目的 针对数字助听器中现有频响补偿算法在噪声环境下无法满足耳聋者言语可懂度和舒适度的问题,本文提出了基于两步降噪的多通道频响补偿算法.方法 该算法首先通过计算通用单通道语音增强的先验信噪比和系统增益,并利用前后语音帧间的相关性,结合自适应先验信噪比平滑因子对先验信噪比估计进行优化,实现两步降噪;然后采用gammatone滤波器对增强后的语音进行非均匀多子带分解,在每个子带中采用两次插值;最后依据耳聋者的听力曲线对每个频带进行频响补偿.结果实验表明,该算法能够有效地去除了噪声对频响补偿的影响,保护了共振峰结构,获得更多增益信息,补偿了患者缺失的语音能量,满足了听力损失者的听力需求.结论 基于两步降噪的多通道频响补偿算法有效提高了听障患者感知语音的可懂度和舒适度.

目的 探讨大龄配戴助听器听障儿童学习能力水平及其影响因素.方法 采用希内学习能力测验对182名8～17岁听障儿童进行评估,同时请家长填写情况调查表.结果 听障儿童的智商基本呈正态分布、整体智商94.37分,智力发展不均衡,其中迷方、图形推理、摆方木、图画联想分量表低于听障人群常模,记数字分量表高于听障人群常模.男孩智商高于女孩,性别、不同受教育情况对智商有影响,年龄、母亲受教育年限等对智商无影响.结论 康复工作中应密切关注大龄听障儿童的智力水平,推动融合教育工作,根据智力发展结构进行针对性的认知训练.

目的 针对数字助听器中现有的频响补偿算法在噪声环境下无法满足耳障者对语音质量和可懂度要求的问题,本文提出了基于信噪比的多通道自适应频响补偿算法.方法 该算法首先采用Gammatone滤波器组对含噪语音进行子带分解,对各子带采用二值掩蔽方法去噪,在不损伤语音的同时尽可能去除各子带内的噪声;然后在各子带估计其信噪比以及增益;再利用信噪比自适应地调整线性放大和宽动态压缩在频响补偿中所占的权重,并且在高频语音部分采用基于非线性频率压缩的宽动态压缩算法;最后根据正常人和耳障者听力曲线以及信噪比对各子带进行自适应频响补偿,通过对语音的LPA估计以及对耳障者的主观测试比较本文算法与对比算法的优越性.结果 本文算法对每个子带的语音信号实现了自适应频响补偿,相较于对比算法,本文算法在噪声环境下不仅较好地保护了语音的共振峰结构和谱包络,而且使语音的声压级在耳障者的听力舒适阈内得到了较多的补偿,有效地补偿了患者损失的听力,提高了耳障者的言语可懂度.结论 噪声环境下基于信噪比的多通道频响补偿算法优于对比算法,有效提高了听障患者感知语音的可懂度和舒适度.

技术在20世纪末,变革的速度已经超过了人类,这就是指数时代[1].当今科学技术发展速度对听力行业产生巨大的影响很难用常规方式描述.先进的数字技术和各种新技术提升了听力检测和诊断手段能力和听力康复效果,临床听力师和患者受益巨大.尤其是人工智能和大数据的应用为传统的听力产品增加了众多新功能.如2019年最新推出的人工智能助听器,除传统的助听放大功能外,还增加了许多日常生活实用功能,能翻译27钟语言,能和亚马逊的Alexa语音助手连接,完成日常语音通讯功能,还能监测心跳,预防跌倒提醒警告,即时语音文字转换等.如何理解主流技术在听力行业的应用不仅是一个学习使用的过程,还是认识技术本身特点以及与听力技术之间关系的机会.同时,我们长期习惯花时间掌握每一项具体技术和产品的知识,很少从宏观角度来认识技术作为人类文明进步的一个助推器.鉴于此,本文希望通过介绍软、硬技术和听力技术应用,开启另一个学习听力技术的窗口,从技术发展过程中去掌握听力学技能和知识,从软、硬听力技术的角度重新认识我们已经习惯的临床实践手段和方法.

近年来,心理听力学研究指出[1],无论是听力正常者还是听力受损者,在噪声环境中理解语音时都会引起瞳孔扩大,严重时会造成他们放弃听音的愿望.近二十多年来,数字助听器的单麦克风降噪技术和双麦克风波束形成技术使其输出噪声控制在可接受的范围,给听力损失患者带来了预期的益处[2,3].由于助听器输入信号的特殊性,即无论在频域还是空域,目标信号和干扰噪声常常是混迭在一起的,加之体积很小,使得在军事通讯中行之有效的降噪技术难于直接用于助听器中,给研发人员提出了挑战.在空域信号处理中,峰力(Phonak)助听器厂家提出的窄带波束形成技术对助听器双侧方向麦克风(directional microphone,DM)的输出信号进行加权求和处理[4],使每侧DM的波束形成主瓣窄至约90°,能更多地降低与目标语音相邻的空间干扰,提高输出信噪比.

英国听力协会(The British Society of AudiologY,BSA)成立于1967年,是目前欧洲最大的学习型听力学协会,2018年5月,BSA颁布了《使用探管传声器测试验证助听器的指南》.本指南是BSA和英国听力学会(British Academy of Audiology,BAA)2007年联合指南《利用真耳分析验证数字信号处理助听器的选配》的修订版,内容主要涉及通过探管传声器测试验证助听器的选配,强调听力师需将这些最佳验证策略融人到专业验配的决策中.

助听器已经走过一百多年的历程.从戴在身上的模拟电子装置到如今直接入耳式的蓝牙连接,都饱含设计师的创意和心血.电子产业的进步,听力设备市场以及销售方式的变化推动了助听领域的创新[1]——使用无线技术、智能终端应用程序(App)、微型数字组件和可充电电池,不仅能放大人类语音、减少背景噪声,还能接听电话、使用在线音乐服务、跟踪身体活动和社交互动,甚至可以打开一个蓝牙连接的咖啡壶.本文将简要介绍这些正悄然发生着的助听新技术.

目的 设计开发基于智能手机的数字助听器自主验配系统并验证该系统验配助听器的可行性.方法 对11例(22耳)中度到极重度听力损失患者分别采用自主验配系统和传统助听器验配方法进行双耳助听器验配,验配前后均行纯音听阈和言语识别率测试,分析结果.结果 22耳裸耳、传统验配和自主验配助听器后的平均纯音听阈分别为64.94±10.84、32.89±5.32和32.67±5.19 dB H L,言语识别率分别为57.09％ ±9.73％、79.45％±8.13％ 和78.54％ ±6.82％,自主验配助听器前后的平均听阈和平均言语识别率差异均有统计学意义(P<0.05),且自主验配与传统验配助听器后的纯音平均听阈值和言语识别率差异均无统计学意义(均为P>0.05).结论 应用基于智能手机的数字助听器自主验配系统对听力损失患者进行助听器验配是可行的,可以尝试采用该系统对听障患者进行助听器验配.

噪声下数字言语测试(digits in noise,DIN)是为评估噪声下的言语识别能力而开发的听力筛查工具,受试者通过识别一组噪声环境中的三位数字获得识别阈,并以此作为是否转诊的指标.DI N作为一种快速、有效且经济、便捷的听力筛查手段,能够突破听力测试环境、设备和人员等限制,帮助人群大众早期发现听力损失;对于满足老龄化社会条件下对听力损失早发现、早干预的需求,具有重要的现实意义;也可以作为助听器使用者和人工耳蜗植入者效果评估及参数调整的有效测试工具.

目的 探讨数字助听器降噪技术对老年性听障者噪声下言语识别的影响.方法 30例双侧中度至重度老年性听障者根据每天佩戴助听器(双侧佩戴)时长分为＜4 h/d组(12例)与≥4 h/d组(18例).在助听器降噪功能开启与关闭状态下,分别测试言语声信号均在正前方,噪声在0.与90.方位(较好耳一侧),信噪比为5和0 dB时的言语识别率,比较助听器降噪功能开启与关闭时患者的噪声下言语识别率以及两组间不同条件噪声下言语识别率的差异.结果 ①助听器降噪功能开启时受试者噪声下言语识别率得分高于关闭状态.＜4 h/d组在信噪比为0 dB时,助听器降噪功能开启时患者的噪声下言语识别率较关闭时更高;≥4 h/d组各条件下开启助听器降噪功能时受试者的言语识别率均高于关闭降噪功能时;②无论助听器降噪功能开启与否,≥4 h/d组噪声下言语识别率得分均高于＜4 h/d组.结论 数字助听器降噪功能对于老年性听障者在噪声下的言语识别有帮助;日均佩戴助听器时长越长,降噪功能对其噪声下的言语识别帮助越大.