Article
AI-Methoden zur Optimierung von Hörgerätealgorithmen
Search Medline for
Authors
-
Volker Kühnel
- Sonova, Stäfa, Schweiz
| Published: | March 5, 2024 |
|---|
Outline
Text
Aktuelle Algorithmen zur Signalverarbeitung in Hörgeräten, insbesondere zur Störgeräuschunterdrückung, beinhalten viele Freiheitsgrade und Parameter, die während der Entwicklung der Algorithmen eingestellt werden können. Diese Parameter können anhand von subjektiven perzeptiven Tests eingestellt werden, z.B. mit Hilfe von Paarvergleichen oder MUSHRA-Paradigmen. Dies ist jedoch sehr teuer und zeitaufwendig.
Alternativ ist es möglich, verschiedene Arten von Modellen anzuwenden, um bevorzugte Parameter zu finden, die auf verschiedenen Dimensionen oder Attributen die beste Leistung erbringen.
In diesem Vortrag werden verschiedene relevante Metriken wie SNR-Verbesserung, Höranstrengung, Sprachverständlichkeit und Klangqualität betrachtet.
Es werden verschiedene Modelle – intrusive und nicht intrusive Modelle – diskutiert, spezifisch auch ein DNN/AI basierender Ansatz [1].
Literatur
- 1.
- Diehl PU, Thorbergsson L, Singer Y, Skripniuk V, Pudszuhn A, Hofmann VM, Sprengel E, Meyer-Rachner P. Non-intrusive deep learning-based computational speech metrics with high-accuracy across a wide range of acoustic scenes. PLoS One. 2022 Nov 28;17(11):e0278170. DOI: 10.1371/journal.pone.0278170
