5.2 人的听觉特性在线视频

同学们好

下面我们来学习人的听觉特性

那么在对前面这个

视频压缩编码技术介绍之前

我们首先讨论了人的视觉特性

我们在介绍音频压缩编码的时候

也要了解我们人的听觉特性

那么对于声音信号来说

它有三个重要的描述的物理量

声音的幅度

频率和相位

那么对应我们人对声音感觉

就有三个对应的特征

或者叫三个我们的感觉特性

一个是响度

音调和音色

那么声音信号的幅度大小

会影响我们感觉的声音的强度

或者叫响度

那么声音信号的频率的高低

决定了我们所感觉的

音频信号的音调的高低

它的相位特征

以及斜波频率成分的特性

决定了我们所感受到的

声音的音色

那么我们人的耳朵

对于声音频率的感受范围

我们一般认为是20~20K赫兹

当然这个频率范围

是随着人的年龄的增长

是会有变化的

那么比方说是

60岁左右的人

感受到的频率成分的上限

不会超过10K赫兹

那么我们对声音强度的感受范围

一般是在0~120个db

超出这个范围

要么是我们听不到

或者是我们人的耳朵

感受到刺痛或者是受伤

那么我们来看一下

我们人的耳朵

对声音强度的感觉

那么人的耳朵

对声音强度的生理感觉是跟声音

信号的实际强度大小

是一个对数的关系

也就是非线性关系

那么我们看

上面这个图

在这张图里面

横轴是声音信号的声压强度

纵轴是我们听觉感觉的强度

那么我们看到

它们两者之间是一个非线性的关系

由于我们的感觉强度

和实际的声音强度之间

是大体上成对数关系

所以我们在描述声音强度的时候

通常会用声压级

和声强级的概念

那么声压级

我们看用SPL来表示

它是等于20倍的logP比P0

那么这个里面的P0就是

基准的声压

如果用声强来描述的话

那么就有声强级的概念

SIL等于10倍的log

I÷I0

那么这个I0是表示基准的声强

我们看人的耳朵

对声音频率的感觉

我们人的耳朵

对不同频率的感觉

敏感度是不一样的

主观上感觉的声音强弱

我们是用响度级来描述

那么它的单位是方

那么这个方这个单位

是以1K的唇音

作为基准来得到的

也就是说我们以1K频率的纯音

作为一个度量的基础

那么假设我们现在要确定某一个声音

它的响度级

那么就通过跟1K声音的响度做比较

我们调整1K声音的声强

让1K声音的声强

听起来跟要确定的声音的强度

是一致的

那么这个时候

一K声音的强度是多少

那么就作为

我们要确定的那个声音的响度级

所以说在这个图里面

我们看到有很多曲线

那么这些曲线对应的就是

在同一个响度级上的

不同频率

不同强度的

这个信号

所得到的结果

那么我们来看

对一个100赫兹

50db声压级的这样子的一个音频信号

我们人的耳朵

对它强度的感觉是

跟1K赫兹20db的纯音是一样的

所以说它的响度级

就确定为20方

那么通过这个曲线

我们看到我们人的耳朵

对不同频率的敏感程度

是不一样的

那么这些曲线

我们把它叫做等响度曲线

等响度曲线

都是属于下凹的这样一个曲线

那么在我们人的耳朵

能够听到的频率范围内

我们最敏感的频段是在

2K到4K这样子的一个范围区间

那么这个范围期间

正好对应的是我们人的

声音的频率范围

所以说我们人的耳朵

对我们自己的说话声音

是最敏感的

那么在等响度曲线里面

最下面一条蓝色的曲线

描绘出了我们人的耳朵的听觉域特性

那么也就是说

我们人的耳朵

对于这些频率能够感受到的

最低的

声压级是由蓝色的曲线给出来的

那么在低于蓝色的曲线的这些

声压级我们是听不到的

所以说这条曲线叫闻域曲线

或者叫听域曲线

那么根据我们人耳的

这样一个听力特性

我们在对音频进行压缩编码的时候

可以把我们人的耳朵

听不到的那些频率成分

可以去除

那么最上面的一条红色的曲线

表示的是痛阈曲线

那么说明

当声压级

超过红色曲线所描述的

强度的时候

我们人的耳朵是会受损伤的

下面我们来看一下

我们人的耳朵的

一个重要的特性

就是掩蔽特性

那么掩闭特性指的是

一种较强的声音的附近

相对较弱的声音是

不能被我们人耳所感受到的

也就是说

在一个强音附近的弱音

会被掩蔽掉

使得我们耳朵感受不到

那么这是我们人耳的

一个重要的特性

而且我们后续所介绍的

压缩编码技术中

充分利用了

我们人耳的这样的一个特性

那么掩蔽特性

是一个较为复杂的心理和生理现象

掩蔽的程度

是跟两个频率

它的相关性有关系的

也就是说这两个频率挨得越近

那么他们的掩蔽性能

或者是他们的掩蔽就会越强

那么具体来看

掩蔽效应又分为频域掩蔽效应

和时域掩蔽效应两种

我们先来看一下频域掩蔽效应

那么频域掩蔽效应

指的是

两个同时发生

或者是同时出现的声音

或者是两个同时出现的纯音

那么较弱的那个纯音

会被较强的纯音所遮蔽掉

那也就是说

弱的信号

会被跟它相近的

频率上的相近

指的是频率上相近

那么较弱的信号

会被跟它相近频率的

较强的那个频率信号所掩蔽

我们人耳就听不到

那么频域掩蔽也叫同时掩蔽

它一般指的两个声音频率

是同时发生

那么频率越相近

掩蔽效应就越强

在高频一端

随着两个频率的偏离程度越大

那么掩蔽效果会缓慢的减弱

那么在低频端

随着两个频率偏离的程度加大

它的掩蔽效应会急剧的减弱

那么从这张图中

我们就能够看到

那么这个图中

给出了一个声音掩蔽的示意图

假设中间最高的信号

在它的周围

有另外相对强度比较弱的

其他的这些频率信号

那么跟它是同时出现的

那么这个时候

频率处于1K的

这样子的一个频率的

60db强度的

这样一个音频信号

它会掩蔽掉它周边的

强度比它弱的

其他的这些频率成分

那么在这儿我们看一下

有这样子一条曲线

那么这条曲线描绘出来的就是

这样子的1K的这样一个强音

它对周围频率的一个掩蔽特性

那么只要处于这条曲线之内的

其他的频率成分

那么都会被这个强音所掩蔽掉

那么这就是我们人耳的

这样一个掩蔽特性

好

我们再来看一下

时域掩蔽特性

那么时域掩蔽特性

说的是两个声音信号

在时间上先后出现

它们之间强音

对弱音的一个掩蔽特性

那么时域掩蔽效应

又分为超前掩蔽

同时掩蔽和之后掩蔽

那么它对应的是

在时间上相邻发生的两个声音

先发生的对后发生的掩蔽

以及后发生的对先发生的

这个声音的掩蔽

那么超前掩蔽指的是

一个声音被它前面

先它之前发生的这个声音

所掩蔽掉

那么滞后掩蔽

指的是一个声音

被它后面发生的声音所掩蔽

在我们这张图里面

给出了对应的示意

那么我们会看到

超前掩蔽的时间范围会比较短

之后掩蔽它的掩蔽效应

消失会比较慢

中间对应的是

同时掩蔽所对应的时间范围

那么我们可以看

两个例子

在右边这两张图里面

左边的这张是

前向掩蔽的一个示意

那么我们看到

两个强度不同的声音先后出现

那么我们人的耳朵能够听到的

只是最先出现的强音

强音对弱音产生了掩蔽

那么右边这张图

给出来的是

滞后掩蔽的这样一个演示

我们看到

先出现的声音强度比较弱

后出现的声音强度比较强

那么我们人的耳朵

能够听到的是后出现的强音

那么实现了滞后掩蔽

为了很好地描述

我们人耳的掩蔽效应特点

我们定义了临界频带的这样一个概念

那么临界频带这个概念指的是

当噪声掩蔽纯音的时候

起作用的是以这个纯音为中心的

一个频带内的噪声信号

所以说在这个频带内的噪声功率

等于在噪声中

刚刚能够听到的

这个纯音的功率的时候

那么这个频带

我们把它称为听觉的临界频带

所以说我们用临界频带

来描述我们人的掩蔽特性

在我们能够听到的频率范围内

20赫兹到16K赫兹范围

一般我们认为

存在着24个临界频带

那么临界频带的单位

一般我们用巴克来表示

一个巴克指的就是一个临界频带的带宽

那么它跟频率之间的关系

我们这个地方给出了

这样一个公式的描述

我们在20赫兹到16K赫兹之间

划分出24个临界频带

那么临界频带的编号

Z跟频率之间的关系

我们这儿给出了

它们之间的对应的关系