EP0712261A1 - Programmable hearing aid - Google Patents

Abstract

In the hearing aid, signals are transmitted from a microphone (2,2') to a hearing device (3) via a neuronal structure (5) which processes the signals. The neuronal structure separates useful signals from noise by splitting input signals according to frequency. The neuronal network is composed of a single-layer feedback coupled network, a multi-layer non-feedback coupled network, or a mixture of both. The weighting functions at the input of all neurons are either predetermined by the circuit structure or programmable by an external control device. The programming data is stored on a data carrier (6) for the neurons.

Description

Translated fromGerman

Die Erfindung betrifft ein programmierbares Hörgerät mit einem in seinen Übertragungseigenschaften zwischen wenigstens einem Mikrofon und einem Hörer auf verschiedene Übertragungscharakteristika einstellbaren Verstärker- und Übertragungsteil.The invention relates to a programmable hearing aid with an amplifier and transmission part which can be adjusted in terms of its transmission properties between at least one microphone and a receiver to different transmission characteristics.

Aus der EP-B-0 064 042 ist eine Schaltungsanordnung für ein Hörgerät bekannt, bei dem in dem Hörgerät selbst in einem Speicher beispielsweise die Parameter mehrerer verschiedener Umgebungssituationen abgespeichert sind. Durch Betätigen eines Schalters wird eine erste Gruppe von Parametern abgerufen und steuert über eine Steuereinheit einen zwischen Mikrofon und Hörer eingeschalteten Signalprozessor, der dann eine erste, für eine vorgesehene Umgebungssituation bestimmte Übertragungsfunktion einstellt. Über einen Schalter können so die Übertragungsfunktionen mehrerer gespeicherter Signalübertragungsprogramme nacheinander abgerufen werden, bis die gerade zur gegebenen Umgebungssituation passende Übertragungsfunktion gefunden ist.EP-B-0 064 042 discloses a circuit arrangement for a hearing device in which, for example, the parameters of a number of different environmental situations are stored in a memory in the hearing device itself. By actuating a switch, a first group of parameters is called up and controls, via a control unit, a signal processor connected between the microphone and the handset, which then sets a first transmission function intended for an intended environmental situation. The transmission functions of several stored signal transmission programs can be called up in succession via a switch until the transmission function that is just right for the given environmental situation is found.

Folglich ist es bekannt, Hörgeräte an den individuellen Hörverlust des zu versorgenden Hörgeräteträgers anzupassen. Dabei wird auch eine Einstellung des Hörgerätes für verschiedene Hörsituationen vorgesehen. Programmierbare Hörgeräte bieten eine Vielzahl von einstellbaren Parametern, welche die möglichst optimale Anpassung des elektroakustischen Verhaltens des Hörgerätes an den zu kompensierenden Gehörschaden ermöglichen sollen.It is therefore known to adapt hearing aids to the individual hearing loss of the hearing device wearer to be supplied. A setting of the hearing aid is also provided for different listening situations. Programmable hearing aids offer a large number of adjustable parameters which are intended to enable the electro-acoustic behavior of the hearing aid to be optimally adapted to the hearing damage to be compensated for.

Aufgabe der Erfindung ist es, ein programmierbares Hörgerät zu schaffen, das sich durch eine verbesserte Signalverarbeitung auszeichnet, die insbesondere eine verbesserte Trennung der Nutzsignale vom Störgeräusch ermöglicht.The object of the invention is to provide a programmable hearing aid which is characterized by improved signal processing distinguished, which enables in particular an improved separation of the useful signals from the noise.

Erfindungsgemäß wird diese Aufgabe bei einem Hörgerät der eingangs genannten Art dadurch gelöst, daß Signale des Signalpfades vom Mikrofon zum Hörer über eine neuronale Struktur geführt und darin bearbeitet werden. Der Einsatz von neuronalen Strukturen ermöglicht neuartige Methoden und Algorithmen der Signalverarbeitung im Hörgerät. Unter anderem wird hiermit die bessere Trennung von unterschiedlichen Signalen, also z.B. von Nutzsignalen und Störgeräusch, möglich. Das Verhalten der Signalverarbeitung kann dabei fest bzw. programmierbar sein oder variabel, um sich während des Betriebs dem zu verarbeitenden Signal laufend anzupassen.According to the invention, this object is achieved in a hearing device of the type mentioned in the introduction in that signals of the signal path from the microphone to the listener are routed through a neural structure and processed therein. The use of neural structures enables novel methods and algorithms for signal processing in the hearing aid. Among other things, this improves the separation of different signals, e.g. of useful signals and noise, possible. The behavior of the signal processing can be fixed or programmable or variable in order to continuously adapt to the signal to be processed during operation.

In vorteilhafter Ausbildung der Erfindung erfolgt in der neuronalen Struktur eine Trennung von Nutz- und Störsignalen. Die neuronale Struktur verarbeitet mehrere Eingangssignale gleichzeitig. Daraus ergeben sich für die Anwendung im Hörgerät zwei mögliche Ansätze:

• Es wird nur ein Mikrofon eingesetzt und das damit aufgenommene Signal wird, eventuell nach vorheriger anderweitiger Verarbeitung im Signalpfad, durch eine geeignete Vorverarbeitung in mehrere Einzelsignale verwandelt, z.B. durch Aufteilung in verschiedene Frequenzbereiche. Diese Einzelsignale werden dann der neuronalen Struktur zugeführt.
• Es wird mehr als ein Mikrofon eingesetzt und diese einzelnen Signale werden, eventuell nach vorheriger anderweitiger Verarbeitung im Signalpfad, der neuronalen Struktur zugeführt.

In an advantageous embodiment of the invention, a separation of useful and interference signals takes place in the neural structure. The neural structure processes several input signals at the same time. This results in two possible approaches for use in the hearing aid:

• Only one microphone is used and the signal recorded with it, possibly after prior processing in the signal path, is converted into several individual signals by suitable preprocessing, for example by division into different frequency ranges. These individual signals are then fed to the neural structure.
• More than one microphone is used and these individual signals are fed to the neural structure, possibly after other processing in the signal path beforehand.

Vorteilhafte Ausführungsformen der Erfindung sind durch die Patentansprüche gekennzeichnet.Advantageous embodiments of the invention are characterized by the claims.

Weitere Vorteile und Einzelheiten der Erfindung werden nachfolgend anhand der in den Figuren dargestellten Ausführungsbeispiele näher erläutert.Further advantages and details of the invention are explained in more detail below with reference to the exemplary embodiments shown in the figures.

Es zeigen:

• Figur 1 ein Blockschaltbild eines erfindungsgemäßen Hörgerätes,
• Figur 2 einen Signalpfad von einem Mikrofon über eine Signalaufbereitung und eine neuronale Struktur zum Hörer eines Hörgerätes gemäßFigur 1,
• Figur 3 ein Blockschaltbild eines einzelnen Neurons,
• Figuren 4a, 4b, 4c Beispiele für mögliche Schwellenwertverläufe der Ausgabefunktion W gemäß Figur 3,
• Figur 5 ein einlagiges, rückgekoppeltes Netz mit beispielhafter Verschaltung von drei Neuronen,
• Figur 6 ein mehrlagiges, rückkopplungsfreies Netz mit beispielhafter Verschaltung von elf Neuronen in drei Lagen,
• Figur 7 ein Schaltungsbeispiel für die schaltungstechnische Realisierung eines einlagigen rückgekoppelten Netzes gemäßFigur 5,
• Figur 8 eine mögliche Schaltung zur Realisierung einer Synapse mit programmierbarer Verbindungsstärke,
• Figur 9 eine Ausführung einer Schaltung für eine Synapse mit programmierbarer variabler Verbindungsstärke,
• Figur 10 ein Blockschaltbild einer Synapse 7 mit variabler Verbindungsstärke zwischen einem Eingang E_i und einem Ausgang A_j des Netzes,
• Figur 11 ein Schaltungsbeispiel eines einlagigen rückgekoppelten Netzes zur Trennung von vermischten unabhängigen Signalen, beispielsweise von drei Eingangssignalen E₁, E₂, E₃ zu drei Ausgangssignalen A₁, A₂, A₃,
• Figur 12 ein Schaltungsbeispiel eines einlagigen rückgekoppelten Netzes zur Trennung von zwei vermischten unabhängigen Signalen, nämlich zwei Eingangssignalen E₁, E₂ zu zwei Ausgangssignalen A₁, A₂.

Show it:

• FIG. 1 shows a block diagram of a hearing device according to the invention,
• FIG. 2 shows a signal path from a microphone via signal processing and a neural structure to the listener of a hearing device according to FIG. 1,
• FIG. 3 shows a block diagram of an individual neuron,
• FIGS. 4a, 4b, 4c examples of possible threshold value profiles for the output function W according to FIG. 3,
• FIG. 5 shows a single-layer, feedback network with an exemplary connection of three neurons,
• FIG. 6 shows a multi-layer, feedback-free network with exemplary connection of eleven neurons in three layers,
• FIG. 7 shows a circuit example for the implementation of a single-layer feedback network according to FIG. 5,
• FIG. 8 shows a possible circuit for realizing a synapse with programmable connection strength,
• FIG. 9 shows an embodiment of a circuit for a synapse with programmable variable connection strength,
• FIG. 10 shows a block diagram of a synapse 7 with variable connection strength between an input E_i and an output A_{j of} the network,
• Figure 11 is a circuit example of a single-layer feedback network for separating mixed independent signals, for example from three input signals E₁, E₂, E₃ to three output signals A₁, A₂, A₃,
• Figure 12 is a circuit example of a single-layer feedback network for separating two mixed independent signals, namely two input signals E₁, E₂ to two output signals A₁, A₂.

Das in Figur 1 schematisch dargestellte erfindungsgemäße Hörgerät 1 nimmt über ein Mikrofon 2 oder weitere Mikrofone 2' Schallsignale auf. Diese akustische Information wird im Mikrofon bzw. in den Mikrofonen in elektrische Signale umgesetzt. Nach einer Signalbearbeitung in einem Verstärkungs- und Übertragungsteil 4 wird das elektrische Signal einem Hörer 3 als Ausgangswandler zugeführt. Im Ausführungsbeispiel sind im Verstärker- und Übertragungsteil 4 lediglich noch Vorverstärker 4', 4'' und ein Endverstärker 4''' angedeutet. Nach der Erfindung umfaßt das Verstärker- und Übertragungsteil 4 ferner eine neuronale Struktur 5, derart, daß zwecks einer verbesserten Signalverarbeitung, insbesondere zur verbesserten Trennung der Nutzsignale vom Störgeräusch, Signale des Signalpfades von wenigstens einem Mikrofon 2, 2' zum Hörer 3 über die neuronale Struktur 5 geführt und darin bearbeitet werden. Der neuronalen Struktur 5 ist ein Datenträger 6 zugeordnet, in dem Konfigurationsinformation der neuronalen Struktur programmierbar oder fest abgespeichert ist.Thehearing aid 1 according to the invention, shown schematically in FIG. 1, records sound signals via amicrophone 2 or further microphones 2 '. This acoustic information is converted into electrical signals in the microphone or microphones. After signal processing in an amplification andtransmission part 4, the electrical signal is fed to a receiver 3 as an output converter. In the exemplary embodiment, onlypreamplifiers 4 ′, 4 ″ and apower amplifier 4 ″ ″ are indicated in the amplifier andtransmission part 4. According to the invention, the amplifier andtransmission part 4 further comprises aneural structure 5 such that, for the purpose of improved signal processing, in particular for improved separation of the useful signals from the noise, signals of the signal path from at least onemicrophone 2, 2 'to the listener 3 via theneural Structure 5 managed and processed in it. Adata carrier 6 is assigned to theneural structure 5, in which configuration information of the neural structure is programmable or permanently stored.

In vorteilhafter Ausführung ist gemäß Figur 2 im Signalpfad vom Mikrofon 2 der neuronalen Struktur 5 eine Signalaufbereitung 9 zur Vorverarbeitung des Eingangssignals in mehrere Teilsignale 10, 10', 10'' vorgeschaltet, wobei dann die Teilsignale in der neuronalen Struktur weiter bearbeitet werden. Unter Berücksichtigung der Konfigurationsinformation des Datenträgers 6 erzeugt die neuronale Struktur 5 aus den aufbereiteten Teilsignalen 10, 10', 10'' ein Ausgangssignal, insbesondere ein vom Störgeräusch getrenntes Nutzsignal, welches dann beispielsweise in bekannten Komponenten der Verstärker- und Übertragungseinheit 4 weiter bearbeitet und über den Endverstärker 4''' dem Hörer 3 zugeführt werden kann.In an advantageous embodiment, according to FIG. 2, in the signal path from themicrophone 2 of theneural structure 5, asignal processing unit 9 for preprocessing the input signal into a plurality ofsub-signals 10, 10 ', 10''is connected upstream, the sub-signals then being processed further in the neural structure. Taking into account the configuration information of thedata carrier 6, theneural structure 5 generates an output signal from the processedpartial signals 10, 10 ', 10'', in particular a useful signal separated from the noise, which is then further processed, for example, in known components of the amplifier andtransmission unit 4 and via the final amplifier 4''' can be fed to the receiver 3.

Anhand der Figuren 3-9 werden Beispiele zur Realisierung der neuronalen Struktur beschrieben.Examples for realizing the neural structure are described with reference to FIGS. 3-9.

Neuronale Strukturen bestehen aus vielen gleichartigen Elementen bzw. Neuronen 19. Die Funktion der neuronalen Struktur als Ganzes hängt im wesentlichen von der Art der Verschaltung dieser Neuronen untereinander ab.Neural structures consist of many similar elements orneurons 19. The function of the neural structure as a whole essentially depends on the way in which these neurons are interconnected.

Figur 3 zeigt das Blockschaltbild eines einzelnen Neurons 19. Das Neuron erzeugt das Ausgangssignal a_j(t+ΔT) zum Zeitpunkt t+ΔT aus theoretisch beliebig vielen Eingangssignalen e_i(t) zum Zeitpunkt t. Seine Funktion läßt sich in drei Grundfunktionen zerlegen:

• Propagierungsfunktion${\text{U:u(t)=Σe}}_{\text{i}}{\text{(t)*w}}_{\text{i}}$
  
  Die Ausgangsgröße dieser Funktion ist die Summe aller, jeweils mit dem individuellen Faktor w_i multiplizierten Eingangssignale.
• Aktivierungsfunktion$\text{V:v(t)=f(u(t))}$
  
  Im allgemeinen Fall geht in die Ausgangsgröße auch deren eigene Vorgeschichte ein. In vielen Fällen kann hierauf jedoch verzichtet werden. v(t) zum Zeitpunkt t=t₀ ist dann nur noch eine Funktion von u(t) zum Zeitpunkt t=t₀.
• Ausgangsfunktion W:w(t) Sie nimmt eine Schwellenwertbildung vor. Dabei sind zwei grundsätzliche Arten der Schwellenwertbildung möglich.

FIG. 3 shows the block diagram of anindividual neuron 19. The neuron generates the output signal a_j (t + ΔT) at the time t + ΔT from theoretically any number of input signals e_i (t) at the time t. Its function can be broken down into three basic functions:

• Propagation function${\text{U: u (t) = Σe}}_{\text{i}}{\text{(t) * w}}_{\text{i}}$
  
  The output variable of this function is the sum of all input signals multiplied by the individual factor w_i .
• Activation function$\text{V: v (t) = f (u (t))}$
  
  In the general case, the output variable also includes its own history. In many cases this can be dispensed with. v (t) at time t = t₀ is then only a function of u (t) at time t = t₀.
• Output function W: w (t) It creates a threshold value. Two basic types of threshold value formation are possible.

Nach Figur 4a stellt der Verlauf der Ausgabefunktion W eine Sprungfunktion am Schwellenwert s dar.According to FIG. 4a, the course of the output function W represents a step function at the threshold value s.

Nach den Figuren 4b und 4c besitzt die Ausgabefunktion W einen stetigen Verlauf um den Schwellenwert s. In Figur 4b ist ein stetiger, sogenannter sigmoider Verlauf der Ausgangsgröße mit Begrenzung auf einen maximalen und einen minimalen Ausgangswert dargestellt. Eine häufig verwendete Kennlinie ist hierbei das Sigmoid:$\text{w(t)=1/(1+exp(-(v(t)-s)))}$

. Figur 4c zeigt einen linearen Verlauf im Übergangsbereich.According to FIGS. 4b and 4c, the output function W has a continuous course around the threshold value s. FIG. 4b shows a continuous, so-called sigmoid curve of the output variable with limitation to a maximum and a minimum output value. A frequently used characteristic is the sigmoid:$\text{w (t) = 1 / (1 + exp (- (v (t) -s)))}$

. FIG. 4c shows a linear course in the transition area.

Die Signale, welche von der neuronalen Struktur verarbeitet werden, können als Spannungssignale, Stromsignale oder als frequenzvariable Impulssignale ausgeführt sein. Im letzteren Fall muß das Signal eventuell an manchen Stellen der neuronalen Struktur mit Hilfe geeigneter Schaltungen in ein kontinuierliches Strom- oder Spannungssignal und wieder zurück umgewandelt werden.The signals which are processed by the neural structure can be designed as voltage signals, current signals or as frequency-variable pulse signals. In the latter case, the signal may have to be converted into a continuous current or voltage signal and back again at some points in the neural structure with the aid of suitable circuits.

Figur 5 zeigt die beispielhafte Verschaltung von drei Neuronen 19 zur typischen Struktur eines einlagigen rückgekoppelten Netzes mit den Eingängen e_i(t) und den Ausgängen a_j(t+ΔT).FIG. 5 shows the exemplary connection of threeneurons 19 to the typical structure of a single-layer feedback network with the inputs e_i (t) and the outputs a_j (t + ΔT).

Figur 6 zeigt beispielhaft die Struktur eines mehrlagigen rückkopplungsfreien Netzes. Je nach zu implementierender Funktion der neuronalen Struktur ist die eine oder andere Netzstruktur anzuwenden. Auch Mischformen aus beiden Strukturen sind dabei möglich.Figure 6 shows an example of the structure of a multilayer feedback-free network. Depending on the function of the neural structure to be implemented, one or the other network structure must be used. Mixed forms of both structures are also possible.

Die Funktion einer neuronalen Struktur im Ganzen wird im wesentlichen von der Netzstruktur und von den Gewichtungsfunktionen der Eingangssignale an jedem Neuron 19 bestimmt. Diese Parameter können durch die schaltungstechnische Realisierung fest eingestellt werden, wenn ein immer gleichbleibendes Verhalten erwünscht ist. Soll dagegen eine Veränderung des Verhaltens möglich sein, so sind einige oder alle dieser Parameter programmierbar auszuführen. Ihre jeweiligen Werte müssen dann in einem Konfigurationsspeicher bzw. Datenträger 6 gespeichert werden. Hierbei können die einzelnen Speicherelemente in konzentrierter Form angeordnet sein oder lokal dem jeweiligen Neuron zugeordnet sein.The function of a neural structure as a whole is essentially determined by the network structure and by the weighting functions of the input signals on eachneuron 19. These parameters can be permanently set through the implementation in terms of circuitry if constant behavior is desired. If, on the other hand, a change in behavior should be possible, some or all of these parameters must be programmable. Your respective values must then be stored in a configuration memory ordata medium 6 can be saved. The individual memory elements can be arranged in a concentrated form or locally assigned to the respective neuron.

Die Modifikation der gespeicherten Parameter kann entweder durch externes Programmieren der Speicherelemente geschehen und/oder durch einen in der Schaltung implementierten Algorithmus. Hierbei ist auch die Modifikation während des laufenden Betriebs der neuronalen Struktur möglich.The stored parameters can be modified either by external programming of the memory elements and / or by an algorithm implemented in the circuit. Modification is also possible during the ongoing operation of the neural structure.

Figur 7 zeigt ein Beispiel für die schaltungstechnische Realisierung eines einlagigen rückgekoppelten Netzes. Als Schwellenelemente wirken Verstärker 24 mit komplementären Ausgängen. Die Gewichtung der Verbindungen (Synapsen) zwischen den Aus- und Eingängen der Neuronen erfolgt über die Leitwerte R_ij. Die Addition der Eingangssignale für jedes Neuron (Ströme${\text{I}}_{\text{ij}}{\text{=U}}_{\text{i}}{\text{/R}}_{\text{ij}}$

) geschieht in den Schaltungsknoten am Eingang eines jeden Verstärkers. Die Ausgangssignale der Verstärker und damit der neuronalen Struktur sind die Spannungssignale U_i. Mit e1 bis e4 sind die Eingänge der Schaltung und mit a1 bis a4 sind invertierende und nichtinvertierende Ausgänge der Schaltung bezeichnet.Figure 7 shows an example of the circuitry implementation of a single-layer feedback network.Amplifiers 24 with complementary outputs act as threshold elements. The connections (synapses) between the outputs and inputs of the neurons are weighted using the guide values R_ij . The addition of the input signals for each neuron (currents${\text{I.}}_{\text{ij}}{\text{= U}}_{\text{i}}{\text{/ R}}_{\text{ij}}$

) happens in the circuit nodes at the input of each amplifier. The output signals of the amplifiers and thus the neural structure are the voltage signals U_i . E1 to e4 denote the inputs of the circuit and a1 to a4 denote inverting and non-inverting outputs of the circuit.

Figur 8 zeigt eine mögliche schaltungstechnische Realisierung einer Synapse (gewichteter Eingang eines Neurons) mit programmierbarer Verbindungsstärke. Hierbei sind nur die Verbindungsstärken +1, -1 und 0 möglich und die von dieser Synapse zu übertragenden Signale können nur die logischen Werte 0 und 1 annehmen. Sind beide Speicherzellen 25, 26 so programmiert, daß sie den jeweiligen zugehörigen Schalttransistor 27 bzw. 28 sperren, so ist der Ausgang a unabhängig vom Eingang e; die Synapse stellt also eine Unterbrechung dar (Verbindungsstärke 0). Ist dagegen die Speicherzelle 25 so programmiert, daß sie den Schalter schließt und die Speicherzelle 26 so, daß sie den zugehörigen Schalter öffnet, so fließt aus dem Ausgang a dann ein Strom (logisch 1), wenn der Eingang logisch 1 ist, und kein Strom (logisch 0), wenn der Eingang logisch 0 ist. Die Synapse wirkt also als Verbindung der Stärke +1. Sind beide Speicherzellen 25, 26 hierzu invers programmiert, so ergibt sich das inverse logische Verhalten. Die Synapse wirkt dann als Verbindung der Stärke -1. V_dd gibt in der Zeichnung den Schaltungsanschluß zur Versorgungsspannung an.FIG. 8 shows a possible circuit implementation of a synapse (weighted input of a neuron) with programmable connection strength. Only the connection strengths +1, -1 and 0 are possible and the signals to be transmitted from this synapse can only assume thelogical values 0 and 1. If bothmemory cells 25, 26 are programmed so that they block the respective associated switchingtransistor 27 or 28, output a is independent of input e; the synapse therefore represents an interruption (connection strength 0). If, on the other hand, the memory cell 25 is programmed so that it closes the switch and thememory cell 26 so that it opens the associated switch, then a current flows from output a (logic 1) when the Input islogic 1 and no current (logic 0) if the input is logic 0. So the synapse acts as a connection of strength +1. If bothmemory cells 25, 26 are programmed inversely for this purpose, the inverse logic behavior results. The synapse then acts as a connection of strength -1. V_dd indicates the circuit connection to the supply voltage in the drawing.

Figur 9 zeigt eine mögliche Realisierung einer programmierbaren Synapse mit variabler Verbindungsstärke. Sie arbeitet nach dem Prinzip des Multiplizierers. Die Stärke der synaptischen Verbindung wird als Differenz zweier analoger Spannungswerte auf zwei Kapazitäten 29, 30 gespeichert. Das Ausgangssignal (Strom I_out) ergibt sich als Produkt des Eingangssignals (Spannung V_in) multipliziert mit der auf den Kapazitäten gespeicherten Spannungsdifferenz (${\text{V}}_{\text{w}}{\text{=V}}_{\text{w+}}{\text{-V}}_{\text{w-}}$

). Werden die Spannungen V_w+ und V_w- auf den Floating Gates von entsprechenden EEPROM-Transistoren gespeichert, so ist auch eine dauerhafte Speicherung der Synapsenstärke möglich.FIG. 9 shows a possible implementation of a programmable synapse with variable connection strength. It works on the principle of the multiplier. The strength of the synaptic connection is stored as the difference between two analog voltage values on twocapacitors 29, 30. The output signal (current I_out ) is the product of the input signal (voltage V_in ) multiplied by the voltage difference stored on the capacitors (${\text{V}}_{\text{w}}{\text{= V}}_{\text{w +}}{\text{-V}}_{\text{w-}}$

). If the voltages V_{w +} and V_w- are stored on the floating gates of corresponding EEPROM transistors, permanent storage of the synapse strength is also possible.

Eine vorteilhafte Anwendung von neuronalen Strukturen im Hörgerät stellt die Trennung von unabhängigen gemischten Signalen dar, also z.B. die Trennung des Sprachsignals eines Gesprächspartners von einem Störgeräusch aus einer anderen Quelle. Hierzu benötigt die neuronale Struktur genau so viele unabhängige Signaleingänge wie unabhängige Signale voneinander getrennt werden müssen. Dies kann im Hörgerät durch den Einsatz von mehreren Mikrofonen erreicht werden, wobei diese bevorzugt so anzuordnen sind, daß die zu trennenden Signale an beiden Mikrofonen mit möglichst unterschiedlicher Stärke eintreffen.An advantageous application of neural structures in the hearing aid is the separation of independent mixed signals, e.g. the separation of the voice signal of a conversation partner from a noise from another source. To do this, the neural structure needs as many independent signal inputs as there are independent signals to be separated from one another. This can be achieved in the hearing aid by using a plurality of microphones, these preferably being arranged in such a way that the signals to be separated arrive at the two microphones with as different a strength as possible.

Figur 11 zeigt allgemein, wie zur Trennung der Signale eine einlagige rückgekoppelte Netzstruktur verwendet werden kann. An den Eingängen E₁, E₂, E₃... erhält die neuronale Struktur die Signale der einzelnen Mikrofone zugeführt und an den Ausgängen A₁, A₂, A₃... stehen nach einer bestimmten Lernzeit die voneinander getrennten unabhängigen Signale zur Weiterverarbeitung oder zur Ausgabe auf den Hörer 3 an. Sinnvollerweise erfolgt die Weiterverarbeitung oder Ausgabe nur von einem (gewünschten) Ausgangssignal, während die anderen Ausgangssignale verworfen werden.FIG. 11 generally shows how a single-layer feedback network structure can be used to separate the signals. At the inputs E₁, E₂, E₃ ... the neural structure receives the signals from the individual microphones and to the Outputs A₁, A₂, A₃ ... are after a certain learning time the separate signals from each other for further processing or output to the listener 3. It makes sense to process or output only one (desired) output signal, while the other output signals are discarded.

Eine geeignete Größe S_ij bzw. Funktion bestimmt für jede Synapse 7 unabhängig den Grad der Verbindungsstärke. Die Größe S₁₃, S₁₂, S₂₁, S₂₃, S₃₁, S₃₂ ... oder allgemein S_ij stellt hierbei die Lernfunktion der neuronalen Struktur dar. Eine mögliche Realisierung der variablen Verbindungsstärke der Synapse 7 zeigt Figur 10. Zum Eingangssignal E_i(t) wird das mit einer Größe S_ij(t) multiplizierte zurückgeführte Ausgangssignal A_j(t) addiert. Die Größe S_ij(t) wiederum ist eine Funktion der beiden Größen A_i(t) und A_j(t), wobei im allgemeinen in die Berechnung von${\text{S}}_{\text{ij}}{\text{(t) = S(A}}_{\text{i}}{\text{(t), A}}_{\text{j}}\text{(t))}$

auch die Vorgeschichte von S_ij(t) eingeht.A suitable size S_ij or function independently determines the degree of connection strength for each synapse 7. The size S₁₃, S₁₂, S₂₁, S₂₃, S₃₁, S₃₂ ... or generally S_ij represents the learning function of the neural structure. A possible realization of the variable connection strength of the synapse 7 is shown in Figure 10. The input signal E_i (t) the returned output signal A_j (t) multiplied by a quantity S_ij (t) is added. The quantity S_ij (t) in turn is a function of the two quantities A_i (t) and A_j (t), whereby in general the calculation of${\text{S}}_{\text{ij}}{\text{(t) = S (A}}_{\text{i}}{\text{(t), A}}_{\text{j}}\text{(t))}$

the history of S_ij (t) is also included.

Im einfachsten Fall, für die Trennung von zwei unabhängigen Signalen, reduziert sich die neuronale Struktur, wie in Figur 12 dargestellt. Eine mögliche Realisierung der Größen S_ij(t) für die beiden Synapsen lautet:$${\text{S}}_{\text{12}}{\text{= c·∫f(A}}_{\text{1}}{\text{)·g(A}}_{\text{2}}\text{)·dt}$$

$${\text{S}}_{\text{21}}{\text{= c·∫f(A}}_{\text{2}}{\text{)·g(A}}_{\text{1}}\text{)·dt}$$

Hierbei ist c eine Konstante und f und g sind zwei nicht gleiche ungerade Funktionen (beispielsweise$\text{f(x) = x}$

,$\text{g(x) = tanh (x)}$

. Die Realisierung der beschriebenen neuronalen Strukturen ist grundsätzlich in digitaler und analoger Schaltungstechnik möglich. Die Werte der Größen S₁₂, S₂₁... S_ij können fest gespeichert werden, um sie z.B. über die Auswahl einer Hörsituation immer wieder für dieselbe Signalverarbeitungsfunktion abrufen zu können oder der Lernprozeß der neuronalen Struktur kann vom Benutzer neu gestartet werden, um die Signalverarbeitung einer neuen akustischen Umgebungssituation anzupassen. Gleichfalls ist ein fortlaufendes automatisches Anpassen der neuronalen Struktur möglich, um sich laufenden geringfügigen Veränderungen der akustischen Umgebungssituation kontinuierlich anzupassen.In the simplest case, for the separation of two independent signals, the neural structure is reduced, as shown in FIG. 12. A possible realization of the quantities S_ij (t) for the two synapses is:$${\text{S}}_{\text{12th}}{\text{= c · ∫f (A}}_{\text{1}}{\text{) · G (A}}_{\text{2nd}}\text{) · German}$$

$${\text{S}}_{\text{21}}{\text{= c · ∫f (A}}_{\text{2nd}}{\text{) · G (A}}_{\text{1}}\text{) · German}$$

Here c is a constant and f and g are two odd functions that are not the same (e.g.$\text{f (x) = x}$

,$\text{g (x) = tanh (x)}$

. The neural structures described can in principle be implemented in digital and analog circuitry. The values of the sizes S₁₂, S₂₁ ... S_ij can be stored permanently in order to be able to call them up again and again for the same signal processing function, for example by selecting a listening situation, or the learning process of the neural structure can be restarted by the user in order to process the signal adapt to the new acoustic environment. Likewise is an ongoing automatic adaptation of the neural structure possible in order to continuously adapt to minor changes in the acoustic environment.

Eine vorteilhafte Realisierung der Signalverarbeitung im Hörgerät kann in der Kombination der Prinzipien der neuronalen Strukturen und der Fuzzy-Logik bestehen. Hierbei sind verschiedene Ansätze möglich:

• Die Verwendung von Fuzzy-Logik bei der Vorverarbeitung des Eingangssignals zur Gewinnungvon mehreren Teilsignalen 10, 10', 10'' ... für die neuronale Struktur.Wie Figur 2 zeigt, ist der neuronalen Struktur 5eine Signalaufbereitung 9 vorgeschaltet, die nach dem Prinzip der Fuzzy-Logik arbeitet.
• Die Verwendung von Fuzzy-Logik bei der Auswahl von einem der drei oder mehreren durch die neuronale Struktur separierten Signale. Wie in Figur 12 schematisch dargestellt ist, ist der neuronalen Struktur eine Entscheidungsmittelkomponente 11 zur Auswahl des nutzbaren Ausgangssignals zugeordnet, welche nach dem Prinzip der Fuzzy-Logik arbeitet.

An advantageous realization of the signal processing in the hearing aid can consist in the combination of the principles of the neural structures and the fuzzy logic. Different approaches are possible:

• The use of fuzzy logic in the preprocessing of the input signal to obtain a plurality ofpartial signals 10, 10 ', 10''... for the neural structure. As FIG. 2 shows, theneural structure 5 is preceded by asignal processing unit 9, which works on the principle of fuzzy logic.
• The use of fuzzy logic when selecting one of the three or more signals separated by the neural structure. As shown schematically in FIG. 12, a decision means component 11 for selecting the usable output signal is assigned to the neural structure, which component works on the principle of fuzzy logic.

In den Figuren 11, 12 sind in den neuronalen Netzen noch begrenzende Verstärker 31 eingezeichnet. Gemäß Figur 12 ist die neuronale Struktur als einlagig rückgekoppeltes Netz ausgeführt, welches zwei Eingänge E₁, E₂ aufweist und zwei Synapsen umfaßt, wobei in den Signalpfaden der Eingänge E₁, E₂ zu den beiden Ausgängen A₁, A₂ die begrenzenden Verstärker 31 vorgesehen sind und wobei jedes Ausgangssignal mit einer Größe S_ij multipliziert und zu dem jeweils anderen Eingangssignal addiert wird und wobei ferner die Größe S_ij jeweils eine Funktion der beiden Ausgangssignale ist.In FIGS. 11, 12,amplifiers 31 which still delimit the neural networks are shown. According to Figure 12, the neural structure is designed as a single-layer feedback network which has two inputs E₁, E₂ and comprises two synapses, the limitingamplifiers 31 being provided in the signal paths of the inputs E₁, E₂ to the two outputs A₁, A₂ and each Output signal multiplied by a variable S_ij and added to the respective other input signal, and furthermore the variable S_ij is a function of the two output signals.

Die prinzipielle Funktionsweise sowie eine mögliche schaltungstechnische Realisierung der für die Fuzzy-Logik notwendigen Funktionen Fuzzyfizierung, Inferenzbildung und Defuzzyfizierung ist in der europäischen Patentanmeldung 94104619.5 beschrieben.The principle of operation and a possible circuitry implementation of the functions fuzzy logic, inference formation and defuzzification necessary for the fuzzy logic is described in European patent application 94104619.5.

Wesentliche Vorteile der Erfindung ergeben sich aus einer verbesserten Signalverarbeitung im Hörgerät durch den Einsatz neuer Algorithmen. Ferner durch eine verbesserte Trennung von Nutzsignalen und Störgeräusch durch die Möglichkeit, unabhängige vermischte Signale zu trennen und schließlich durch kontinuierliche Optimierung der Signalverarbeitungscharakteristik durch "Lernen" im laufenden Betrieb.Significant advantages of the invention result from improved signal processing in the hearing aid through the use of new algorithms. Furthermore, through an improved separation of useful signals and noise from the possibility of separating independent mixed signals and finally through continuous optimization of the signal processing characteristics through "learning" during operation.

Claims (16)

Translated fromGerman

Programmierbares Hörgerät (1) mit einem in seinen Übertragungseigenschaften zwischen wenigstens einem Mikrofon (2) und einem Hörer (3) auf verschiedene Übertragungscharakteristika einstellbaren Verstärker- und Übertragungsteil (4),dadurch gekennzeichnet, daß Signale des Signalpfades vom Mikrofon (2) zum Hörer (3) über eine neuronale Struktur (5) geführt und darin bearbeitet werden.Programmable hearing aid (1) with an amplifier and transmission part (4) whose transmission properties between at least one microphone (2) and a receiver (3) can be adjusted to different transmissioncharacteristics, characterized in that signals of the signal path from the microphone (2) to the listener ( 3) guided over a neural structure (5) and processed therein.Hörgerät nach Anspruch 1,dadurch gekennzeichnet, daß in der neuronalen Struktur (5) eine Trennung von Nutz- und Störsignalen erfolgt.Hearing aid according to claim 1,characterized in that a separation of useful and interference signals takes place in the neural structure (5).Hörgerät nach Anspruch 1 und 2,dadurch gekennzeichnet, daß die neuronale Struktur (5) mehrere Signaleingänge aufweist, denen unabhängige Mikrofone (2, 2') zugeordnet sind.Hearing aid according to claims 1 and 2,characterized in that the neural structure (5) has a plurality of signal inputs, to which independent microphones (2, 2 ') are assigned.Hörgerät nach Anspruch 1 und 2,dadurch gekennzeichnet, daß die neuronale Struktur (5) mehrere Signaleingänge aufweist, denen eine Signalaufbereitung (9) vorgeschaltet ist und die die Signale aus wenigstens einem Mikrofon (2) in Teilsignale (10, 10', 10'') aufbereitet.Hearing aid according to Claims 1 and 2,characterized in that the neural structure (5) has a plurality of signal inputs which are preceded by a signal processing unit (9) and which convert the signals from at least one microphone (2) into partial signals (10, 10 ', 10'') processed.Hörgerät nach Anspruch 4,dadurch gekennzeichnet, daß in der Signalaufbereitung (9) das oder die Eingangssignal(e) nach Frequenzbereichen zerlegt wird (werden).Hearing aid according to claim 4,characterized in that in the signal conditioning (9) the input signal (s) is (are) broken down into frequency ranges.Hörgerät nach einem der Ansprüche 1 bis 5,dadurch gekennzeichnet, daß die neuronale Struktur (5) entweder als einlagig rückgekoppeltes Netz (Figur 5) oder als mehrlagig rückkopplungsfreies Netz (Figur 6) oder als Mischform aus beiden Netzstrukturen ausgeführt ist.Hearing aid according to one of claims 1 to 5,characterized in that the neural structure (5) either as a single-layer feedback network (Figure 5) or as a multi-layer feedback-free network (Figure 6) or as a hybrid of both network structures.Hörgerät nach einem der Ansprüche 1 bis 6,dadurch gekennzeichnet, daß die Gewichtungsfunktionen am Eingang aller Neuronen durch die Schaltungsstruktur fest vorgegeben sind.Hearing aid according to one of claims 1 to 6,characterized in that the weighting functions at the input of all neurons are fixed by the circuit structure.Hörgerät nach einem der Ansprüche 1 bis 6,dadurch gekennzeichnet, daß die Gewichtungsfunktionen am Eingang aller Neuronen durch ein externes Steuergerät programmierbar ausgeführt sind, wobei die Programmierdaten in einem gemeinsamen Datenträger (6) oder die jeweiligen Programmierdaten in einzelnen, den Neuronen zugeordneten Teilspeichern gespeichert sind.Hearing aid according to one of claims 1 to 6,characterized in that the weighting functions at the input of all neurons are designed to be programmable by an external control device, the programming data being stored in a common data carrier (6) or the respective programming data being stored in individual partial memories assigned to the neurons .Hörgerät nach einem der Ansprüche 1 bis 6,dadurch gekennzeichnet, daß die Gewichtungsfunktionen am Eingang aller Neuronen durch einen in der Schaltungsstruktur implementierten Algorithmus zu bestimmten Zeitpunkten oder fortlaufend modifizierbar sind.Hearing aid according to one of claims 1 to 6,characterized in that the weighting functions at the input of all neurons can be modified at certain times or continuously by an algorithm implemented in the circuit structure.Hörgerät nach einem der Ansprüche 1 bis 9,dadurch gekennzeichnet, daß die neuronale Struktur (5) Synapsen (7) umfaßt, in denen zum jeweiligen Eingangssignal (E_i(t)) das oder die mit einer Größe (S_ij(t)) multiplizierte(n) zurückgekoppelte(n) Ausgangssignal(e) (A_j(t)) addiert wird bzw. werden.Hearing aid according to one of claims 1 to 9,characterized in that the neural structure (5) comprises synapses (7) in which for the respective input signal (E_i (t)) that or those with a size (S_ij (t)) multiplied (n) fed back (n) output signal (s) (A_j (t)) is added.Hörgerät nach Anspruch 10,dadurch gekennzeichnet, daß sich die Größe (S_ij(t)) für die Synapsen (7) der neuronalen Struktur (5) aus$${\text{S}}_{\text{ij}}{\text{= c ·∫f(A}}_{\text{i}}{\text{(t)·g(A}}_{\text{j}}\text{(t)·dt}$$

ergibt, dabei ist c eine Konstante und f und g sind zwei nicht gleiche ungerade Funktionen.Hearing aid according to claim 10,characterized in that the size (S_ij (t)) for the synapses (7) of the neuronal structure (5) is apparent$${\text{S}}_{\text{ij}}{\text{= c · ∫f (A}}_{\text{i}}{\text{(t) · g (A}}_{\text{j}}\text{(t) · dt}$$

where c is a constant and f and g are two odd functions that are not the same.Hörgerät nach einem der Ansprüche 1 bis 11,dadurch gekennzeichnet, daß eine neuronale Struktur als einlagig rückgekoppeltes Netz ausgeführt ist, welches zwei Eingänge (E₁, E₂) aufweist und zwei Synapsen umfaßt, wobei in den Signalpfaden der Eingänge (E₁, E₂) zu den beiden Ausgängen (A₁, A₂) begrenzende Verstärker (31) vorgesehen sind, wobei jedes Ausgangssignal mit einer Größe (S_ij) multipliziert und zu dem jeweils anderen Eingangssignal addiert wird und wobei die Größe (S_ij) jeweils eine Funktion der beiden Ausgangssignale ist (Figur 12).Hearing aid according to one of claims 1 to 11,characterized in that a neural structure is designed as a single-layer feedback network which has two inputs (E₁, E₂) and comprises two synapses, the signal paths of the inputs (E₁, E₂) to the two outputs (A₁, A₂) limiting amplifiers (31) are provided, each output signal being multiplied by a quantity (S_ij ) and added to the respective other input signal, and the quantity (S_ij ) being a function of the two output signals ( Figure 12).Hörgerät nach einem der Ansprüche 1 bis 12,dadurch gekennzeichnet, daß die Ausgangssignale (A₁, A₂) der neuronalen Struktur (5) einer Entscheidungsmittelkomponente (11) zugeführt werden, die für die Weiterverarbeitung eines der Ausgangssignale (A₁ oder A₂) auswählt.Hearing aid according to one of claims 1 to 12,characterized in that the output signals (A₁, A₂) of the neural structure (5) are fed to a decision-making component (11) which selects one of the output signals (A₁ or A₂) for further processing.Hörgerät nach einem der Ansprüche 1 bis 13,dadurch gekennzeichnet, daß der neuronalen Struktur Funktionsteile zugeordnet oder nebengeordnet sind, welche nach dem Prinzip der Fuzzy-Logik arbeiten.Hearing aid according to one of claims 1 to 13,characterized in that the neural structure is assigned or subordinate to functional parts which operate on the principle of fuzzy logic.Hörgerät nach den Ansprüchen 4 und 14,dadurch gekennzeichnet, daß die der neuronalen Struktur (5) vorgeschaltete Signalaufbereitung (9) nach dem Prinzip der Fuzzy-Logik arbeitet.Hearing aid according to claims 4 and 14,characterized in that the signal conditioning (9) connected upstream of the neural structure (5) operates on the principle of fuzzy logic.Hörgerät nach den Ansprüchen 13 und 14,dadurch gekennzeichnet, daß die Entscheidungsmittelkomponente (11) zur Auswahl des nutzbaren Ausgangssignals nach dem Prinzip der Fuzzy-Logik arbeitet.Hearing aid according to claims 13 and 14,characterized in that the decision means component (11) for selecting the usable output signal works on the principle of fuzzy logic.

Images