Prof. Dr. Dorothea Kolossa und Mahdie Karbasi von der Arbeitsgruppe Kognitive Signalverarbeitung der Ruhr-Universität Bochum (RUB) haben eine Methode entwickelt, mit der sie die Sprachverständlichkeit in lauten Umgebungen vorhersagen können. Die Ergebnisse aus ihren Tests sind genauer als die einer bisher angewendeten Standardmethode. Sie können helfen, den Entwicklungsprozess für Hörgeräte zu vereinfachen. Die Forschungsarbeit war Teil des von der EU geförderten Projektes „Improved Communication through Applied Hearing Research“, das kurz „I can hear“ genannt wird.
Bild: Am Computer mussten die Probanden die Verständlichkeit von Wörtern bewerten. © RUB, Roberto Schirdewahn

Bestimmte Algorithmen in Hörgeräten filtern störende Umgebungsgeräusche so heraus, dass die Träger in jeder Situation Sprache gut verstehen können – egal ob sie sich in einem voll besetzten Restaurant oder an einer viel befahrenen Straße befinden. Die Herausforderung besteht darin, die Störgeräusche so herauszufiltern, dass die Qualität der übertragenen Sprache nicht darunter leidet. Bevor ein verbessertes Hörgerät auf den Markt kommt, werden die neuen Algorithmen aufwendig getestet.

Forscher und Industrieentwickler prüfen in Hörtests mit Probanden, wie gut verständlich die Sprache mit den jeweils neuen Algorithmen sein wird. Könnten sie die Sprachverständlichkeit automatisch und zuverlässig schätzen, könnten sie sich einen Teil der aufwendigen Tests sparen.

Eigenen Algorithmus entwickelt

Bisher ist es Standard, die Sprachverständlichkeit mit der sogenannten STOI-Methode (short time objective speech intelligibility measure) oder mit anderen referenzbasierten Methoden vorherzusagen. Diese benötigen ein sauberes Originalsignal, also eine Tonspur, die ohne Störgeräusche aufgenommen wird. Aus dem Unterschied zwischen Originalton und gefiltertem Ton resultiert der Wert der geschätzten Sprachverständlichkeit. Kolossa und Karbasi haben einen Weg gefunden, die Vorhersage ohne sauberen Originalton und genauer als die STOI-Methode zu treffen. Mit den Ergebnissen von Kolossa und Karbasi könnten sich die Tests in der Produktentwicklungsphase von Hörgeräten verkürzen.

Ihre Methode testeten die RUB-Forscherinnen mit 849 Normalhörenden. Dafür ließen sie die Probanden über eine Internetplattform Audiodateien bewerten. Mit ihrem Algorithmus schätzten Kolossa und Karbasi, wie viel Prozent eines Satzes aus den jeweiligen Dateien die Probanden verstehen würden. Ihren vorhergesagten Wert verglichen sie mit den Ergebnissen aus den Versuchen.

Forschungsausblick

Im nächsten Schritt möchten Kolossa und Karbasi Tests mit Hörgeschädigten durchführen. Ziel ist es, Algorithmen zu entwickeln, die abhängig von der individuellen Wahrnehmungsschwelle oder der Art der Hörschädigung die Sprachverständlichkeit schätzen und optimieren können. Im besten Fall resultieren daraus Ansätze für ein intelligentes Hörgerät. Dieses könnten dann automatisch erkennen, in welcher Situation sich der Träger befindet. Wenn er oder sie von einer stillen Straßenszenerie in ein Restaurant geht, würde es bemerken, dass mehr Geräusche vorhanden sind. Entsprechend würde es die störenden Töne herausfiltern, möglichst ohne die Sprachsignalqualität zu beeinflussen.

Zum Projekt

Hauptziel des Projektes „Improved Communication through Applied Hearing Research“ war es, Hörgeräte und Cochlea-Implantate zu optimieren, damit sie auch in besonders geräuschvollen Umgebungen gut für die Träger funktionieren. Dabei arbeiteten Wissenschaftlerinnen und Wissenschaftler der RUB in einem internationalen Team mit Forschern aus Großbritannien, der Schweiz, Dänemark und Belgien zusammen. Prof. Dr. Rainer Martin von der RUB-Fakultät für Elektrotechnik und Informationstechnik leitete das EU-geförderte Projekt. Partner aus der Industrie waren Hörgerätehersteller Sivantos und Cochlea-Implantate-Produzent Cochlear. „I can hear“ lief bis Dezember 2016.

Quelle: Ruhr-Universität Bochum