INDIVIDUALIEMS POREIKIAMS – MOKYMASIS IŠ GARSŲ, 2 KARTA (SoundLearning 2.0)

 

GERIAUSIO GARSO (BestSound) TECHNOLOGIJOS DALIS

 

Dažnai būna, kad geresnė klausa (girdimumas) yra nesuderinama su aplinkos garsų komfortu ir atvirkščiai. Pavyzdžiui, padidinus aukštų dažnių stiprinimą pagerėja kalbos suvokimas, tačiau tada garsas darosi per šaižus. Tuomet tikras iššūkis yra surasti atskirai, kiekvienam klausos aparato nešiotojui, tinkamą balansą tarp geresnės klausos ir garso komforto. Tai dar labiau apsunkinama faktu, kad geriausias stiprinimas ir išėjimo garso stiprumas, išskaičiuojamas pagal tam tikras taisykles ir audiogramą, yra tinkamas tik „vidutiniam“ žmogui ir todėl yra būtina juos individualizuoti, t.y. pakeisti pagal konkretaus žmogaus pojūčius ir poreikius. Pats „besimokantis“ klausos aparatas, kai pats nešiotojas gali nustatyti sau priimtinus nustatymus, o aparatas jų išmokti, yra idealus sprendimas. Tačiau individualūs pasirinkimai (prioritetai) gali labai skirtis, priklausomai nuo klausymosi situacijos. Taigi idealus besimokantis klausos aparatas privalo „išmokti“ stiprinimo, dažninės sudėties (tembro) ir kompresijos (tylių-garsių garsų stiprinimo balanso) atskirai kiekvienai girdėjimo situacijai. 

Priklausantis nuo situacijos mokymasis - SoundLearning 2.0

Priklausančio nuo aplinkos situacijos „mokymosi“ idėja yra tai, kad jis priklauso nuo naudotojo maloniausio/tinkamiausio garso pasirinkimo skirtingose akustinėse aplinkose. Situacijose, kur yra kalba: kalba tyloje, kalba tyliame triukšme, kalba garsiame triukšme - numanomas prioritetas yra kalbos aiškumas. Triukšmingoje aplinkoje, kur nėra kalbama, triukšmas turėtų būti girdimas, tačiau neviršyti komfortabilaus lygio. Muzikos atveju tinkamiausias prioritetas lyg ir turėtų būti garso kokybė. Tai reiškia, kad priklausomai nuo konkrečios akustinės situacijos vartotojas turės skirtingus pasirinkimus.
   
SoundLearning 2.0 atveju, vartotojui kiekvieną kartą pakeitus garsumo ar garsų balanso (SoundBalance) nustatymus šis nustatymas klausos aparato yra įsimenamas kartu su įėjimo garso stiprumu ir detektuota akustine aplinka. Tai nulemia skirtingą tembrą ir garso kompresijos nustatymus Kalbai, Triukšmui ir Muzikai (realiai tokių skirtingų, klausos aparato detektuojamų situacijų yra net 15). Šie „išmokti“ nustatymai yra klausos aparato automatiškai pasirenkami tada, kai sistema vėl atpažįsta tokią pačią akustinę situaciją. Rezultatas: klausos aparato nustatymai toms situacijoms yra susieti su nešiotojo individualiais pasirinkimais. Norint išgauti tokį patį kaip su SoundLearning 2.0 efektą, reikėtų turėti bent 3 skirtingas programas - po vieną kiekvienai situacijai. Be to, žmogus pats turėtų jas persijungti keičiantis akustinei aplinkai. Su SoundLearning 2.0 tai vyksta automatiškai ir intuityviai.  

 

 

Priklausantis nuo situacijos mokymasis - Situacijų detekcija

Tam, kad patikimai „išmokti“ stiprinimo ir kompresijos nustatymus skirtingoms girdėjimo situacijoms, patikimas situacijų detektorius yra tiesiog būtinas. Siemens pristatė pirmąjį situacijų detektorių dar 2002 metais. Atpažintos akustinės situacijos nustatydavo tinkamą kryptinių mikrofonų režimą ir triukšmo slopinimo nustatymus taip, kad klausos aparatas visada automatiškai prisitaikytų prie kiekvienos situacijos. 2004 metais ši technologija buvo atnaujinta. Nuo tada situacijų detektorius tam tikruose aparatuose jau leido pirmąjį pasaulyje binauralinį situacijų atpažinimą ir binauralinį, sinchronizuotą dviejų klausos aparatų veikimą. Ir šiandien Siemens situacijų detektavimas vis dar yra industrinis standartas, lenkdamas visus kitus klausos aparatų gamintojų algoritmus. Nesenas nepriklausomas tyrimas parodė, kad Siemens situacijų detektorius pagal tikslumą pralenkė konkurentus VISOSE garso kategorijose (kalba tyloje, kalba triukšme, muzika, etc.). Didžiausias skirtumas buvo muzikos atpažinime (teisingas atpažinimas 44% daugiau atvejų, lyginant su geriausiai pasirodžiusia konkuruojančia sistema) ir triukšmui (teisingas atpažinimas 27% daugiau atvejų, lyginant su geriausiai pasirodžiusia konkuruojančia sistema).