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！

申请/专利权人：无锡清耳话声科技有限公司;清华大学无锡应用技术研究院;清华大学

摘要：本发明提供一种基于PTC的耳蜗死区边缘检测方法，其构建了受试者响应概率模型，受试者响应概率模型为V型曲线，测试过程中无需将所有的窄带掩蔽噪声的频率都进行测试即可得到测试结果，同时将将注意力机制引入到受试者响应概率模型中，提出了以主动学习active‑learning为基础的active‑PTC检测方法，基于主动学习为基础的active‑PTC检测方法能够快速且准确地找到模型下一次测试的刺激参数，解决了现有的PTC方法耗时过长的问题，同时实现了高的频率精度特性。并且因为引入了概率模型，实验者可以控制停止实验所需的置信度，达到测试时间与准确性的平衡。

主权项：1.一种基于PTC的耳蜗死区边缘检测方法，其特征在于，其包括以下步骤：S1：基于PTC原理构建受试者响应概率模型；所述受试者响应概率模型为V形曲线，基于参数θ＝[fe,Le,k1,k2]表示所述受试者响应概率模型的模型参数；其中，fe为V形曲线的尖端处频率，Le为V形曲线的尖端处声强；fe,Le为所述受试者响应概率模型曲线的顶点坐标；k1表示所述受试者响应概率模型曲线的前向斜率，k2表示所述受试者响应概率模型曲线的后向斜率；S2：基于所述受试者响应概率模型，受试者听到纯音的概率Py＝1|x,θ表示为： 其中，Φx为标准正态分布的累积分布函数；fmask为掩蔽声频率；x＝[fmask,Lmask]表示刺激参数，fmask为掩蔽噪声的频率,Lmask为掩蔽噪声的强度；fe为V形曲线的尖端处频率，Le为V形曲线的尖端处声强；y＝1表示受试者在刺激参数x的条件下听得到纯音；y＝0表示受试者在刺激参数x的条件下听不见纯音；σ为超参数；S3：设已经有采样样本则有： 其中，表示在某一组参数θ下，采样得到样本的概率，N为采样点个数，i表示第i次迭代；S4：基于贝叶斯条件概率公式，有： 其中，表示在已有观测样本下参数θ的分布；pθ表示参数θ的先验分布；S5：将注意力机制引入到所述受试者响应概率模型中，第i个频率fi处的注意力权重A的计算方法为： 其中，表示均值为lnfe，方差为0.01的正态分布在lnfi的概率； 表示当前观测样本；表示当前fe的边缘分布；σ2表示方差；S6：模型下一次测试的刺激参数xnext的计算方法为： 其中，I是单位矩阵；为在当前采样结果下，采样点x对参数θ的互信息；S7：每次测试开始前，设置纯音信号参数fsig和Lsig和窄带噪声的测试参数fe,Le,k1,k2,fmask,lmask测试范围后实施初始化测试；所述初始化测试包括：以10dB为Lmask的步长，在测试纯音信号频率fsig、纯音信号频率和fe的所述测试范围中最小值的均值纯音信号频率和fe的所述测试范围中最大值的均值三个频率处的受试响应，每测试一个频率，当受试响应有一次变化后停止这个频率点的测量，这样能够得到最初的一系列采样结果将初始化得到的采样结果送入到中；S8：通过计算得到x对应的y；计算得到当前的后验参数分布后，计算得到S9：通过下一次测试的刺激参数的公式，计算得到下一次的刺激参数xnext； S10：将刺激参数xnext作为输入x，循环执行步骤S8～S9，直至符合下面的停止条件后，测试停止；停止条件为：连续三次测试中大于预设的停止置信度阈值，且这三次测试中得到的三个fe值之间相差均小于fe所在倍频程的120；S11：构建PTC曲线基础图；所述PTC曲线基础图横坐标为频率，纵坐标为强度；将测试过程中，y＝0时，对应的x＝[fmask,Lmask]标注到所述PTC曲线基础图中，对所有的点进行拟合，即得到作为本次测试结果的受试者响应概率模型曲线。

全文数据：

权利要求：

百度查询： 无锡清耳话声科技有限公司 清华大学无锡应用技术研究院 清华大学 一种基于PTC的耳蜗死区边缘检测方法