Table of Contents
Le défi du traitement numérique des signaux dans les appareils auditifs modernes
Les appareils auditifs numériques sont des appareils médicaux sophistiqués qui effectuent un traitement audio en temps réel sous une forme plus petite qu'un ongle. Au cœur de chaque appareil auditif moderne se trouve un processeur de signal numérique (DSP) qui exécute des algorithmes complexes qui analysent, filtrent et amplifient le son. Les exigences imposées à ces processeurs sont importantes : ils doivent gérer la réduction du bruit, l'amélioration de la parole, l'annulation de la rétroaction, le traitement de microphone directionnel et souvent le streaming sans fil, tout en fonctionnant sur une batterie minuscule qui doit durer des jours ou même des semaines.
Contexte : Le fardeau de la transformation des aides auditives
Contrairement aux smartphones ou aux ordinateurs portables, les appareils auditifs ne peuvent pas accueillir de grandes batteries ou de refroidissement actif. L'ensemble de l'appareil doit s'adapter confortablement dans ou derrière l'oreille, avec une capacité de batterie mesurée en milliampère-heures. Pourtant, les utilisateurs attendent des fonctionnalités de plus en plus sophistiquées : détection automatique de l'environnement, algorithmes de parole dans le bruit, gestion des acouphènes et connectivité Bluetooth aux smartphones et aux téléviseurs.
Les DSP modernes sont généralement basés sur des architectures ultra-faible puissance, utilisant souvent des noyaux spécialisés conçus spécifiquement pour le traitement audio. Ces puces fonctionnent à des vitesses d'horloge bien inférieures aux processeurs à usage général, parfois dans la gamme de 5-50 MHz, et doivent exécuter chaque instruction avec un maximum d'efficacité. La charge de traitement varie considérablement selon l'environnement acoustique : un salon calme nécessite beaucoup moins de traitement qu'un restaurant bruyant ou un cadre extérieur venteux.
Les fonctions de traitement de base
Pour comprendre où les efforts d'optimisation produisent le plus de rendement, il est utile d'examiner les blocs de traitement primaire dans un DSP d'aide auditive :
- Annulation de la nourriture[ — Cet algorithme détecte et supprime la rétroaction acoustique (fractionnement) sans réduire le gain de signal souhaité. Il nécessite une adaptation continue et un calcul de filtre significatif.
- Réduction du bruit[ — L'estimation du bruit à bandes multiples et les algorithmes de soustraction spectrale analysent le son entrant pour distinguer la parole du bruit de fond.
- Compression de la gamme dynamique — L'appareil auditif doit cartographier une large gamme de niveaux sonores d'entrée dans la gamme dynamique réduite de l'utilisateur.
- Processus directif — Les algorithmes de faisceaux combinent des signaux provenant de plusieurs microphones pour se concentrer sur le son provenant de directions spécifiques. Ce traitement est essentiel pour la compréhension de la parole dans le bruit mais consomme des MIPS importants (millions d'instructions par seconde).
- Classification environnementale — Les modèles d'apprentissage automatique classent l'environnement acoustique (quiet, parole, musique, vent, trafic) et ajustent les paramètres de traitement en conséquence.
Le projet d'optimisation : portée et méthodologie
Le projet d'optimisation décrit dans cette étude de cas a été lancé par un fabricant d'appareils auditifs de taille moyenne qui a pour objectif de lancer une nouvelle gamme de produits avec des fonctionnalités améliorées sans augmenter la taille de la batterie ou réduire la durée de vie de la batterie.
Mesures de référence
La première phase du projet consistait à établir une base de référence complète de l'utilisation actuelle du PSD. L'équipe d'ingénierie a mesuré la consommation de MIPS pour chaque bloc de traitement dans une gamme de scénarios acoustiques typiques, à l'aide d'outils de profilage du matériel et d'instruments logiciels.
- L'annulation de rétroaction a consommé environ 28 % du total des PSD MIPS dans des situations à haut gain.
- La compression multicanaux représentait 22 % de la charge de traitement.
- Les algorithmes de réduction du bruit consommaient 18 % de MIPS.
- Le traitement directionnel a nécessité 15 % des cycles disponibles.
- La classification environnementale et les frais généraux du système représentaient les 17 % restants.
Ces mesures ont mis en évidence que l'annulation et la compression des retours d'information étaient les blocs les plus coûteux, mais aussi qu'aucun algorithme ne dominait le budget de traitement.
Stratégies d'optimisation mises en œuvre
Améliorations de l'efficacité de l'algorithme
L'équipe d'ingénierie a procédé à un examen systématique de tous les algorithmes de traitement des signaux afin de déterminer les possibilités de réduction des calculs sans sacrifier les performances.
Opérations de banque de filtres réduites — L'implémentation originale utilisait une banque de filtres uniforme de 32 canaux pour tous les traitements. En passant à une banque de filtres non uniforme avec des bandes plus larges à des fréquences plus élevées (où la résolution auditive humaine est plus basse) et des bandes plus étroites à des fréquences critiques, l'équipe a réduit le nombre total de canaux de filtres à 24. Ce changement a réduit à lui seul la consommation de MIPS d'environ 12 % pour tous les blocs de traitement qui dépendaient de la sortie de la banque de filtres.
Opérations arithmétiques simplifiées — L'algorithme d'annulation de rétroaction utilisait à l'origine l'arithmétique à double précision pour les mises à jour adaptatives des filtres. L'analyse a montré que l'arithmétique à simple précision, combiné à une échelle minutieuse, fournissait des performances équivalentes dans la grande majorité des conditions réelles.
Utilisation de l'accélération du logiciel de défense — La plate-forme DSP comprenait une unité multi-accumulation matérielle (MAC) que le firmware original n'utilisait pas pleinement. En réécrivant des boucles critiques dans le code de montage pour tirer parti de l'unité MAC, l'équipe a réalisé une accélération 3x dans les opérations de convolution utilisées pour le filtrage numérique.
Allocation de traitement adaptatif et dynamique
L'une des stratégies d'optimisation les plus puissantes a été de passer d'une allocation de traitement fixe à un modèle dynamique qui a ajusté la profondeur de traitement en fonction de l'environnement acoustique actuel et de l'activité utilisateur.
Les niveaux de traitement du contenu[ — Le classificateur environnemental a été amélioré pour produire non seulement une étiquette (simple, vocale, sonore, musique) mais aussi un niveau de confiance et une estimation des difficultés de traitement. Dans des environnements calmes classés avec une grande confiance, le système pourrait réduire de 50 % le taux de mise à jour des algorithmes d'annulation de rétroaction et de réduction du bruit.
Tailles variables des cadres — Le système original a traité l'audio dans des cadres fixes de 2 ms. L'équipe a mis en place un schéma de taille variable où des cadres plus grands (4-8 ms) étaient utilisés dans des environnements acoustiques stables et des cadres plus petits (1-2 ms) lorsque l'adaptation rapide était nécessaire.
Planning de batteries[ — Le programmeur DSP a été modifié pour tenir compte de la charge de batterie restante lors de la prise de décisions d'attribution de la batterie. Lorsque la tension de la batterie est tombée en dessous d'un seuil défini, le système a progressivement réduit la profondeur de traitement des algorithmes non critiques, prolongeant la durée de vie de la batterie jusqu'à 15 % dans les dernières heures de fonctionnement de la batterie.
Co-conception du matériel et des logiciels
Le projet d'optimisation a également impliqué une collaboration étroite entre les équipes du matériel et du firmware pour identifier les possibilités de décharger le traitement du DSP piloté par logiciel vers des blocs matériels dédiés.
Annulation de la rétroaction des logiciels — Un moteur d'annulation de la rétroaction dédié a été mis en place comme bloc matériel sur la puce DSP. Cet accélérateur matériel a géré les portions les plus intensives en calcul de la mise à jour du filtre adaptatif, réduisant le fardeau MIPS sur le DSP principal de 40% pour cet algorithme.
Moteur de compression pour appareils fixes — La compression dynamique multicanaux a été partiellement déchargée sur une machine dédiée à l'état matériel. Le matériel a géré le calcul et l'application des gains, tandis que le DSP a conservé le contrôle sur les mises à jour et l'adaptation des paramètres.
Optimisation de la mémoire[ — L'équipe a effectué une analyse approfondie des modèles d'accès à la mémoire et a repensé la disposition des données pour minimiser les erreurs de cache. En organisant les coefficients de filtre et les données audio dans des blocs de mémoire contigus qui s'alignent sur la taille de la ligne de cache du DSP, ils ont réduit de 25 % les décrochages liés à la mémoire.
Résultats mesurés et gains de rendement
Après avoir mis en œuvre toutes les stratégies décrites ci-dessus, l'équipe d'ingénierie a effectué une évaluation complète à l'aide de mesures objectives et de tests d'écoute subjectifs.
MIPS et consommation d'énergie
Les gains les plus importants ont été enregistrés en matière d'efficacité de traitement :
- La consommation maximale de MIPS dans les environnements acoustiques difficiles est passée de 42 à 33 MIPS, soit une réduction de 21 %.
- La consommation moyenne de MIPS dans tous les environnements a diminué de 27 %, passant de 31 MIPS à 22,6 MIPS.
- La consommation totale d'énergie des appareils a diminué de 23 % par rapport à la valeur de référence, dépassant ainsi l'objectif de 20 %.
- La durée de vie des batteries en usage courant est passée de 5,2 jours à 6,8 jours, ce qui représente une amélioration de 31 %.
Qualité et expérience utilisateur
Les mesures objectives, y compris l'indice de qualité des discours sur les aides auditives (HASQI) et l'indice de qualité des sons sur les aides auditives (HASPI), n'ont pas montré de dégradation statistiquement significative.
- Les scores d' HAQI sont restés à 0,02 près par rapport à l'inclusion (non cliniquement significatif).
- La marge d'annulation de rétroaction s'est améliorée de 3 dB, ce qui indique un gain plus stable avant la rétroaction.
- Les sondages de satisfaction auprès des utilisateurs menés auprès d'un groupe de 40 utilisateurs d'appareils auditifs ont révélé une amélioration de 12 % des scores pour la satisfaction en matière de durée de vie des batteries et de 8 % pour la satisfaction globale.
Échanges et limitations
Aucun effort d'optimisation n'est sans compromis. L'équipe a documenté plusieurs limites et domaines où la nouvelle conception a exigé une gestion soigneuse:
- Les accélérateurs matériels ont ajouté environ 8 % à la surface de la puce, ce qui a légèrement augmenté le coût de fabrication.
- Les algorithmes dynamiques d'allocation des traitements ont nécessité un réglage et une validation plus étendus dans un plus grand nombre d'environnements acoustiques.
- Dans des scénarios rares où les conditions acoustiques changent rapidement, le schéma de taille variable a provoqué des artefacts audibles occasionnels qui ont nécessité des filtres de lissage supplémentaires pour les traiter.
Contexte de l'industrie et répercussions plus larges
Les résultats de cette étude de cas s'alignent sur les tendances plus générales de l'industrie des appareils auditifs. À mesure que le marché mondial des appareils auditifs continue de croître, sous l'impulsion d'une population vieillissante et de la sensibilisation à la santé auditive, les fabricants sont constamment contraints de fournir davantage de fonctionnalités dans les appareils plus petits ayant une plus longue durée de vie des batteries.
Les ingénieurs travaillant sur d'autres appareils alimentés par batterie, dont les exigences de traitement des signaux en temps réel, comme les écouteurs sans fil, la protection auditive intelligente et les dispositifs de surveillance médicale, peuvent s'appuyer directement sur ces techniques. Les principes d'optimisation du code DSP pour les systèmes embarqués de faible puissance sont bien établis, mais leur application dans les appareils auditifs est particulièrement exigeante compte tenu de la combinaison de la taille, de la puissance et des contraintes en temps réel.
Recommandations pour les travaux futurs
À partir des résultats de ce projet, l'équipe a identifié plusieurs pistes prometteuses pour poursuivre l'optimisation et l'innovation :
Accélération de l'apprentissage automatique
Le classificateur environnemental utilisé dans le système actuel était basé sur un arbre de décision relativement simple. L'équipe estime que le déploiement d'un petit réseau neuronal sur un accélérateur matériel dédié pourrait améliorer la précision de classification de 15 à 20%, permettant une répartition dynamique encore plus agressive du traitement.
Optimisation spécifique à l'utilisateur
Le système actuel utilise une approche unique pour le traitement de l'allocation. En apprenant les environnements acoustiques et les modes d'utilisation typiques de chaque utilisateur, l'appareil auditif pourrait optimiser son budget de traitement pour les conditions qui comptent le plus pour cet utilisateur. Par exemple, un utilisateur qui passe la plus grande partie de son temps dans des environnements de bureau tranquilles pourrait bénéficier d'économies d'énergie plus agressives dans ce contexte, tandis qu'un utilisateur qui visite fréquemment les restaurants bénéficierait d'une profondeur de traitement complète dans des environnements bruyants.
Déchargement sans fil
Comme les appareils auditifs se connectent de plus en plus aux smartphones via Bluetooth, il est possible de décharger certains traitements vers le téléphone pairé. Des calculs complexes tels que l'inférence du réseau neuronal complet ou le traitement binaural avancé pourraient être effectués sur le processeur le plus puissant du téléphone, les résultats étant transmis aux appareils auditifs.
Conclusion
Optimiser l'utilisation des processeurs DSP dans les appareils auditifs numériques est un défi d'ingénierie multiforme qui se situe à l'intersection de la conception d'algorithmes, de l'architecture matérielle, de la gestion de l'énergie et de l'expérience utilisateur.
La réduction de 23 % de la consommation d'énergie et l'amélioration de 31 % de la durée de vie des batteries réalisée dans le cadre de ce projet représentent des progrès significatifs dans le domaine de la technologie des appareils auditifs. Plus important encore, le cadre d'optimisation élaboré ici offre une méthodologie évolutive qui peut être appliquée aux générations futures de produits.
Les résultats soulignent également un principe important : dans les systèmes embarqués limités, l'optimisation n'est pas seulement un exercice technique mais un facteur direct de la qualité de vie des utilisateurs. Chaque milliwatt sauvé, chaque cycle éliminé, et chaque algorithme raffiné se traduit par une aide auditive plus confortable à porter, plus naturelle à utiliser, et plus efficace dans les environnements acoustiques réels qui comptent le plus pour les personnes ayant une perte auditive.