一种耳鸣治疗声的优化方法及系统

技术领域

本发明涉及耳鸣声治疗音频数据处理技术领域，尤其涉及一种耳鸣声治疗音频优化的方法。

背景技术

耳鸣是指在没有外部声源存在的情况下，由患者主观听觉感知到类似纯音、蝉声等干扰声的现象，甚至会导致患者失眠和抑郁，严重影响患者正常生活，且在临床上高频耳鸣患者较为普遍。

由于对多种类型耳鸣都有一定缓解效果，且治疗代价低，声治疗被广泛应用于耳鸣治疗领域。声治疗分为掩蔽疗法和切迹疗法，具体治疗方式为给患者播放掩蔽或切迹音来缓解耳鸣。

在掩蔽疗法中，选择的音源基本为匹配耳鸣频率的纯音或包含患者耳鸣频率的白噪声和窄带噪声，这是因为掩蔽音需要包含耳鸣频率且在耳鸣频率处能量较高，才能达到较好的掩蔽效果，但这类音源听感不佳，会降低患者的治疗服从性，而悦耳的自然声等音源低频能量较高，选择这类音源对高频耳鸣患者掩蔽效果不佳。

在切迹疗法中，以患者的耳鸣频率为中心，抑制或滤除一定带宽的信号，生成切迹音，且切迹频率处能量越大减轻患者感知耳鸣音的效果越好。其中，音源的选择与掩蔽音源类似，需要耳鸣频率附近的频带能量高，但是切迹音源通常基于自然声，这类声音低频含量丰富，对于低频耳鸣疗效较好，高频耳鸣效果有限。

同时，患者如果长时间重复听同一首音乐会使听觉细胞敏感性降低，也会激活病人耳鸣记忆回放，达不到放松减压效果，产生治疗耐受性，导致治疗效果降低。

发明内容

为了克服上述技术缺陷，本发明的第一个方面提供一种耳鸣治疗声的优化方法，其包括：

步骤S1：将需要播放的音源进行分段，每段包含相同数量的采样点；

步骤S2：每次仅实时输入一段音源数据，每段数据有重叠的输入，重叠率的范围[0，100％)；

步骤S3：对输入的每段音源数据中的所有采样点的时域数据，计算其平方值之和；

步骤S4：对每段音源数据中的所述平方值之和取二次方根，从而计算出每段音源数据的时域总幅度，并依次存储每段音源数据的时域总幅度；

步骤S5：预设A

步骤S6：对于每一段音源数据，以N为上限，重复步骤S4-步骤S5，重新计算当前均值并与A

步骤S7：比较A与最近更新的A

其中，n为处理的数据段数，β为随机变化因子，取值范围[0.5,1.0)；

步骤S8：计算每段音源数据的增益系数G，增益系数G等于所处理数据段的时域总幅度除以A；

步骤S9：将所处理数据段的每个采样点的时域数据除以该段音源对应的增益系数G；

步骤S10：实时输出处理后的一段数据，每段数据有重叠的输出，重叠率的范围[0，100％)。

进一步地，步骤S10进一步包括：将单独处理后的每一段数据按照首尾相连的方式进行不重叠拼接之后实时输出。

本申请的第二个方面提供一种耳鸣治疗声的优化系统，其包括：

分段模块，所述分段模块用于将需要播放的音源进行分段，每段包含相同数量的采样点；

输入模块，所述输入模块用于每次仅实时输入一段音源数据，每段数据有重叠的输入，重叠率的范围[0，100％)；

计算模块，所述计算模块用于对输入的每段音源数据中的所有采样点的时域数据，计算其平方值之和；还用于对每段音源数据中的所述平方值之和取二次方根，从而计算出每段音源数据的时域总幅度，并依次存储每段音源数据的时域总幅度；还用于预设A

输出模块，所述输出模块用于实时输出处理后的一段数据，每段数据有重叠的输出，重叠率的范围[0，100％)。

进一步地，所述输出模块还用于将单独处理后的每一段数据按照首尾相连的方式进行不重叠拼接之后实时输出。

采用了上述技术方案后，与现有技术相比，具有以下有益效果：

本发明提供一种用于优化耳鸣声治疗音源的预处理方法，使优化后的音源适合掩蔽或切迹疗法。同时，引入了随机变化因子作为参数，以达到每重复播放同一首音乐时，都可以在保留音源大部分原有听感的前提下，细节处的声音频率会有所不同。

附图说明

图1为本申请的耳鸣治疗声的优化系统的模块结构图；

图2为本申请的耳鸣治疗声的优化方法的流程图；

图3为三次调用算法处理数据时生成的增益系数G的对比示例图；

图4为采用本申请耳鸣治疗声的优化方法的数据仿真效果图。

具体实施方式

以下结合附图与具体实施例进一步阐述本发明的优点。本领域技术人员应当理解，下面所具体描述的内容是说明性的而非限制性的，不应以此限制本发明的保护范围。

如图1所示，本实施例提供一种耳鸣治疗声的优化系统，其包括：分段模块、输入模块、计算模块和输出模块。

分段模块用于将需要播放的音源进行分段，每段包含相同数量的采样点。

输入模块用于每次仅实时输入一段音源数据，每段数据有重叠的输入，重叠率的范围[0，100％)。

计算模块用于对输入的每段音源数据中的所有采样点的时域数据，计算其平方值之和；还用于对每段音源数据中的所述平方值之和取二次方根，从而计算出每段音源数据的时域总幅度，并依次存储每段音源数据的时域总幅度；还用于预设Amax等于所存储的N段音源数据的时域总幅度相加并取平均值，当且仅当首次计算A

输出模块用于实时输出处理后的一段数据，每段数据有重叠的输出，重叠率的范围[0，100％)；还用于将单独处理后的每一段数据按照首尾相连的方式进行不重叠拼接之后实时输出。

如图2所示，采用上述耳鸣治疗声的优化系统进行耳鸣治疗声的优化的方法包括以下步骤S1-步骤S10：

步骤S1：将需要播放的音源进行分段，每段包含相同数量的采样点；

考虑到实际应用中需要对音源进行实时处理，将要播放的音源进行分段，每段包含相同数量的采样点，每一段可以分为2

步骤S2：每次仅实时输入一段音源数据，每段数据有重叠的输入，重叠率的范围[0，100％)；

每次实时处理输入的1段数据。每段数据有重叠的输入，重叠率的范围[0，100％)，重叠率不同会有不同的效果。

步骤S3：对输入的每段音源数据中的所有采样点的时域数据，计算其平方值之和；

对输入的每段数据采样点计算平方值；进一步的，将每段采样点平方值相加，计算出每段采样点平方的和。

步骤S4：对每段音源数据中的所述平方值之和取二次方根，从而计算出每段音源数据的时域总幅度，并依次存储每段音源数据的时域总幅度B；

计算每段数据的时域总幅度B，即对每段采样点平方的和取二次方根并存储该值。

步骤S5：预设A

当输入的音源数据段数等于N时，将存储N段数据的二次方根值相加并取平均得到A

当且仅当首次计算Amax时，处理音频段数小于N时直接输出数据。

步骤S6：对于每一段音源数据，以N为上限，重复步骤S4-步骤S5，重新计算当前均值B

处理一段数据就以N为上限，重新计算均值B

步骤S7：比较A与最近更新的A

更新方式如下：

A(n)＝β*A(n-1)+(1-β)*A

其中，n为处理的数据段数，β为随机变化因子，取值范围[0.5,1.0)。每次在算法开始处理音频数据时决定β值，多次使用算法时每次值不相同。

步骤S8：计算每段音源数据的增益系数G，增益系数G等于所处理数据段的时域总幅度B除以A；

G＝B/A

随机变化因子β影响A的取值，而A的取值影响增益系数G。因为每次在算法开始处理音频数据时决定随机变化因子β的取值，多次使用算法时每次值不相同，所以，每次调用算法处理数据时生成的增益系数G也不同。示例地，如图3所示，该图为三次调用算法处理数据时生成的增益G，可知每次调用算法处理同一段数据使用的增益G数值都不同，但趋势又相同，这就意味着每重复一次音频，算法生成的治疗声可以在不改变音源特质的前提下，在细节处不一样。

步骤S9：将所处理数据段的每个采样点的时域数据除以该段音源对应的增益系数G；

将处理数据段每个采样点的时域数据除以该段对应的增益系数G。

步骤S10：实时输出处理后的一段数据，每段数据有重叠的输出，重叠率的范围[0，100％)；或者，将单独处理后的每一段数据按照首尾相连的方式进行不重叠拼接之后实时输出。

实时输出处理的1段数据，每段数据经过处理后直接输出。每段数据有重叠的输出，重叠率的范围[0，100％)，重叠率不同会有不同的效果。或者，将单独处理后的每一段数据按照首尾相连的方式进行不重叠拼接之后实时输出。

本实施例的用于优化耳鸣声治疗音源的预处理方法使优化后的音源适合掩蔽或切迹疗法，同时，引入了随机变化因子作为参数，以达到每重复播放同一首音乐时，都可以在保留音源大部分原有听感的前提下，细节处的声音频率会有所不同。如图4所示，与原音频的原始频率波形相比，经算法处理后的频率分量得到了明显提升。

应当注意的是，本发明的实施例有较佳的实施性，且并非对本发明作任何形式的限制，任何熟悉该领域的技术人员可能利用上述揭示的技术内容变更或修饰为等同的有效实施例，但凡未脱离本发明技术方案的内容，依据本发明的技术实质对以上实施例所作的任何修改或等同变化及修饰，均仍属于本发明技术方案的范围内。