基于多带贝叶斯机器学习的听力器增益个性化高效方法
音频与语音处理
2024-06-17 v1 信号处理
摘要
听力器增益函数的个性化化在以前的研究中被证明对听力用户有益。文献中已引入了几种基于机器学习的个性化方法。本文提出了一种机器学习个性化方法，具有在训练方面效率高、实际且可部署的优势。该方法的训练效率体现在于将频带相互独立地处理，并在所有频带上同时进行贝叶斯机器学习。仿真结果表明，该方法所估计的听力偏好函数与真实听力偏好函数接近，且所需的配对比较次数比以前的机器学习方法更少。此外，对8名听力受损者的临床实验表明，该训练效率高的个性化方法提供的个人化增益设置平均比标准处方增益设置高出约6倍。
引用
@article{arxiv.2406.09634,
title = {Efficient Personalization of Amplification in Hearing Aids via Multi-band Bayesian Machine Learning},
author = {Aoxin Ni and Edward Lobarinas and Nasser Kehtarnavaz},
journal= {arXiv preprint arXiv:2406.09634},
year = {2024}
}