Предпосылки
Во многих приложениях акустики и обработки звуковых сигналов необходимо знать, что люди слышат. Звук, который образуют волны давления воздуха, может быть точно измерен современным оборудованием. Однако понять, как эти волны принимаются и отображаются в нашем головном мозге — задача не такая простая. Звук это непрерывный аналоговый сигнал, который (в предположении, что молекулы воздуха бесконечно малы) может теоретически переносить бесконечное количество информации (может быть бесконечное число частот, содержащих информацию об амплитуде и фазе).
Понимание процессов восприятия позволит ученым и инженерам сосредоточиться на возможностях слуха и не учитывать менее важные возможности других систем. Важно также отметить, что вопрос «что человек слышит» не только вопрос о физиологических возможностях уха, но во многом также вопрос психологии, чёткости восприятия.
Пределы восприятия звука
Человеческое ухо номинально слышит звуки в диапазоне от 20 до 20 000 Гц. Верхний предел имеет тенденцию снижаться с возрастом. Большинство взрослых людей не могут слышать выше 16 кГц. Ухо само по себе не реагирует на частоты ниже 20 Гц, но они могут ощущаться через органы осязания.
Частотное разрешение звука в середине диапазона около 2 Гц. То есть изменение частоты более чем на 2 Гц ощущается. Однако есть возможность слышать еще меньшую разницу. Например, в случае, если оба тона приходят одновременно, в результате сложения двух колебаний возникает модуляция амплитуды сигнала с частотой, равной разности исходных частот. Этот эффект известен также как биение.
Диапазон громкости воспринимаемых звуков огромен. Наша барабанная перепонка в ухе чувствительна только к изменению давления. Громкость звука принято измерять в децибелах (дБ). Нижний порог слышимости определен как 0 Дб, а определение верхнего предела слышимости относится скорее к вопросу, при какой громкости начнётся разрушение уха. Этот предел зависит от того, сколько мы слышим звук. Ухо способно переносить кратковременное повышение громкости до 120 дБ без последствий, но долговременное восприятие звуков громкостью более 80 дБ может вызвать потерю слуха.
Более тщательные исследования нижней границы слуха показали, что минимальный порог, при котором звук остаётся слышен, зависит от частоты. Этот график получил название абсолютный порог слышимости. В среднем, он имеет участок наибольшей чувствительности в диапазоне от 1 кГц до 5 кГц, хотя с возрастом чувствительность понижается выше 2 кГц.
Кривая абсолютного порога слышимости является частным случаем более общих — кривых одинаковой громкости. Кривые одинаковой громкости — это линии, на которых человек ощущает звук разных частот одинаково громкими. Кривые были впервые получены Флетчером и Мэнсоном (H Fletcher and W A Munson), и опубликованы в труде «Loudness, its definition, measurement and calculation» в J.Acoust. Soc Am.5, 82-108 (1933). Позже более точные измерения выполнили Робинсон и Датсон (D W Robinson and R S Dadson «A re-determination of the equal-loudness relations for pure tones» in Br. J. Appl. Phys. 7, 166—181 ,1956). Полученные кривые значительно различаются, но это не ошибка, а разные условия проведения измерений. Флетчер и Мэнсон в качестве источника звуковых волн использовали наушники, а Робинсон и Датсон — фронтально расположенный динамик в безэховой комнате.
Измерения Робинсона и Датсона легли в основу стандарта ISO 226 в 1986 г. В 2003 году стандарт ISO 226 был обновлён с учетом данных, собранных из 12 международных студий.
Что мы слышим
Человеческий слух во многом подобен спектральному анализатору, то есть, ухо распознает спектральный состав звуковых волн без анализа фазы волны. В реальности фазовая информация распознается и очень важна для направленного восприятия звука, но эту функцию выполняют ответственные за обработку звука отделы головного мозга. Разница между фазами звуковых волн приходящих на правое и левое ухо позволяет определять направление на источник звука, причем информация о разности фаз имеет первостепенное значение, в отличие от изменения громкости звука воспринимаемого разными ушами. Эффект фильтрации передаточных функций головы также играет в этом важную роль.
Эффект маскировки
В определённых случаях один звук может быть скрыт другим звуком. Например, разговор на автобусной остановке может быть совершенно невозможен, если подъезжает шумный автобус. Этот эффект называется маскировкой. Говорят, что слабый звук маскируется, если он становится неразличим в присутствии более громкого звука.
Различают несколько видов маскировки:
По времени прихода маскирующего и маскируемого звука:
- одновре́менное (моноуральное) маскирование
- вре́менное (неодновременное) маскирование
- чистого тона чистым тоном различной частоты
- чистого тона шумом
- речи чистыми тонами
- речи монотонным шумом
- речи импульсными звуками и т. п.
Любые два звука при одновременном прослушивании оказывают влияние на восприятие относительной громкости между ними. Более громкий звук снижает восприятие более слабого, вплоть до исчезновения его слышимости. Чем ближе частота маскируемого звука к частоте маскирующего, тем сильнее он будет скрываться. Эффект маскировки не одинаков при смещении маскируемого звука ниже или выше по частоте относительно маскирующего. Более низкочастотный звук сильнее маскирует высокочастотный.
Вре́менная маскировка
Это явление похоже на частотную маскировку, но здесь происходит маскировка во времени. При прекращении подачи маскирующего звука маскируемый некоторое время продолжает быть не слышимым. В обычных условиях эффект от временной маскировки длится значительно меньше. Время маскировки зависит от частоты и амплитуды сигнала и может достигать 100 мс.
В случае, когда маскирующий тон появляется по времени раньше маскируемого, эффект называют пост-маскировкой. Когда маскирующий тон появляется позже маскируемого (возможен и такой случай), эффект называют пре-маскировкой.
Постстимульное утомление
Нередко после воздействия громких звуков высокой интенсивности у человека резко снижается слуховая чувствительность. Восстановление обычных порогов может продолжаться до 16 часов. Этот процесс называется «временный сдвиг порога слуховой чувствительности» или «постстимульное утомление». Сдвиг порога начинает появляться при уровне звукового давления выше 75 дБ и соответственно увеличивается при повышении уровня сигнала. Причем наибольшее влияние на сдвиг порога чувствительности оказывают высокочастотные составляющие сигнала.
Фантомы
Иногда человек может слышать звуки в низкочастотной области, хотя в реальности звуков такой частоты не было. Так происходит из-за того, что колебания базилярной мембраны в ухе не являются линейными и в ней могут возникать колебания с разностной частотой между двумя более высокочастотными.
Этот эффект используется в некоторых коммерческих звуковых системах, чтобы расширить область воспроизводимых низких частот, если невозможно адекватно воспроизвести такие частоты напрямую.
Психоакустика в программном обеспечении
Психоакустические модели слуха позволяют с высоким качеством производить компрессию сигнала с потерей информации (когда восстановленный сигнал не совпадает с исходным), за счет того, что позволяют точно описать, что можно безопасно удалить из исходного сигнала — то есть, без значительного ухудшения качества звука. На первый взгляд может показаться, что вряд ли это позволит обеспечить сильное сжатие сигнала, но программы, использующие психоакустические модели позволяют добиться уменьшения объемов файлов с музыкой в 10—12 раз меньше, чем несжатые с очень незначительной разницей в качестве.
К таким видам компрессии относятся все современные форматы компрессии звука:
- MP3
- Ogg Vorbis
- Musicam (используется для цифрового аудиовещания в некоторых странах)
- ATRAC используется в формате MiniDisc
- WMA