Zum Inhalt springen
Zurück zu den Suchergebnissen

Bark- und Mel-Skalen

Eingeführt von
Eberhard Zwicker, Stanley Smith Stevens
Jahr
1937
Typ
Perceptual frequency mapping
Familie
Psychoacoustics

Dieser Text ist eine maschinelle Übersetzung und wurde noch nicht geprüft. Original auf Englisch lesen

Schriftgröße

Was leistet sie?

Bark- und Mel-Skalen sind wahrnehmungsbasierte Frequenzskalen, die physikalische Frequenz (Hz) auf wahrgenommene Tonhöhe und auditive Wahrnehmung abbilden.

Formalisiert von Zwicker (Bark, 1961) und Stevens (Mel, 1937), spiegeln diese nichtlinearen Skalen wider, wie das menschliche Ohr Schall verarbeitet. Die Bark-Skala teilt das Gehör in 24 kritische Bänder auf; die Mel-Skala modelliert die Tonhöhenwahrnehmung. Beide sind für die Extraktion von Audio-Merkmalen, die Sprachverarbeitung und das Design von Audiosystemen, die auf das menschliche Gehör abgestimmt sind, unerlässlich.

Die Intuition hinter der Methode

Das Ohr nimmt Frequenz nicht linear wahr. Eine Frequenzverschiebung von 100 Hz von 100 Hz auf 200 Hz klingt nach einer großen Änderung (Oktave), aber die gleiche Verschiebung von 5100 Hz auf 5200 Hz ist kaum wahrnehmbar. Bark- und Mel-Skalen bilden Frequenz auf einen wahrnehmungsbasierten Raum ab, in dem gleiche Abstände gleichen wahrgenommenen Unterschieden entsprechen. Die Bark-Skala konzentriert sich auf die Frequenzdiskriminierung (Maskierungsmuster); die Mel-Skala konzentriert sich auf die Tonhöhe (Melodie und Klang).

Geschichte

Stevens, Volkmann und Newman führten 1937 die Mel-Skala ein, um die Tonhöhenwahrnehmung in gleich erscheinenden Intervallen (Melodie) zu quantifizieren. Zwicker entwickelte 1961 die Bark-Skala, basierend auf Messungen der kritischen Bandbreite und Maskierungsphänomenen. Beide wurden grundlegend für die Psychoakustik und das Design von Audio-Codecs. Moderne Verfeinerungen (z. B. Gammatone-Filterbänke, Mel-Spektrogramme) bieten genauere wahrnehmungsbasierte Modelle. Maschinelles Lernen auf Mel-Spektrogrammen ist zum Standard in der Sprach- und Musik-KI geworden.

Wann wird sie eingesetzt?

Verwenden der Bark-Skala für das Design von Audio-Codecs, die wahrnehmungsbasierte Audiokodierung und die Analyse von Maskierungseffekten. Verwenden der Mel-Skala für die Sprachverarbeitung, Musikinformationsgewinnung, Sprechererkennung und maschinelles Lernen auf Audio-Merkmalen. Beide sind für das Design von Hörgeräten, die Audio-Restaurierung und wahrnehmungsbasierte Audioqualitätsmetriken anwendbar.

Grenzen und Hinweise

  • Bark- und Mel-Skalen sind empirische Näherungen; die exakte kritische Bandbreite variiert mit Pegel, Frequenzkontext und einzelnen Hörern.
  • Nicht-invertierbare Abbildungen (Vorwärtstransformation verliert Informationen); eine präzise Frequenzrekonstruktion ist komplex und kann Artefakte einführen.
  • Beide Skalen sind Durchschnittsmodelle für normalhörende Hörer; Hörverlust, Alter und individuelle Unterschiede modulieren die kritische Bandbreite und die Tonhöhenwahrnehmung.
  • Rechenaufwand: Die Umrechnung zwischen Hz und Bark/Mel erfordert transzendente Funktionen (Logarithmus, Arkustangens); Nachschlagetabellen und Näherungen sind üblich.
  • Beschränkt auf monaurale (einohriges) Hören; binaurales Hören (zwei Ohren) und räumliches Audio erfordern zusätzliche Modellierung.

Die Bedingungen der Quelle ersetzen weder eine unabhängige wissenschaftliche Prüfung noch die Validierung durch eine Analyse-Engine.

Stärken

  • Abstimmen der Analyse auf die menschliche auditive Wahrnehmung; im Bark/Mel-Raum abgeleitete Merkmale korrelieren besser mit subjektiver Audioqualität und Hörerpräferenz.
  • Komprimieren von Hochfrequenzinformationen: Weniger wahrnehmungsbasierte 'Kanäle' werden bei hohen Frequenzen benötigt, was die Rechenkosten in Audio-Codecs reduziert.
  • Das Konzept der kritischen Bandbreite sagt Maskierung voraus: Regionen innerhalb eines Bark unterliegen gemeinsamer Maskierung, was das Design von wahrnehmungsbasierten Codecs vereinfacht.
  • Gut etabliert und standardisiert; weit verbreitet in kommerziellen Audio-Codecs (MP3, AAC) und Spracherkennungssystemen.
  • Flexibel: Bark- und Mel-Skalen können mit anderen Techniken (Lautheitskurven, Kompression) kombiniert werden, um eine verfeinerte wahrnehmungsbasierte Modellierung zu ermöglichen.

Anwendungen

  • Audio-Codec und Streaming: MP3, AAC, OPUS verwenden Bark-Skalierungsfilterbänke für die wahrnehmungsbasierte Quantisierung; Mel-Skalierungs-Varianten werden in einigen modernen Codecs verwendet.
  • Automatische Spracherkennung und Sprecherverifizierung: Mel-Frequenz-Cepstral-Koeffizienten (MFCCs), abgeleitet von Mel-Skalen-Spektrogrammen, sind Standardmerkmale für die Sprachverarbeitung.
  • Musikinformationsgewinnung und Genreklassifizierung: Mel-Spektrogramme ermöglichen die Extraktion von Musikmerkmalen und Deep Learning auf Audio.
  • Design von Hörgeräten und Cochlea-Implantaten: Die kritische Bandbreite (Bark-Skala) informiert über das Kanaldesign und die Frequenzzuweisung in Implantaten.
  • Audio-Restaurierung und Sprachverbesserung: Wahrnehmungsbasierte Skalen leiten die Artefaktentfernung und Rauschunterdrückung, die auf das Gehör abgestimmt sind.
  • Bewertung der Audioqualität: Wahrnehmungsbasierte Metriken (PESQ, PEMO-Q) verwenden Bark- und Mel-Skalen, um die subjektive Audioqualität vorherzusagen.

So funktioniert es

So funktioniert es

1

Erfassen eines Audiosignals oder einer Frequenzbereichsdarstellung (FFT-Spektrum), das/die analysiert oder angezeigt werden soll.

2

Berechnen des Leistungsspektrums unter Verwendung von Standard-Windowing- und FFT-Techniken. Vorbereiten des Frequenzarrays in Hz.

3

Umwandeln der linearen Frequenzskala (Hz) in wahrnehmungsbasierte Skalen: Bark: z = 13 * arctan(0,76f/1000) + 3,5 * arctan((f/7500)²), Mel: m = 2595 * log10(1 + f/700). Diese Formeln bilden Hz in wahrnehmungsbasierte Einheiten ab.

4

Verwenden der wahrnehmungsbasierten Frequenzskala zum Entwerfen frequenzselektiver Merkmale (Filterbänke, Spektrogramme), die auf die auditive Verarbeitung abgestimmt sind. Berechnen der kritischen Bandbreite bei jeder Frequenz: BW ≈ 25 + 75(1 + 1,4(f/1000)²)^0,69 in Hz, was im Bark-Raum annähernd konstant ist (1 Bark ≈ kritische Bandbreite).

5

Visualisieren von Spektren auf der Bark- oder Mel-Skala für eine wahrnehmungsgenaue Interpretation. Vergleichen der Merkmalsbedeutung: in linearen Hz dominieren hohe Frequenzen visuell, können aber weniger wahrnehmungsrelevant sein; in Bark/Mel verschiebt sich die Betonung auf wahrnehmungsbezogen wichtige Regionen.

Häufige Fallstricke

  • Annahme, dass Bark- und Mel-Skalen wahrnehmungsbasiert identisch sind; sie modellieren unterschiedliche Aspekte (Frequenzdiskriminierung vs. Tonhöhe), und die Wahl hängt von der Anwendung ab.
  • Verwendung einer einzigen Bark/Mel-Skala für alle Frequenzen; die kritische Bandbreite variiert mit der Frequenz, und einige verfeinerte Modelle (z. B. Equivalent Rectangular Bandwidth) sind genauer.
  • Vernachlässigung pegelabhängiger Effekte: Kritische Bandbreite und Maskierung skalieren mit dem Schallpegel; Annahmen konstanter kritischer Bandbreiten sind Näherungen.
  • Übermäßige Komprimierung von hohen Frequenzen unter Verwendung der Bark-Skala ohne wahrnehmungsbasierte Validierung; die wahrgenommene Audioqualität hängt vom Gesamtkontext ab, nicht nur von der Frequenzverzerrung.
  • Verwechslung der Bark/Mel-Umrechnung mit wahrnehmungsbasierter Qualität; die Transformation zur Bark-Skala garantiert keine wahrnehmungsbasierte optimale Audioqualität, sondern nur die Abstimmung auf kritische Bänder.

Häufig gestellte Fragen

Was ist der Unterschied zwischen Bark- und Mel-Skalen?

Die Bark-Skala modelliert Frequenzdiskriminierung und kritische Bandbreite – wie das Ohr nahe Frequenzen zu Maskierungsbändern gruppiert. Die Mel-Skala modelliert die Tonhöhenwahrnehmung – wie Frequenz auf wahrgenommene Melodie abgebildet wird. Die Bark-Skala ist im wahrnehmungsbasierten Sinne annähernd gleichmäßig (1 Bark ≈ ein kritisches Band); die Mel-Skala modelliert die subjektive Tonhöhe (Oktaven, musikalische Intervalle). Verwenden Sie die Bark-Skala für Codec- und Maskierungsanalysen; die Mel-Skala für Tonhöhe und Sprachverarbeitung.

Was repräsentiert ein Bark-Band in Hz?

Ein Bark ist nicht konstant in Hz; er repräsentiert eine kritische Bandbreite, die mit der Frequenz variiert. Bei 100 Hz ist 1 Bark ≈ 100 Hz; bei 1 kHz ist 1 Bark ≈ 130 Hz; bei 10 kHz ist 1 Bark ≈ 700+ Hz. Das bedeutet, dass das Ohr Details bei niedrigen Frequenzen fein auflöst, aber Details bei hohen Frequenzen grob gruppiert.

Wie viele Bark-Bänder gibt es im menschlichen Gehör?

Das menschliche Gehör umfasst etwa 24 Bark-Bänder, die kritischen Bandbreiteneinheiten über das hörbare Spektrum (≈20 Hz bis 20 kHz) entsprechen. Dies ist die Grundlage für viele Audio-Codecs, die 24-Band-Filterbänke verwenden, die auf die Bark-Abstände abgestimmt sind.

Warum sind Mel-Spektrogramme in der Spracherkennung so beliebt?

Mel-Spektrogramme komprimieren Hochfrequenzdetails und erhalten gleichzeitig sprachrelevante Informationen bei niedrigen Frequenzen (Tonhöhe, Formanten). Sie stimmen mit der Art und Weise überein, wie Menschen Sprache wahrnehmen, was gelernte Merkmale robuster macht. Deep-Learning-Netzwerke, die auf Mel-Spektrogrammen trainiert werden, generalisieren besser über Sprecher und Akzente hinweg.

Kann ich Bark- und Mel-Skalen in einer Analyse kombinieren?

Ja. Verwenden Sie die Bark-Skala für Codec- und Maskierungsanalysen; berechnen Sie Mel-Skalen-Merkmale separat für die Tonhöhen- und Melodieextraktion. Sie ergänzen sich: Bark für die Hörphysiologie, Mel für die wahrnehmungsbasierte Tonhöhe. Einige fortschrittliche Audiosysteme verwenden beide, indem sie die Frequenzdiskriminierung (Bark) mit der Tonhöhenwahrnehmung (Mel) überlagern.

Verwandte Methoden

Quellen

  1. Zwicker, E. (1961). Subdivision of the audible frequency range into critical bands. Journal of the Acoustical Society of America, 33(2), 248–248.

    Publikationsreferenz öffnen
    Kopiert.
  2. Stevens, S. S., Volkmann, J., & Newman, E. B. (1937). A scale for the measurement of the psychological magnitude pitch. Journal of the Acoustical Society of America, 8(3), 185–190.

    DOI-Referenz öffnen
    Kopiert.
  3. Moore, B. C. J. (2012). An Introduction to the Psychology of Hearing (6th ed.). Academic Press.

    ISBN: 978-0123914232
    Kopiert.