爱华网助听器工作原理
1.模拟助听器工作原理
模拟助听器中的声音通过麦克风转换成连续变化的电信号，此信号经滤波、放大后再由受话器转换成声音信号传送入耳内。其内部用于滤波、放大的线路是模拟线路。音量调节通常都是模拟设置，另外配备有螺丝起子的微调可以通过改变一个小的可变电阻阻值处理声音信号。模拟助听器可根据采用的放大线路的类别分为A类、B类和D类，另外还有一种非线性放大的混合线路，即K类线路，通常称为宽动态范围压缩线路（WDRC）。如图5.15是一个典型的B型放大的助听器线路图。在一个模拟助听器的线路中，每一个元件都有其特定的作用，元器件的参数不同将直接导致助听器性能的改变，换句话说，要想改变助听器的特性，必须改变线路中的元器件参数。没有软件参与在模拟机的信号处理中，所以不同性能的模拟助听器必定拥有不同的物理元件，这一点是与数字助听器的最大不同。模拟线路工作直接稳定，失真小，缺点是不能区分噪音和语音。
2.数字助听器的工作原理
由于以DSP（Digital Signal Processor数字信号处理器）为核心的数字助听器，它可以在不改变物理硬件的情况下，只通过软件就改变产品的性能。因此硬件仅仅是一个平台，通过设计不同的软件就可以实现产品的多样性从而满足最终用户的个性需求，所以当前的商用数字助听器已全部采用DSP为核心开发。DSP由大量的的基本逻辑单元组成，通常通过硬件语言将它定义为快速傅立叶变换、运算法则、快速傅立叶反变换三部分。只要改变运算法则（软件），助听器就能体现出不同的特性。如果软件告诉它将信号分流到三个频段分别进行压缩处理，然后再将信号总和，那么算术处理器就以三通道压缩的功能工作；如果采用别的软件编程，那么助听器可能就变成单通道削峰功能的助听器了。
为了有效地和快速地对声音信号进行处理和分析，就需要将自然界复杂信号分析成了很多个纯音信号的叠加，对这些纯音信号的处理非常方便简单，然后再综合成复合信号以得到所需的效果。这种分析和综合就是傅立叶变换和反变换，这也是助听器进行信号处理的理论依据。
助听器运用这些技术能做什么很大程度上取决于我们的意愿。当有啸叫发生时，助听器会一个单元一个单元去监测频谱以推断啸叫发生在哪个频段，然后自动改变该频段上的放大量直至声反馈消失。除此以外，我们还可以为助听器设置不同的频响特性，比如对于高频成分较多的声音我们设置一种频响，对于低频成分较多的声音我们设置另一种频响，于是可以看到频谱从一个单元到另一个单元是如何改变的，并且可以推断信号是噪音还是言语声，由此来改变放大特性。理论上，全数字助听器的软件设置没有界限，但除了一些常用的微调，比如放大，高低频增益调控、压缩，和一些新的功能，如防啸叫控制，噪音抑制等，还需要听力学上的发现从而提出更多的需求来符合用户的意愿。
应用于助听器的DSP芯片必须能实现实时运算，只有低于10ms的延时才不会给用户带来不悦，这就要求助听器芯片的集成度很高，运算速度才能很快，甚至可以实现反馈消除、噪音抑制等自适应算法。
全数字和模拟助听器有许多相同的特性，比如增益、最大输出，音量控制范围，压缩特性，本机噪音和电耗。然而全数字助听器在音质和信号处理能力上比模拟助听器显著的多出一些特性。下面列出五个主要特性：
采样频率：采样频率描述的是模数转换中每秒钟助听器对输入信号采样的次数。理论上，采样频率必须达到或超过信号频率的2倍才能无失真地还原信号。但如果采样频率过高，助听器进行信号处理的运算量也会急剧增加，所以助听器中合理和高效的抽样频率通常比助听器的最高频响的两倍略高，例如25kHz。和模拟助听器一样，全数字助听器的频宽受到其频宽最窄的元件的限制，所以其它元件的频宽再宽也没有多大作用。
每秒指令数：数字化运算是以每秒钟的指令数或运算次数来计量的。复杂的信号处理器往往需要更多的每秒指令数。举例来说，压缩比削峰复杂，多通道比单通道的运算要复杂，自动声反馈抑制要比音量控制复杂。对一块现成的集成线路来说，如果要增加每秒的指令数使它能进行较复杂的运算，就会增加电耗，缩短电池寿命。
比特数：信号量化时，需要用一系列的数位来描述声波样本，比特数越多，能描述的模拟声压级就越多。这就好像我们用不同颜色的马赛克拼接出一幅图片，如果马赛克的尺寸越小，用的数量越多，图案就越逼真。离散的信号就像马赛克拼图一样图案上的线条不可能是平滑的，细节上会有锯齿，这就是“量化噪音”。而量化时的比特数越多，数字化近似值就越接近原信号，量化噪音就越少。
电耗：助听器的工作电流，相应就是电池的寿命及电池的规格取决于指令速率，集成电路进行运算所需的电压，以及集成电路的技术特性。随着计算机技术的不断进步耗电量会越来越小。
体积：小型化是助听器的永恒话题，但越来越复杂和智能化的助听器需要大量的晶体管参与运算。幸运的是随着半导体芯片制作工艺的飞速发展，芯片集成度的提高，DSP芯片的体积不但没有增加，而且在过去的四十年中已经缩小了很多。
