האתגר של עיבוד אותות דיגיטליים ב- Modern Hearing Aids

מכשירי שמיעה דיגיטליים הם מכשירים רפואיים מתוחכמים המבצעים עיבוד אודיו בזמן אמת בגורם צורה קטן יותר מאשר אצבע.בלב של כל סיוע שמיעה מודרני הוא מעבד אותות דיגיטלי (DSP) האחראי על ביצוע אלגוריתמים מורכבים המנתחים, הפילטר, ולהגדיל את הדרישות שהונחו על מעבדי DSP אלה הם משמעותיים: הם חייבים להתמודד עם ירידה ברעש, שיפור, עיבוד מיקרופון, ולעתים קרובות זורם, תוך כדי הפעלתן של שבועות זעירים של בדיקות סוללות חדשות או מצעים חדשים.

המונחים: the processing Burden in Hearing Aids

האתגר הבסיסי בעיצוב סיוע שמיעה הוא המתח בין יכולת עיבוד וצריכת חשמל.בניגוד לסמארטפונים או למחשבים ניידים, מכשירי שמיעה אינם יכולים להכיל סוללות גדולות או קירור פעיל.המכשיר כולו חייב להתאים בנוחות בתוך האוזן או מאחורי האוזן, עם יכולת סוללה בדרך כלל נמדדת במילות של מילימטר.אבל משתמשים מצפים תכונות מתוחכמות יותר ויותר: זיהוי סביבה אוטומטית, אלגוריתמים אוטומטיים, ניהול דיבור, Bluetooth וטלפונים חכמים וטלפונים חכמים לטלוויזיות.

מכשירי שמיעה מודרניים מבוססים בדרך כלל על ארכיטקטורות אולטרה-נמוכות, לעתים קרובות באמצעות ליבות מיוחדות המיועדות במיוחד לעיבוד אודיו. שבבים אלה פועלים בשעון במהירות נמוכה בהרבה מהמעבדים המועילים, לפעמים בטווח של 5-50 מ"הרץ, וחייבים לבצע כל הוראה עם יעילות מקסימלית.עומס העיבוד משתנה באופן דרמטי בהתאם לסביבה האקוסית: חדר חי שקט דורש פחות עיבוד מאשר מסעדה רועשת או רוח חיצונית.

תהליכי הליבה

כדי להבין היכן מאמצי אופטימיזציה מניבים את ההחזר הגדול ביותר, מומלץ לבחון את אבני העיבוד הראשוניות בעזרה לשמיעה DSP:

  • (FLT:0) ביטול הביטול של ההרחבה:1 - אלגוריתם זה מזהה ומדכא משוב אקוסטי (שטיפה) ללא צמצום קבלת האות הרצויה.הוא דורש הסתגלות מתמדת חישוב מסנן משמעותי.
  • (FLT:0) הפחתה של NoiseductionFLT:1 ; אלגוריתמים של רעש רב פסים וספקטרום ספקטרלי מנתחים את הצליל הנכנס כדי להבחין בין דיבור מרעש רקע.פונקציות אלה הן אינטנסיביות מבחינה חישובית, במיוחד בסצנות אקוסטיות מורכבות.
  • (FLT:0) דחיסה לטווח דינמי של דחיסה 1FLT:1, סיוע השמיעה חייב למפות מגוון רחב של רמות צליל קלט לתוך הטווח הדינמי מופחת של המשתמש.
  • (FLT:0) עיבוד ויזואלי של אלגוריתם: אלגוריתמים של Beamforming משלבים אותות ממיקרופון מרובים להתמקד בקול שמגיע מכיוונים ספציפיים. עיבוד זה חיוני להבנה דיבורית ברעש, אך צורכת משמעותית MIPS (מיליוני הוראות לשנייה).
  • (FLT:0) סיווג סביבתי (Environmental סיווג 1:00) - מודלים של למידת מכונות מסווגים את הסביבה האקוסית (קוויט, דיבור, מוזיקה, רוח, תנועה) והתאמה של הפרמטרים לעיבוד בהתאם.

פרויקט האופטימיזציה: סקופ ומתודולוגיה

פרויקט אופטימיזציה המתואר במחקר מקרה זה היה ביוזמת יצרנית סיוע שמיעה בינונית במטרה להשיק קו מוצר חדש עם תכונות משופרות ללא עלייה בגודל הסוללה או צמצום חיי הסוללה. יעדי הביצועים המרכזיים כללו ירידה של 20% בצריכת החשמל הממוצעת, תחזוקה של או שיפור במדדים באיכות הקול, ולא עלייה במהירות המעבד או בשמירת הזיכרון.

מדדים

השלב הראשון של הפרויקט מעורב בהקמת בסיס מקיף של שימוש ב-DSP הנוכחי.שימוש בכלים ומכשירי תוכנה, צוות ההנדסה מדד את צריכת MIPS עבור כל בלוק עיבוד על פני מגוון של תרחישים אקוסטיים טיפוסיים.

  • ביטול התוספת הנצרך כ-28% מכלל ה-DSP MIPS במצבים גבוהים.
  • דחיסה רב ערוצים היוו 22% מעומס עיבוד.
  • אלגוריתמים של רעשים צרכו 18% מ- MIPS.
  • עיבוד כיוונים דורש 15% של מחזורים זמינים.
  • סיווג סביבתי ומערכת מעלים את 17% הנותרים.

המדידות הללו הדגישו כי ביטול משוב ודחיסה היו בלוקים היקרים ביותר, אך גם כי שום אלגוריתם בודד לא היה שולט בתקציב העיבוד.אופטימיזציה תצטרך לטפל במספר מערכות משנה בו זמנית.

אופטימיזציה אסטרטגיות יישום

שיפור יעילות

צוות ההנדסה ביצע סקירה שיטתית של כל אלגוריתמי עיבוד אותות לזהות הזדמנויות לירידה חישובית ללא ביצוע מקרי הקרבה. כמה טכניקות הוכיחו יעילות במיוחד.

(FLT:0) לחנך את פעילות בנק סינון בנק באמצעות 1 (היישום המקורי השתמש בנק מסנן 32 ערוצים אחיד לכל עיבוד.על ידי מעבר לבנק מסנן לא חד-ממדי עם להקות רחבות יותר בתדרים גבוהים יותר (שם החלטה אודיטור אנושי נמוך יותר) ולהקות צרות בתדרים דיבור קריטיים, הקבוצה הפחיתה את מספר הערוצים המסוננים ל-24.

(FLT:0Simplified ⁇ פעולות ⁇ FLT:1) - אלגוריתם ביטול משוב השתמש במקור קידוד נקודתי כפול נקודתי של העדכונים המסתימים של פילטרים .ניתוח הראה כי קידוד חד-חשיבות, בשילוב עם דרוג קפדני, סיפק ביצועים מקבילים ברוב המכריע של תנאים בעולם האמיתי.Switching לדיוק בודד הפחית את העלות החישובית של ביטול על ידי כמעט 35% עם הפחתה לא ניתן למדידה בדיכוי.

(FLT:0) ניצול האצה של HFLT:1 - פלטפורמת DSP כללה יחידת חומרה רב-תכליתית (MAC) כי הקושחה המקורית לא הייתה בשימוש באופן מלא.על ידי כתיבת לולאות קריטיות בקוד ההתאספות כדי למנף את יחידת MAC, הצוות השיג מהירות של 3x במבצעי מהפכת ה- 3x המשמשים לסינון דיגיטלי.

עיבוד דינמי ודינמית Allocation

אחת האסטרטגיות החזקות ביותר של אופטימיזציה נעה מ הקצאת עיבוד קבועה למודל דינמי שעיבוד לעומק מבוסס על הסביבה האקוסיסטית הנוכחית ופעילות המשתמש.

(FLT:0)Context-aware processing LevelFLT:1) - המסווג הסביבתי היה משופר לתפוקה לא רק תווית (quiet, דיבור, רעש, מוזיקה) אלא גם רמת ביטחון והערכה של קושי עיבוד. בסביבות שקטות מסווגות עם ביטחון גבוה, המערכת יכולה להפחית את שיעור העדכון של משובר והפחתה של אלגוריתמים רעש על ידי 50%.

(FLT:0Variable FrameroughsFLT:1) - המערכת המקורית עיבוד אודיו במסגרות 2 מ's קבוע.הצוות יישמה תוכנית בגודל מסגרת משתנה שבו מסגרות גדולות (4-8 מ's) שימשו בסביבות אקוסטיות יציבות ומסגרות קטנות יותר (1-2 מ's) שימשו כאשר נדרשת הסתגלות מהירה.

(FLT:0Battery-awareתזמון לוח זמנים 1) - לוח הזמנים של DSP שונה לשקול תשלום סוללה שנותר בעת ביצוע החלטות הקצאת עיבוד. כאשר מתח הסוללה ירד מתחת לסף מוגדר, המערכת הפחית בהדרגה את עומק העיבוד עבור אלגוריתמים לא קריטיים, להאריך את חיי הסוללה עד 15% בשעות הסופיות של הפעלת סוללות.

חומרה ותוכנה Co-design

פרויקט האופטימיזציה גם היה מעורב בשיתוף פעולה הדוק בין צוותי החומרה והשחיקה כדי לזהות הזדמנויות לעיבוד מ-DSP המונעת תוכנה כדי לחסימות חומרה ייעודיות.

(FLT:0) המשוב של ביטול משוב (FLT) 1 - מנוע ביטול משוב ייעודי יושם כבלוק חומרה על שבב DSP. מאיץ חומרה זה טיפל בחלקים האינטנסיביים ביותר של עדכון סינון הסתגלות, צמצום נטל MIPS על ה- DSP הראשי ב- 40% עבור אלגוריתם זה.

(FLT:0) מנוע דחיסה של חומרה (FLT:1) - דחיסת טווח הדינמיקה הרב-ערוצית הייתה מוסגרת חלקית למכונת חומרה ייעודית של מדינת חומרה.החומרה טיפלה בחישוב הרווח וביישום, בעוד DSP שמרה על שליטה על עדכונים והתאמה.חלוקה זו של העבודה הפחיתה את DSP MIPS לדחיסה של כמעט 60%.

(FLT:0) אופטימיזציה מזיכרון של ההרחבה:1) - הצוות ערך ניתוח יסודי של דפוסי גישה לזיכרון ותכנן מחדש את פריסת הנתונים כדי למזער את החמיצות של cachep. על ידי ארגון פילטרים ונתונים אודיו בלוקים זיכרון מאומצת אשר תואמים עם גודל קו ה-DSP של DSP, הם הפחיתו דוכנים הקשורים לזיכרון עד 25%.

תוצאות ו- Performance Gains

פרויקט האופטימיזציה השיג תוצאות שהתגברו על המטרות הראשוניות לאחר יישום כל האסטרטגיות שתוארו לעיל, צוות ההנדסה ערך הערכה מקיפה באמצעות המדידות האובייקטיביות ובדיקות האזנה סובייקטיביות.

MIPS ו- Power Contion

היתרונות המשמעותיים ביותר היו יעילות עיבוד:

  • צריכת שיא MIPS בסביבות אקוסטיות מאתגרות ירד מ-42 MIPS ל-33 MIPS, ירידה של 21%.
  • צריכת MIPS הממוצעת בכל סביבות ירדה ב-27%, מ-31 MIPS ל-22.6 MIPS.
  • צריכת חשמל למכשירים הכוללת ירדה ב-23% בהשוואה לקו הבסיס, מעל 20% היעד.
  • חיי סוללה בשימוש טיפוסי עלו מ- 5.2 ימים ל-6.8 ימים, שיפור של 31%.

איכות סאונד וחווית המשתמש

באופן קריטי, היתרונות האלה לא הגיעו עלות של איכות הקול.צעדים אובייקטיביים כולל מדד איכות הדיבור של השמיעה (HASQI) ומדד איכות הקול של ה-IT (HASPI) לא הראו ירידה משמעותית סטטיסטית.למעשה, כמה צעדים השתפרו מעט בגלל עיבוד עקבי יותר:

  • ציוני HASQI נותרו בתוך 0.02 של בסיס (לא משמעותי קלינית).
  • שולי ביטול משוב השתפרו על ידי 3 dB, המציין רווח יציב יותר לפני משוב.
  • סקרי שביעות רצון של משתמשים שנערכו עם פאנל של 40 משתמשי שמיעה הראו שיפור של 12% בציון שביעות רצון חיי הסוללה ושיפור של 8% לשביעות רצון כללית.

הצעות והגבלות

אין מאמץ אופטימיזציה ללא הפסקות מסחר.הקבוצה תיעדה מספר מגבלות ואזורים שבהם נדרש תכנון חדש:

  • מאיצים החומרה הוסיפו כ-8% לאזור השבבים מתים, אשר מעט גדל עלות הייצור.
  • אלגוריתמים של הקצאת עיבוד דינמיים דרשו כוונון נרחב יותר ואימות על פני מגוון רחב יותר של סביבות אקוסטיות.
  • בתרחישים נדירים עם תנאים אקוסטיים משתנים במהירות, התוכנית בגודל מסגרת משתנה גרמה פריטים מדי פעם בלתי מובנים הדורשים מסננים נוספים חלקה כדי לטפל.

« « « אינטגרציית תעשייה ו-Broader Implications

תוצאות המחקר מקרה זה תואמים עם מגמות רחבות יותר בתעשיית מכשירי השמיעה. כמו שוק סיוע שמיעה העולמי ממשיך לגדול, מונע על ידי אוכלוסייה מזדקנת ומודעות גוברת של בריאות השמיעה, יצרנים להתמודד עם לחץ בלתי פוסק לספק תכונות נוספות במכשירים קטנים יותר עם חיי סוללה ארוכים יותר.אסטרטגיות אופטימיזציה המתוארות כאן מציעים מסגרת העתקה להשגת מטרות אלה.

על פי ה-FLT:0 , ארגון הבריאות העולמי של ההרחבה 1, מעל 1.5 מיליארד אנשים ברחבי העולם חווים רמה מסוימת של אובדן שמיעה, הדגשת ההשפעה העצומה של פתרונות שמיעה יעילים ונגישה יותר.התקדמות ביעילות DSP תורמת ישירות לתוצאות טובות יותר של משתמשים, שכן מכשירים יכולים לספק צליל ברור יותר בסביבות מאתגרות יותר ללא היערכות לחיים הסוללה או נוחות.

יתר על כן, עקרונות אופטימיזציה לאלגוריתמים, הקצאת משאבים אדפטיבית, ועיצוב חומרה-תוכנות מוכח כאן יש אמינות מעבר לעזרי שמיעה.מהנדסים שעובדים על מכשירים אחרים המופעלים על ידי סוללות עם דרישות עיבוד אותות בזמן אמת, כגון אוזן אלחוטית, הגנה על שמיעה חכמה, ומגבלות ניטור רפואי, יכולים לצייר ישירות על טכניקות אלה.

המלצות לעבודה עתידית

בהתבסס על תוצאות הפרויקט, הקבוצה זיהתה כמה כיוונים מבטיחים לאופטימיזציה מתמשכת וחדשנות:

Machine Learning Acceleration

המסווג הסביבתי המשמש במערכת הנוכחית היה מבוסס על עץ החלטות פשוט יחסית.הקבוצה מאמינה כי פריסת רשת עצבית קטנה על מאיץ חומרה ייעודי יכול לשפר את דיוק הסיווג ב-15-20%, המאפשר הקצאת עיבוד דינמי יותר אגרסיבית.עבודת סימולציה מוקדמת מראה כי רשת עצבית קוונטית יכולה לפעול על מאיץ חומרה המכיל פחות מ-50 מיקרווואט, בתוך תקציב הכוח.

אופטימיזציה של המשתמש-Specific Optimization

המערכת הנוכחית משתמשת בגישה בגודל אחד לעיבוד הקצאה.על ידי למידה של סביבות אקוסטיות טיפוסיות טיפוסיות של המשתמש ותבניות השימוש, סיוע השמיעה יכול לייעל את תקציב העיבוד שלו לתנאים החשובים ביותר למשתמש זה.לדוגמה, משתמש שמשקיע את רוב הזמן שלהם בסביבות משרדי שקט יכול להפיק תועלת מחיסכון אגרסיבי יותר בהקשר זה, בעוד משתמש שלעתים קרובות מבקר במסעדות ירוויח מתהליכים מלאים בסביבות.

Wireless Offloading

ככל שסיועי שמיעה מתחברים יותר ויותר לסמארטפונים באמצעות Bluetooth, יש הזדמנות לגזול קצת עיבוד לטלפון המשולב. חישובים מורכבים כגון אי-השוויון ברשת עצבית מלאה או עיבוד בינארי מתקדם ניתן לבצע במעבד החזק יותר של הטלפון, עם תוצאות מועברות חזרה לעזר השמיעה.גישה זו תדרוש ניהול זהה של עצלות ואמינות, אבל זה יכול להרחיב באופן דרמטי את יכולות העיבוד של מכשירי השמיעה העתידיים.

מסקנה

אופטימיזציה של מעבד DSP ניצול בעזרה לשמיעה דיגיטלית היא אתגר הנדסי רב פנים יושב בצומת של עיצוב אלגוריתם, אדריכלות חומרה, ניהול כוח וניסיון למשתמש.זה מקרה מחקר מראה כי גישה שיטתית המשלבת שיפורים יעילות אלגוריתמים, הקצאת עיבוד הסתגלות, וחשיבה משותפת חומרה יכול להביא רווחים משמעותיים הן חיי סוללה והן יכולת עיבוד.

ההפחתה של 23% בצריכת החשמל והשיפור של 31% בחיי הסוללה שהושג בפרויקט זה מייצגת התקדמות משמעותית בטכנולוגיית סיוע שמיעה.אולי יותר חשוב, מסגרת האופטימיזציה שפותחה כאן מספקת מתודולוגיה מדרגית שניתן ליישם על הדורות הבאים של מוצרים.כפי שטכנולוגיית DSP ממשיכה להתפתח, וככל שהציפיות של המשתמש לביצועי שמיעה יגדלו, הטכניקות המתוארות במחקר זה יישארו חיוניות למהנדסים העובדים כדי לספק פתרונות שמיעה טובים יותר.

התוצאות מדגישות גם עיקרון חשוב: במערכות משובצות מחוספסות, אופטימיזציה אינה רק פעילות טכנית אלא תורם ישיר לאיכות המשתמש של החיים.כל מילימטריוואט הציל, כל מחזור שסולק, וכל אלגוריתם מעודן מתורגם לעזר שמיעה נוח יותר ללבוש, טבעי יותר לשימוש, ויעיל יותר בסביבות אקוסטיות בעולם האמיתי שחשובות ביותר לאנשים עם אובדן שמיעה.