Gemäss Fig. 1 werden die in der Merkmalsextraktionseinheit F extrahierten Merkmale M der Klassifizierungseinheit C beaufschlagt, in der für die Geräuschklassifikation grundsätzlich einer der bekannten Musteridentifikationsmethoden zum Einsatz kommt. So eignen sich insbesondere so genannte Abstandsschätzer, Bayes Klassifizierer, Fuzzy Logic Systeme oder Neuronale Netzwerke als Mustererkenner. Weitere Informationen zu den zwei erst genannten Methoden können der Druckschrift "Pattern Classification and Scene Analysis" von Richard O. Duda und Peter E. Hart (John Wiley & Sons, 1973) entnommen werden. Bezüglich Neuronalen Netzwerken wird auf das Standardwerk von Christopher M. Bishop mit dem Titel "Neural Networks for Pattern Recognition" (1995, Oxford University Press) verwiesen. Des weiteren wird auf die folgenden Publikationen verwiesen: Ostendorf et. al., "Klassifikation von akustischen Signalen basierend auf der Analyse von Modulationsspektren zur Anwendung in digitalen Hörgeräten" (Zeitschrift für Audiologie, 1998, Seiten 148 bis 150); F. Feldbusch, "Geräuscheerkennung mittels Neuronaler Netzwerke" (1998, Zeitschrift für Audiologie, Seiten 30 bis 36); Europäische Patentanmeldung mit der Veröffentlichungsnummer EP-A1-0 814 636; und US-Patent mit der Veröffentlichungsnummer US-5 604 812. Neben den erläuterten Mustererkennungsmethoden, bei denen lediglich die statischen Eigenschaften der interessierten Geräuschklassen modelliert werden, sind in der bereits zitierten Offenlegungsschrift der internationalen Patentanmeldung WO 01/20965 auch Methoden genannt, bei denen dynamische Eigenschaften berücksichtigt werden.

[0018] Gemäss Fig. 1 werden durch die in der Klassifizierungseinheit C durchgeführten Verarbeitungsschritten Klasseninformation KI erhalten, die gegebenenfalls einer Nachverarbeitungseinheit P zur allfälligen Bereinigung der Klassenzugehörigkeit zugeführt werden. Erhalten werden in der Folge bereinigte Klasseninformationen KI'.

[0019] In Fig. 2 ist eine erste Ausführungsvariante einer erfindungsgemässen Vorrichtung dargestellt. Es handelt sich dabei um eine Vorrichtung mit zwei Verfahrensstufen S1 und S2, wobei in jeder Verfahrensstufe S1, S2 je eine Merkmalsextraktionseinheit F1 bzw. F2 und eine Klassifizierungseinheit C1 bzw. C2 enthalten sind. Beiden Verfahrensstufen S1 bzw. S2 wird das originäre Eingangssignal IN zugeführt, nämlich sowohl der Merkmalsextraktionseinheit F1 als auch der Merkmalsextraktionseinheit F2, die je für sich mit der entsprechenden Klassifizierungseinheit C1 bzw. C2 in der Folge wirkverbunden sind. Von Bedeutung ist nun, dass Klasseninformationen KI1, welche aufgrund von Berechnungen in der Klassifizierungseinheit C1 der ersten Verfahrensstufe S1 erhalten werden, die Klassifizierungseinheit C2 der zweiten Verfahrensstufe S2 beeinflusst wird, und zwar derart, dass beispielsweise einer von mehreren möglichen Musteridentifikationsmethoden ausgewählt wird und für die Geräuschklassifizierung in der Klassifizierungseinheit C2 der zweiten Verfahrensstufe S2 angewendet wird.

[0020] Die allgemeine in Fig. 2 dargestellte Ausführungsvariante der Erfindung wird im Folgenden an einem konkreten Beispiel weiter erläutert:
Durch die Merkmalsextraktionseinheit F1 werden die Merkmale Tonalität, spektraler Schwerpunkt (CGAV: spectral center of gravity), Fluktuation des spektralen Schwerpunkts (CGFS) und spektrale Breite und Einschwingzeit extrahiert und in der Klassifizierungseinheit C1, in der ein HMM-(Hidden Markov Model)-Klassifizierer zum Einsatz kommt, klassifiziert, wobei das Eingangssignal IN mit Hilfe der HMM-Kassifizierung in eine der folgenden Klassen eingeteilt wird: "Sprache", "Sprache in Rauschen", "Rauschen" oder "Musik". Dies wird als Klasseninformation KI bezeichnet. Das Resultat der ersten Verarbeitungsstufe S1 wird der Klassifizierungseinheit C2 der Verarbeitungsstufe S2 beaufschlagt, in der ein zweites Merkmalset mit Hilfe der Merkmalsextraktionseinheit F2 extrahiert wird. Dabei werden neben den Merkmalen Tonalität, spektraler Schwerpunkt und Fluktuation des spektralen Schwerpunkts (CGFS) das zusätzliche Merkmal Varianz der harmonischen Struktur (pitch) - nachfolgend auch etwa als Pitchvar bezeichnet - extrahiert. Aufgrund dieser Merkmale wird mit Hilfe eines Regel-basierten Klassifizierers in der Klassifizierungseinheit C2 das Resultat der ersten Verarbeitungsstufe S1 überprüft und gegebenenfalls korrigiert. Der Regel-basierte Klassifizierer beinhaltet lediglich wenige einfache heuristische Entscheidungen, welche auf den vier Merkmalen basieren und sich an den folgenden Überlegungen orientieren:
Das Merkmal Tonalität wird in jeder Klasse zur Korrektur verwendet, falls die Merkmalswerte vollständig ausserhalb eines zulässigen Wertebereiches der Klasseninformationen KI1 liegen, welche in der ersten Klassifizierungseinheit C1 - d.h. durch den HMM-Klassifizierer - bestimmt worden sind. Erwartungsgemäss ist die Tonalität für "Musik" hoch, für "Sprache" im mittleren Bereich, für "Sprache in Rauschen" ein wenig tiefer und für "Rauschen" tief. Falls beispielsweise ein Eingangssignal IN durch die Klassifizierungseinheit C1 in die Klasse "Sprache" fällt, dann wird erwartet, dass entsprechende Merkmale, welche in der Merkmalsextraktionseinheit F1 ermittelt worden sind, der Klassifizierungseinheit C1 angezeigt haben, dass der relevante Signalanteile im Eingangssignal IN stark fluktuiert. Falls, auf der anderen Seite, die Tonalität für dieses Eingangssignal IN sehr tief ist, handelt es sich mit grösster Wahrscheinlichkeit nicht um "Sprache", sondern um "Sprache in Rauschen". Ähnliche Überlegungen können für die anderen drei Merkmale angestellt werden, nämlich für die Varianz der harmonischen Struktur (Pitchvar), den spektralen Scherpunkt (CGAV) und für die Fluktuation des spektralen Schwerpunkts (CGFS). Entsprechend können die Regeln für den Regel-basierten Klassifizierer, welche in der Klassifizierungseinheit C2 zur Anwendung kommen, wie folgt formuliert werden:

Klasseninformation KI1:	Bedingung:	Klasseninformation KI2:
"Sprache"	Falls Tonalität tief falls CGFS hoch und CGAV hoch ansonsten	"Sprache in Rauschen"
		"Musik"
		"Rauschen"
"Sprache in Rauschen"	Falls Tonalität hoch falls Tonalität tief oder CGAV hoch	"Sprache"
		"Rauschen"
"Rauschen"	Falls Tonalität hoch	"Musik"
"Musik"	Falls Tonalität tief oder Pitchvar tief oder CGAV hoch	"Rauschen"

[0021] Bei dieser Ausführungsform der Erfindung hat sich in überraschender Weise herausgestellt, dass nahezu die gleichen Merkmale in der zweiten Verarbeitungsstufe S2 verwendet werden wie in der ersten Verarbeitungsstufe S1.

[0022] Es hat sich darüber hinaus gezeigt, dass sich das Merkmal Tonalität am besten eignet, um eine Korrektur der durch die Klassifizierungseinheit C1 erzeugten Fehler korrigieren zu können. Es kann also festgehalten werden, dass bei Verwendung des Regel-basierten Klassifizierers die Tonalität von entscheidender Bedeutung ist.

[0023] Beim Austesten der vorstehend beschriebenen Ausführungsform konnte festgestellt werden, dass bereits bei diesem einfachen zweistufigen Verfahren die Trefferrate mindestens um 3% gegenüber dem einstufigen Verfahren verbessert werden konnte. In einigen Fällen konnte sogar eine Verbesserung der Trefferrate um 91% festgestellt werden.

[0024] In Fig. 3 ist eine weitere Ausführungsform in allgemeiner Darstellung gezeigt. Es handelt sich dabei um ein Verarbeitungsverfahren mit n Stufen. Jede der Verarbeitungsstufen S1 bis Sn weist in Fortführung der vorstehenden Überlegungen eine Merkmalsextraktionseinheit F1 bis Fn und eine dieser nachgeschalteten Klassifizierungseinheit C1 bis Cn zur Erzeugung der jeweiligen Klasseninformationen KI1 bis KIn auf. Gegebenenfalls ist in jeder oder in einzelnen Verarbeitungsstufen S1 bis Sn eine Nachverarbeitungseinheit P1 bis Pn zur Erzeugung von bereinigten Klasseninformationen KI1' bis KIn' vorhanden.

[0025] In Weiterführung der Ausführungsvariante gemäss Fig. 2 eignet sich die in Fig. 3 gezeigte Ausführungsvariante insbesondere auch für eine sogenannte grob-fein Klassifizierung. In einer grob-fein Klassifizierung wird ein in einer Verarbeitungsstufe i erhaltenes Resultat in einer nachfolgenden Verarbeitungsstufe i+1 verfeinert. Es wird also eine Grobklassifizierung in einer übergeordneten Verarbeitungsstufe vorgenommen, wobei aufgrund der Grobklassifizierung eine Feinklassifizierung, basierend auf spezifischeren Merkmalsextraktionen und/oder Klassifizierungsmethoden, in einer nachgeordneten Verarbeitungsstufe ausgeführt wird. Dieser Prozess kann auch als Hypothesengenerierung in einer übergeordneten Verfahrensstufe angesehen werden, die in einer nachgeordneten Verfahrensstufe überprüft, d.h. bestätigt oder zurückgewiesen werden. Es wird ausdrücklich darauf hingewiesen, dass die Hypothesen, welche an sich in einer übergeordneten Verfahrensstufe (Grobklassifizierung) erstellt worden sind, auch mit anderen Informationen, insbesondere mit manuellen Mitteln, wie Fernbedienungen oder Schalter, eingegeben werden können. In Fig. 3 ist dies, stellvertretend in der ersten Verarbeitungsstufe S1, mittels einer Stellgrösse ST angegeben, über die beispielsweise die Berechnungen in der Klassifizierungseinheit C1 übersteuert werden können. Selbstverständlich kann die Stellgrösse auch einer Klassifizierungseinheit C2 bis Cn oder einer Nachverarbeitungseinheit P1 bis Pn einer anderen Verfahrensstufe S1 bis Sn zugeführt werden.

[0026] In einem erfindungsgemässen Klassifizierungssystem mit mehreren Verarbeitungsstufen S1 bis Sn kann jeder Verarbeitungsstufe S1 bis Sn, was jedoch nicht zwingend ist, eine Aufgabe zugeordnet werden, wie zum Beispiel: eine Grobklassifizierung, eine Feinklassifizierung, eine Lokalisierung einer Geräuschquelle, eine Überprüfung, ob eine bestimmte Geräuschquelle, z. B. Automobilgeräusch in einem Fahrzeug, vorhanden ist, oder eine Extraktion von bestimmten Signalanteilen von einem Eingangssignal, z. B. Elimination von Echo unter Berücksichtigung von Raumcharakteristiken. Die einzelnen Verfahrensstufen S1 bis Sn sind daher individuell im Sinne, dass in ihnen verschiedene Merkmale extrahiert und verschiedene Klassifizierungsmethoden verwendet werden.

[0027] In einem weiteren Anwendungsbeispiel ist vorgesehen, in einer ersten Verarbeitungsstufe S1 ein individuelles Signal in einem Gemisch von verschiedenen Signalanteilen zu lokalisieren, in einer zweiten Verarbeitungsstufe S2 eine Grobklassifizierung der lokalisierten Signalquelle vorzunehmen und in einer dritten Verfahrenstufe S3 eine Feinklassifizierung der in der zweiten Verfahrensstufe S2 erhaltenen groben Klassifizierung vorzunehmen.

[0028] Die in der ersten Verarbeitungsstufe durchgeführte Lokalisation der Schallquelle kann eine Richtungsfilterung, zum Beispiel mittels Multi-Mikrofon-Technologie, nachgeschaltet werden.

[0029] Selbstverständlich kann eine Merkmalsextraktionseinheit F1 bis Fn unter mehreren Klassifizierungseinheiten C1 bis Cn aufgeteilt werden, d.h. die Resultate einer Merkmalsextraktionseinheit F1 bis Fn können von mehreren Klassifizierungseinheiten C1 bis Cn verwendet werden. Des weiteren ist denkbar, dass eine Klassifizierungseinheit C1 bis Cn in mehreren Verarbeitungsstufen S1 bis Sn verwendet wird. Schliesslich kann vorgesehen sein, dass die in den verschiedenen Verarbeitungsstufen S1 bis Sn erhaltenen Klasseninformationen KI1 bis KIn bzw. die bereinigten Klasseninformationen KI1' bis KIn' zur Erhaltung der abschliessenden Klassifizierung unterschiedlich gewichtet werden.

[0030] In Fig. 4 ist eine weitere Ausführungsform der Erfindung dargestellt, bei der wiederum mehrere Verarbeitungsstufen S1 bis Sn zum Einsatz kommen. Im Unterschied zur Ausführungsform gemäss Fig. 3 werden die Klasseninformationen KI1 bis KIn nicht nur in den jeweils unmittelbar nachfolgenden Verarbeitungsstufen verwendet, sondern gegebenenfalls in allen untergeordneten Verarbeitungsstufen. In analoger Weise können die Resultate von vorhergehenden Verarbeitungsstufen S1 bis Sn ihre Auswirkungen auch auf die nachfolgenden Merkmalsextraktionseinheiten F1 bis Fn bzw. auf die zu extrahierenden Merkmale haben.

[0031] Auch bei der Ausführungsvariante gemäss Fig. 4 sind Nachverarbeitungseinheiten P1 bis Pn denkbar, die Zwischenresultate der Klassifizierung aufbereiten und als bereinigte Klasseninformationen KI1' bis KIn' zur Verfügung stellen.

[0032] In Fig. 5 ist eine weitere Ausführungsvariante einer mehrstufigen Vorrichtung zur Bestimmung der akustischen Umgebungssituation, wiederum in allgemeiner Form, dargestellt. Gezeigt sind wie bereits bei den Ausführungsvarianten gemäss Fig. 3 und 4 mehrere Verarbeitungsstufen S1 bis Sn mit Merkmalsextraktionseinheiten F1 bis Fn und Klassifizierungseinheiten C1 bis Cn. Die in jeder Verarbeitungsstufe S1 bis Sn erhaltenen Klasseninformationen KI1 bis KIn werden einer Entscheidungseinheit FD zugeführt, in der die abschliessende Klassifizierung durch erzeugen der Klasseninformationen KI vorgenommen wird. In der Entscheidungseinheit FD ist gegebenenfalls vorgesehen, Rückkopplungssignale zu erzeugen, welche auf die Merkmalsextraktionseinheiten F1 bis Fn und/oder auf die Klassifizierungseinheiten C1 bis Cn wirken, um beispielsweise einzelne Parameter in diesen Verarbeitungseinheiten anzupassen oder um ganze Klassifizierungseinheiten C1 bis Cn austauschen zu können.

[0033] Es wird ausdrücklich darauf hingewiesen, dass die Rückwirkungen und Verknüpfungen der Verarbeitungseinheiten der Ausführungsvarianten gemäss Fig. 3 bis 5 nicht auf die dargestellten Varianten beschränkt sind. Denkbar ist, dass einzelne Rückwirkungen oder Verknüpfungen weggelassen werden. Grundsätzlich sind beliebige Kombinationen von Verarbeitungseinheiten und Strukturen möglich.

[0034] Darüber hinaus ist denkbar, dass - beim Einsatz der Erfindung bei Hörhilfegeräten - die verschiedenen Verarbeitungsstufen auch zwischen zwei Hörgeräten, d.h. bei je einem Hörgerät für das linke und das rechte Ohr, verteilt sind. Der Informationsaustausch erfolgt bei dieser Ausführungsform über eine drahtgebundene oder eine drahtlose Übertragungsstrecke.

[0035] Fig. 6 ist ein nicht beanspruchtes Beispiel zur Veranschaulichung der vorstehenden allgemeinen Ausführungen zu den möglichen Strukturen. Obwohl lediglich eine Merkmalsextraktionseinheit F1 vorgesehen ist, sind zwei Verarbeitungsstufen S1 und S2 vorgesehen. Die erste Verarbeitungsstufe S1 besteht aus der Merkmalsextraktionseinheit F1 und der Klassifizierungseinheit C1. Bei der zweiten Verarbeitungsstufe S2 werden die gleichen Merkmale verwendet, die bereits in der ersten Verfahrensstufe S1 verwendet worden sind. Eine Neuberechnung der Merkmale in der Verfahrensstufe S2 erübrigt sich daher, und es können die Resultate der Merkmalsextraktionseinheit F1 der ersten Verfahrensstufe S1 in der zweiten Verfahrensstufe S2 verwendet werden. In der zweiten Verfahrensstufe S2 wird somit lediglich die Klassifizierungsmethode geändert, und zwar in Abhängigkeit der Klasseninformationen KI1 der ersten Verarbeitungsstufe S1.

[0036] Fig. 7 zeigt die Verwendung der erfindungsgemässen Vorrichtung bei einem Hörhilfegerät, das im Wesentlichen eine Übertragungseinheit 200 aufweist. Mit 100 ist eine mehrstufige Verarbeitungseinheit bezeichnet, die gemäss einer der in den Fig. 2 bis 5 dargestellten Ausführungsvarianten realisiert ist. Das Eingangssignal IN wird sowohl der mehrstufigen Verarbeitungseinheit 100 als auch der Übertragungseinheit 200 beaufschlagt, in dem das akustische Eingangssignal IN unter Zuhilfenahme der in der mehrstufigen Verarbeitungseinheit 100 erzeugten Klasseninformationen KI1 bis KIn bzw. KI1' bis KIn' bearbeitet wird. Dabei ist vorzugsweise vorgesehen, ein aufgrund der ermittelten akustischen Umgebungssituation ein geeignetes Hörprogramm auszuwählen, wie dies in der Einleitung und in der internationalen Patentanmeldung WO 01/20 965 beschrieben worden ist.

[0037] Mit 300 ist eine manuelle Eingabeeinheit bezeichnet, mit Hilfe der - beispielsweise über eine Funkstrecke, wie dies schematisch in Fig. 7 ersichtlich ist - gegebenenfalls sowohl auf die mehrstufige Verarbeitungseinheit 100 in bereits erläuterten Weise oder auf die Übertragungseinheit 200 einwirkt. Im Falle des Hörhilfegerätes 200 wird auf die Ausführungen in der WO 01/20 965 verwiesen.

[0038] Als mögliche Klassifizierungsmethoden bei allen erläuterten Ausführungsvarianten der Erfindung kommt insbesondere eine der folgenden Methoden zur Anwendung:

• Hidden Markov Modelle;
• Fuzzy Logic;
• Klassifizierung nach Bayes;
• Regel-basierte Klassifizierung;
• Neuronale Netzwerke;
• Minimale Distanz.

[0039] Schliesslich wird ausdrücklich darauf hingewiesen, dass in den Merkmalsextraktionseinheiten F1 bis Fn (Fig. 2 bis 7) technische und/oder auditorisch-basierte Merkmale extrahiert werden können. Für ausführliche Erläuterungen zu den technischen und auditorisch-basierten Merkmalen sei wiederum auf die Ausführungen in der internationalen Patentanmeldung WO 01/20 965 verwiesen.

[0040] Eine bevorzugte Anwendung des erfindungsgemässen Verfahrens zur Bestimmung der akustischen Umgebungssituation ist die Wahl eines Hörprogrammes in einem Hörhilfegerät. Denkbar ist jedoch auch die Verwendung der erfindungsgemässen Vorrichtung bzw. die Anwendung des erfindungsgemässen Verfahrens zur Spracherkennung.

Ansprüche

1. Verfahren zur Bestimmung einer akustischen Umgebungssituation, wobei das Verfahren darin besteht, dass in mindestens zwei Verarbeitungsstufen (S1, ..., Sn) ein vorzugsweise mit Hilfe mindestens eines Mikrofons aufgenommenes akustisches Eingangssignal (IN) verarbeitet wird, und zwar derart,

- dass in jeder der mindestens zwei Verarbeitungsstufen (S1, ..., Sn) eine Extraktionsphase vorgesehen ist, in der charakteristische Merkmale aus dem Eingangssignal (IN) extrahiert werden,

- dass in jeder Verarbeitungsstufe (S1, ..., Sn) eine Identifikationsphase vorgesehen ist, in der extrahierte charakteristische Merkmale klassifiziert werden,

- dass aufgrund der Klassifizierung der Merkmale in mindestens einer Verarbeitungsstufe (S1, ..., Sn) Klasseninformationen (KI1, ..., KIn) erzeugt werden, welche die akustische Umgebungssituation charakterisieren bzw. identifizieren,

- dass die in der Identifikationsphase einer Verarbeitungsstufe i (S1, ..., Sn) erhaltenen Klasseninformationen (KI1, ..., KIn) die Art der Verarbeitung in der nachfolgenden bzw. untergeordneten Verarbeitungsstufe i+1 (S2, ..., Sn) bestimmen und

- dass aufgrund der in der Verarbeitungsstufe i (S1, ..., Sn) erhaltenen Klasseninformationen (KI1, ..., KIn) spezifische Merkmale in der Extraktionsphase der nachfolgenden bzw. untergeordneten Verarbeitungsstufe i+1 (S2, ..., Sn) und/oder spezifische Klassifizierungsverfahren in der Identifikationsphase der nachfolgenden bzw. untergeordneten Verarbeitungsstufe i+1 (S2, ..., Sn) gewählt werden.

2. Verfahren nach Anspruch 1, dadurch gekennzeichnet, dass in der Identifikationsphase eines der folgenden Klassifizierungsverfahren zum Einsatz kommt:

- Hidden Markov Modelle;

- Fuzzy Logic;

- Klassifizierung nach Bayes;

- Regel-basierte Klassifizierung;

- Neuronale Netzwerke;

- Minimale Distanz.

3. Verfahren nach einem der vorangehenden Ansprüche, dadurch gekennzeichnet, dass in den Extraktionsphasen technische und/oder auditorisch-basierte Merkmale extrahiert werden.

4. Anwendung des Verfahrens nach einem der Ansprüche 1 bis 3 zur Anpassung mindestens eines Hörhilfegerätes an eine momentane akustische Umgebungssituation.

5. Anwendung nach Anspruch 4, dadurch gekennzeichnet, dass aufgrund der ermittelten momentanen akustischen Umgebungssituation ein Hörprogramm bzw. eine Übertragungsfunktion zwischen mindestens einem Mikrofon und einem Hörer im mindestens einen Hörhilfegerät eingestellt wird.

6. Vorrichtung zur Bestimmung einer akustischen Umgebungssituation mit einer Merkmalsextraktionseinheit (F1, ..., Fn), das mit einer Klassifizierungseinheit (C) zur Verarbeitung eines Eingangssignals (IN) wirkverbunden ist, dadurch gekennzeichnet, dass mindestens zwei Verarbeitungsstufen (S1, ..., Sn) vorgesehen sind, wobei in jeder der mindestens zwei Verarbeitungsstufen (S1, ..., Sn) eine Merkmalsextraktionseinheit (F1, ..., Fn) enthalten ist und wobei in jeder Verarbeitungsstufe (S1, ..., Sn) eine Klassifizierungseinheit (C1, ..., Cn) enthalten ist, dass das Eingangssignal (IN) den Merkmalsextraktionseinheiten (F1, ..., Fn) beaufschlagt ist, dass mit den Klassifiziereinheiten (C1, ..., Cn) Klasseninformationen (KI1, ..., KIn) erzeugbar sind, dass die Klasseninformationen (KI1, ..., KIn) einer Verarbeitungsstufe i (S1, ..., Sn) der nachfolgenden bzw. untergeordneten Verarbeitungsstufe i+1 (S2, ..., Sn) beaufschlagt sind und dass die Klasseninformationen (KI1, ..., KIn) einer Verarbeitungsstufe i (S1, ..., Sn) der Merkmalsextraktionseinheit (M1, ..., Mn) einer nachfolgenden bzw. untergeordneten Verarbeitungsstufe i+1 (S2, ..., Sn) und/oder der Klassifizierungseinheit (C2, ..., Cn) der nachfolgenden bzw. untergeordneten Verarbeitungsstufe i+1 (S2, ..., Sn) beaufschlagt sind.

7. Vorrichtung nach Anspruch 6, dadurch gekennzeichnet, dass die Klasseninformationen (KI1, ..., KIn) aller Verarbeitungsstufen (S1, ..., Sn) einer Entscheidungseinheit (FD) beaufschlagt sind.

8. Vorrichtung nach Anspruch 7, dadurch gekennzeichnet, dass die Entscheidungseinheit (FD) mit mindestens einer Merkmalsextraktionseinheit (F1, ..., Fn) und/oder mit mindestens einer Klassifizierungseinheit (C1, ..., Cn) wirkverbunden ist.

9. Hörhilfegerät mit einer Übertragungseinheit (200), die eingangsseitig mindestens mit einem Mikrofon und ausgangsseitig mit einer Wandlereinheit, insbesondere einem Hörer, wirkverbunden ist, und mit einer Vorrichtung nach einem der Ansprüche 6 bis 8 zur Erzeugung von Klasseninformationen (KI1, ..., KIn), wobei die Klasseninformationen (KI1, ..., KIn) der Übertragungseinheit (200) beaufschlagt sind.

10. Hörhilfegerät nach Anspruch 9, dadurch gekennzeichnet, dass eine Eingabeeinheit (300) vorgesehen ist, die, vorzugsweise über eine Funkstrecke, mit der Übertragungseinheit (200) und/oder mit der Vorrichtung nach einem der Ansprüche 6 bis 8 wirkverbunden ist.

Claims

1. Method for determining an acoustic environment situation, wherein the method consists in processing an acoustic input signal (IN) in at least two processing stages (S1, ..., Sn), which acoustic input signal (IN) is preferably recorded with the aid of at least one microphone, in such a way

- that in each of the at least two processing stages (S1, ..., Sn) an extraction phase is provided in which characteristic features are extracted from the input signal (IN),

- that in each processing stage (Sl, ..., Sn) an identification phase is provided in which extracted characteristic features are classified,

- that class information (KI1, ..., KIn) is generated based on the classification of the features in at least one processing stage (S1, ..., SN), which class information characterizes or identifies, respectively, the acoustic environment situation,

- that the class information (KI1, ..., KIn) obtained in the identification phase of a processing stage i (S1, ..., Sn) determines the manner of processing in the subsequent or subordinate processing stage i+1 (S2, ..., Sn), and

- that due to the class information (KI1, ..., KIn) obtained in the processing stage i (S1, ..., Sn), specific features in the extraction phase of the subsequent or subordinate processing stage i + 1 (S2, ...., Sn) and/or specific classification methods in the identification phase are selected in the subsequent or subordinate processing stage i + 1 (S2, ..., Sn).

2. Method according to claim 1, characterized in that one of the following classification methods is used in the identification phase:

- Hidden Markov models;

- Fuzzy Logic;

- Classification according to Bayes;

- Rule-based classification;

- Neuronal networks;

- Minimum distance.

3. Method according to one of the preceding claims, characterized in that technical and/or auditory-based features are extracted in the extraction phases.

4. Application of the method according to one of claims 1 to 3 for adapting at least one hearing device to a current acoustic environment situation.

5. Application according to claim 4, characterized in that a hearing program or a transfer function between at least one microphone and a handset in the at least one hearing aid is adjusted based on the determined current acoustic environment situation.

6. Device for determining an acoustic environment situation with a feature extraction unit (F1, ..., Fn), which is operatively connected to a classification unit (C) for processing an input signal (IN), characterized in that at least two processing stages (S1, ..., Sn) are provided, wherein in each of the at least two processing stages (S1, ..., Sn) a feature extraction unit (F1, ..., Fn) is included and wherein in each processing stage (S1, ..., Sn) a classification unit (C1, .. , Cn) is included, that the input signal (IN) is applied to the feature extraction units (F1, ..., Fn), that class information (KI1, ..., KIn) is generated by the classification units (Cl, ..., Cn), that the class information (KI1, ..., KIn) of a processing stage i (S1, ..., Sn) is applied to a subsequent or subordinate processing stage i+1 (S2, ..., Sn), and that the class information (KI1, ..., KIn) of a processing stage i (S1, ..., Sn) of the feature extraction unit (M1, ..., Mn) is applied to a subsequent or subordinate processing stage i+1 (S2, ..., Sn) and/or to the classification unit (C2, ..., Cn) of the subsequent or subordinate processing stage i+1 (S2, ..., Sn).

7. Device according to claim 6, characterized in that the class information (KI1, ..., KIn) of all processing stages (S1, ..., Sn) is applied to a decision unit (ED).

8. Device according to claim 7, characterized in that the decision unit (ED) is operatively connected to at least one feature extraction unit (Fl, ..., Fn) and/or to at least one classification unit (C1, ..., Cn).

9. Hearing aid with a transmission unit (200) that is operatively connected, on its input side, to at least one microphone and, on its output side, to a transducer unit, in particular to a receiver, and with a device according to one of claims 6 to 8 for generating class information (KI1, ..., KIn), the class information (KI1, ..., KIn) being applied to the transmission unit (200).

10. Hearing aid according to claim 9, characterized in that an input unit (300) is provided which is operatively connected, preferably via a radio link, to the transmission unit (200) and/or to the device according to one of claims 6 to 8.

Revendications

1. Procédé pour déterminer une situation acoustique environnante, le procédé consistant, en au moins deux étapes de traitement (S1, ..., Sn) à traiter un signal d'entrée acoustique (IN) reçu de préférence par au moins un microphone, de sorte que,

- dans chacune des au moins deux étapes de traitement (S1, ..., Sn), il est prévu une phase d'extraction, dans laquelle sont extraites les caractéristiques du signal d'entrée (IN),

- dans chaque étape de traitement (S1, ..., Sn) il est prévu une phase d'identification, dans laquelle les caractéristiques extraites sont classifiées,

- sur la base de la classification des caractéristiques dans au mois une étape de traitement (S1, ..., Sn) on produit des informations de classes (KI1, ..., KIn) qui caractérisent ou identifient la situation acoustique environnante,

- les informations de classes (KI1, ..., KIn) obtenues au cours de la phase d'identification d'une étape de traitement i (S1, ..., Sn) déterminent le type de traitement dans l'étape de traitement suivante ou secondaire i+1 (S2, ..., Sn), et

- sur la base des informations de classes (KI1, ..., KIn) obtenues dans la phase de traitement i (S1, ..., Sn), on choisit des caractéristiques spécifiques dans la phase d'extraction de l'étape de traitement suivante ou secondaire i+1 (S2, ..., Sn) et/ou des procédés de classification spécifiques dans la phase d'identification de l'étape de traitement suivante ou secondaire i+1 (S2, ..., Sn).

2. Procédé selon la revendication 1, caractérisé en ce que dans la phase d'identification on utilise l'un des procédés de classification suivants :

- le modèle de Markov caché ;

- la logique floue (Fuzzy logic) ;

- la classification selon Bayes ;

- la classification basée sur les règles ;

- les réseaux neuronaux ;

- la distance minimale.

3. Procédé selon l'une des revendications précédentes, caractérisé en ce que dans les phases d'extraction on extrait des caractéristiques techniques et/ou basées sur l'auditif.

4. Utilisation du procédé selon l'une des revendications 1 à 3 pour adapter au moins un appareil de correction auditive à une situation acoustique environnante momentanée.

5. Utilisation selon la revendication 4, caractérisée en ce que, sur la base de la situation acoustique environnante momentanée déterminée, on règle un programme auditif ou une fonction de transmission entre au moins un microphone et un écouteur dans au moins un appareil de correction auditive.

6. Dispositif pour déterminer une situation acoustique environnante avec une unité d'extraction de caractéristiques (F1, ..., Fn) qui est en liaison active avec une unité de classification (C) pour traiter un signal d'entrée (IN), caractérisé en ce qu'il est prévu au moins deux étapes de traitement (S1, ..., Sn), dans lequel dans chacune des au moins deux étapes de traitement (S1, ..., S2) il y a une unité d'extraction de caractéristiques (F1, ..., Fn) et dans lequel dans chaque étape de traitement (S1, ..., S2) il y a une unité de classification (C1, ..., Cn), en ce que le signal d'entrée (IN) est amené aux unités d'extraction de caractéristiques (F1, ..., Fn), en ce que les unités de classification (C1, ..., Cn) permettent de produire des informations de classes (KI1, ..., KIn), en ce que les informations de classes (KI1, ..., KIn) d'une étape de traitement i (S1, ..., Sn) sont amenées vers l'étape de traitement suivante ou secondaire i+1 (S2, ..., Sn) et en ce que les informations de classes (KI1, ..., KIn) d'une étape de traitement i (S1, ..., Sn) sont amenées vers l'unité d'extraction de caractéristiques (M1, ..., Mn) d'une étape de traitement suivante ou secondaire i+1 (S2, ..., Sn) et/ou vers l'unité de classification (C2, ..., Cn) de l'étape de traitement suivante ou secondaire i+1 (S2, ..., Sn).

7. Dispositif selon la revendication 6, caractérisé en ce que les informations de classes (KI1, ..., KIn) de toutes les étapes de traitement (S1, ..., Sn) sont amenées vers une unité de décision (FD).

8. Dispositif selon la revendication 7, caractérisé en ce que l'unité de décision (FD) est en liaison active avec au moins une unité d'extraction de caractéristiques (F1, ..., Fn) et/ou avec au moins une unité de classification (C1, ..., Cn).

9. Appareil de correction auditive comprenant une unité de transmission (200) qui est en liaison active du côté entrée au moins avec un microphone et du côté sortie avec une unité de transducteur, en particulier un écouteur, et comprenant un dispositif selon l'une des revendications 6 à 8 pour produire des informations de classes (KI1, ..., KIn), les informations de classes (KI1, ..., KIn) étant amenées vers l'unité de transmission (200).

10. Appareil de correction auditive selon la revendication 9, caractérisé en ce qu'il est prévu une unité de saisie (300) qui est en liaison active, de préférence par le biais d'une liaison radio, avec l'unité de transmission (200) et/ou avec le dispositif selon l'une des revendications 6 à 8.

Zeichnung