Digital Signal Processing Algorithms for Noise Reduction, Dynamic Range Compression, and Feedback Cancellation in Hearing Aids (Digitale signaalverwerkingsalgoritmen voor ruisonderdrukking, dynamisch bereik compressie, en feedbackonderdrukking in hoorapparaten

Gehoorverlies kan worden veroorzaakt door vele factoren, voorbeelden zijn dagelijkse blootstelling aan overmatig lawaai in de werkomgeving of luisteren naar luide muziek. Een andere belangrijke reden is gerelateerd aan de leeftijd, met name de langzame achteruitgang van het gehoor die optreedt als mensen ouder worden. In het algemeen lijden slechthorenden aan een frequentie-afhankelijk gehoorverlies en aan een verminderd dynamisch bereik tussen de gehoordrempel en het oncomfortabele niveau. Dit betekent dat het oncomfortabele niveau voor normaalhorenden en slechthorenden, die lijden aan een zogenaamd sensorineuraal verlies, hetzelfde blijft, terwijl de gehoordrempel en de gevoeligheid voor zachte geluiden worden verschoven ten gevolge van het gehoorverlies. Ter compensatie voor dit soort van gehoorverlies moet het hoorapparaat een frequentie-afhankelijke en niveau-afhankelijke versterking toepassen. Het corresponderende digitale signaalverwerkingsalgoritme (DSP) is het zogenaamde Dynamisch Bereik Compressie-algoritme (DRC). Achtergrondgeluiden (van door elkaar pratende personen, verkeer enz.) vormen ook een groot probleem voor slechthorenden, die inderdaad meermoeite hebben met spraakverstaan in ruis en over het algemeen dus behoefte hebben aan een hogere signaal-ruisverhouding (SNR) dan normaal-horenden. Hierdoor kan ruisonderdrukking (NR) ook worden beschouwd als een belangrijke algoritmische component in hoorapparaten. Een ander probleem in hoorapparaten is de ongewenste akoestische koppeling tussen de luidspreker en de microfoon, die wordt aangeduid als het akoestische terugkoppelings- of feedbackprobleem. Akoestische terugkoppeling produceert een irritant fluitend geluid en beperkt de maximale versterking die in het hoortoestel kan worden toegepast zonder dat het onstabiel wordt. Ter bestrijding van het akoestische terugkoppelingsprobleem worden Adaptieve Feedbackonderdrukkingsalgoritmes (AFC) gebruikt. Akoestische terugkoppeling is recentelijk een nog groter probleem geworden door het gebruik van open aanpassingen en de afnemende afstand tussen de microfoon en de luidspreker.

In dit proefschrift worden verschillende DSP-technieken gepresenteerd om de problemen aan te pakken die hierboven werden geintroduceerd. Voor het achtergrondgeluid probleem, stellen we een NR algoritme voor dat is gebaseerd op de spraak distortie gewogen meerkanaals Wiener filter (SDW-MWF), die ontworpen is om een afwegingtussen NR en spraak distortie mogelijk te maken. De eerste bijdrage aan de SDW-MWF gebaseerde NR is gebaseerd op het gebruik van een wegingsfactor, die wordt bijgewerkt voor elke frequentie en voor elk frame, zodanig dat spraak-dominante segmenten en ruis-dominante segmentenop een verschillende manier kunnen gewogen worden. Dit kan gedaan worden door het opnemen van de voorwaardelijke kans op spraak aanwezigheid (SPP) in de SDW-MWF. De tweede bijdrage is gebaseerd op een alternatieve en robuustere methode om correlatie matrices te schatten en bij te werken, wat heel belangrijk is aangezien de SDW-MWF gebaseerdeNR enkel gebruik maakt van deze correlatie matrices. De voorgestelde SDW-MWF gebaseerde NR toont betere prestaties in termen van SNR verbetering en spraak distortie, vergeleken met een traditionele SDW-MWF.

Voor het probleem van achtergrondlawaai en verminderd dynamisch bereik, stellen we een combinatie van SDW-MWF gebaseerde NR en DRC voor. Eerst wordt de DRC uitgebreid met een duale DRC benadering die een omschakeling van de compressie karakteristiek op basis van de voorwaardelijke SPPtoelaat. Ten tweede wordt de SDW-MWF met voorwaardelijke SPP samen met de duale DRC gecombineerd en geanalyseerd. De voorgestelde methode toont aan dat de SNR degradatie gedeeltelijk kan worden gecontroleerdmet behulp van de duale DRC.

Voor het akoestische terugkoppelingsprobleem, stellen we een Predictie Fout Methode-gebaseerde AFC (PEM-gebaseerde AFC) voor, waarbij een verbeterd gecascadeerd bronsignaalmodel wordt aangewend.
De uitdaging in PEM-gebaseerde AFC is een nauwkeurige schatting van het bronsignaalmodel te bekomen zodat de inverse van dit model gebruikt kan worden als decorrelatie van de luidspreker en de microfoonsignalen. Door de gesloten signaallus zijn de luidspreker en de microfoonsignalen nu gecorreleerd waardoor standaard adaptieve filtering methodes mislukken. De voorgestelde PEM-gebaseerde AFC toontverbeterde prestaties in termen van maximale stabiele versterking (MSG)en filter misaanpassing, vergeleken met een PEM-gebaseerde AFC met een enkelvoudig bronsignaalmodel.

Trefwoorden:Hearing aids, Signal processing

Disciplines:Laboratoriumgeneeskunde, Palliatieve zorg en zorg rond het levenseinde, Regeneratieve geneeskunde, Andere basiswetenschappen, Andere gezondheidswetenschappen, Verpleegkunde, Andere paramedische wetenschappen, Andere translationele wetenschappen, Andere medische en gezondheidswetenschappen

Project type:PhD project