买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉杭州爱听科技有限公司申请的专利一种基于神经网络深度学习的助听器自验配的方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN116390013B 。

龙图腾网通过国家知识产权局官网在2026-01-06发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202310438901.8，技术领域涉及：H04R29/00；该发明授权一种基于神经网络深度学习的助听器自验配的方法是由李鹏;张威;李子豪;胡海亮设计研发完成，并于2023-04-13向国家知识产权局提交的专利申请。

本一种基于神经网络深度学习的助听器自验配的方法在说明书摘要公布了：本发明公开了一种基于神经网络深度学习的助听器自验配方法，采用纯音并结合具有用户日常生活背景噪声信息的测听音频进行测听，分配权重获得预设WDRC参数，以预设WDRC参数为基础采用KNN算法进行分类获得特性标签，同时通过试听特定语音组进行评价打分，结合特性标签和评价打分采用神经网络深度学习模型对获得增益和压缩比修正向量，从而得到最终WDRC参数。本发明能融合测听环节获得相对准确，包含用户特征信息的初设参数，深度学习神经网络输入向量，包含特征标签，使得模型具有更高的精准性。

本发明授权一种基于神经网络深度学习的助听器自验配的方法在权利要求书中公布了：1.一种基于神经网络深度学习的助听器自验配的方法，其特征在于：通过纯音测试得到纯音听力图和初始WDRC1参数组，通过叠加多种背景音下试听测试得到混合听力图组和混合WDRCn参数组，通过设置初始WDRC1参数权重系数α1和混合WDRCn参数权重系数组αn，通过线性叠加得到预设WDRC参数组，为，其中，WDRCi为第i种噪声背景下的WDRC参数组，并且； 根据听损患者对纯音测听的反馈得到不同频率下最低识别阈值、舒适范围以及最高忍受阈值，形成最低识别阈值听力图、最高忍受阈值听力图，舒适范围听力图，并设置初始WDRC1参数组； 根据听损患者录制的多个常用场景的背景噪声，通过频域分析得到频谱图并生成不同场对应的有色背景噪声，分别叠加到纯音中进行测听，得到不同有背景声下对应听力图序列和WDRC参数组； 自验配的方法，包括以下步骤， S1:建立以听损等级、传导性听力损失、感音神经性听力损失、混合性听力损失为元素对应的WDRC参数组数据库，根据预设WDRC参数组采用KNN算法进行分类，设置标签向量P=[p1,p2,...,pn]，其中，n为听损特征数； S2:听损患者佩戴设置预设WDRC参数组的助听器，进行特定测听语音组测试，并对语音的六个维度进行评价，其中评价维度具体为：音量大小w1、语音清晰度w2、语音沉闷w3、语音尖锐w4、杂音多少w5，语意理解难度w6；其各维度评价等级按照好、中、差进行打分，分值范围为0～5；生成评价向量W＝[w1,w2,…w6]； S3:针对WDRC参数中的增益向量B=[b1,b2,...,bm]、压缩比向量K=[k1,k2,...,km]，其中，m为WDRC通道数；对比最终WDRC参数与初设WDRC参数中的压缩比和增益，得到增益修正向量ΔB=[Δb1,Δb2,...,Δbm]和压缩比修正向量ΔK=[Δk1,Δk2,...,Δkm]； S4:构建增益修正深度学习网络和压缩比修正深度学习网络，以标签向量P与评价向量W为基础，得到的增广向量作为输入，分别以增益修正向量ΔB和压缩比修正向量ΔK作为输出，进行训练，分别得到增益修正网络模型和压缩比修正网络模型； S5:分别利用训练好的增益修正网络模型获取增益修正网络模型，以用户的增广向量Z用户为输入，得到用户的增益修正向量ΔB用户和压缩比修正向量ΔK用户，通过将修正值叠加至预设WDRC参数组得到用户的最终WDRC参数组。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人杭州爱听科技有限公司，其通讯地址为：311121 浙江省杭州市余杭区仓前街道仓兴街1390号2幢401；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。