Zum Inhalt springen
Zurück zu den Suchergebnissen

Psychoakustische Maskierung

Eingeführt von
Eberhard Zwicker
Jahr
1961
Typ
Perceptual model for audio systems
Familie
Psychoacoustics, Auditory perception

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

Schriftgröße

Was leistet sie?

Psychoakustische Maskierung beschreibt, wie das menschliche Hörsystem die Wahrnehmung schwacher Geräusche in Anwesenheit stärkerer Geräusche unterdrückt.

Von Eberhard Zwicker in den 1960er Jahren formalisiert, ist Maskierung ein fundamentales Phänomen des Hörens und die Grundlage für die perzeptive Audiocodierung (MP3, AAC, OPUS). Maskierung tritt sowohl in der Frequenz (spektrale Maskierung) als auch in der Zeit (temporale Maskierung) auf, und das Verständnis dieser Effekte ermöglicht effiziente Audiokompression und realistisches Sounddesign.

Die Intuition hinter der Methode

Stellen Sie sich ein leises Gespräch in einem überfüllten Café vor. Sie können Ihren Freund verstehen, obwohl Sie von vielen anderen Gesprächen und Hintergrundgeräuschen umgeben sind. Ihr Ohr unterdrückt auf natürliche Weise die irrelevanten Geräusche – das ist Maskierung. Starke Geräusche (die Menschenmenge) maskieren oder verdecken schwächere Geräusche (nahegelegene, aber weniger wichtige Gespräche), weil die Reaktion des Innenohrs auf das starke Geräusch die Signalverarbeitung schwächerer Geräusche überfordert. Toningenieure nutzen dieses Prinzip, um Details zu entfernen oder zu komprimieren, die Menschen nicht hören können, wodurch Dateien kleiner werden, ohne dass ein merklicher Qualitätsverlust entsteht.

Geschichte

Zwicker leistete in den 1960er Jahren Pionierarbeit in der Psychoakustik, indem er Maskierungsschwellen sowohl in Frequenz als auch in Zeit maß und modellierte. Moore und andere verfeinerten das Verständnis der kritischen Bandbreite und der Basilarmembranmechanik. Johnstons Arbeit von 1988 wandte Maskierung auf die Audiocodierung an und legte den Grundstein für perzeptive Codecs. MPEG und ISO standardisierten Maskierungsmodelle in den 1990er Jahren (MP3, AAC); moderne Codec-Varianten (OPUS, LAME) verwenden ausgeklügelte Maskierungsmodelle zur Optimierung der Kompression.

Wann wird sie eingesetzt?

Wenden Sie psychoakustische Maskierungsmodelle in der Audiokompression (MP3, AAC, OPUS), Audioverbesserung und Rauschunterdrückung, im Hörgerätedesign, bei der Beurteilung der Sprachverständlichkeit und beim virtuellen Audio-Rendering an. Maskierung ist essenziell für das Design perzeptiver Codecs, bei denen Dateigröße und Bandbreite eine Rolle spielen. Maskierung ist weniger relevant, wenn die Audioqualität von größter Bedeutung ist (Studiomischung) oder wenn perzeptive Metriken nicht erforderlich sind.

Grenzen und Hinweise

  • Maskierungsschwellen variieren erheblich zwischen Individuen; Hörverlust, Alter und individuelle Unterschiede reduzieren die Vorhersagbarkeit bei einigen Hörern.
  • Maskierungsmodelle gehen von einer linearen auditiven Verarbeitung aus; nichtlineare Effekte (Lautheitsadaptation, Verzerrungsprodukte) werden nicht vollständig erfasst.
  • Temporale Maskierung ist weniger gut charakterisiert als Frequenzmaskierung; Modelle sind einfacher und weniger genau für Zeitbereichsphänomene (Transienten, musikalische Artefakte).
  • Hängt entscheidend von den Signalstatistiken ab; Maskierungsschwellen ändern sich mit Spektrum, zeitlicher Struktur und Signaltyp. Modelle lassen sich möglicherweise nicht auf alle Signale verallgemeinern.
  • Individuelle Variabilität und Kontexteffekte (Aufmerksamkeit, Ermüdung, frühere Exposition) modulieren Maskierungsschwellen; feste Modelle können diese Variationen nicht erfassen.

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

Stärken

  • Gut fundiert in der auditiven Physiologie; Maskierungsschwellen korrelieren mit Messungen der Basilarmembranvibration und der Cochlea-Verarbeitung.
  • Ermöglicht eine dramatische Audiokompression (10:1 oder höher) ohne wahrnehmbaren Qualitätsverlust, indem die Grenzen des menschlichen Gehörs ausgenutzt werden, anstatt Daten zu verwerfen.
  • Anwendbar über einen weiten Bereich von Hörbedingungen und akustischen Umgebungen; Maskierungskurven sind über Hörer und Kontexte hinweg ziemlich konsistent.
  • Einfache und effiziente rechnerische Implementierung; Maskierungsmodelle passen in Echtzeit-Audiocodecs und Hörgeräte mit minimalem CPU-Overhead.
  • Etablierte Standards (ISO/MPEG) und jahrzehntelange Verfeinerung; Maskierungsmodelle sind ausgereift und zuverlässig in kommerziellen Audiosystemen.

Anwendungen

  • Audiokompression und Streaming: MP3, AAC, OPUS und andere Codecs verwenden Maskierungsmodelle, um eine Kompression von 10–20:1 ohne hörbaren Qualitätsverlust zu erreichen; grundlegend für das Streaming von Audio bei begrenzter Bandbreite.
  • Hörgerätedesign: Integration von Maskierungsmodellen zur Unterdrückung von Tinnitus und zur Verbesserung der Sprachverständlichkeit in geräuschvoller Umgebung, während Artefakte vermieden werden, die für hörgeschädigte Benutzer wahrnehmbar wären.
  • Sprachverbesserung und Rauschunterdrückung: Anwendung von Maskierung zur Identifizierung und Unterdrückung von Rauschen in Frequenz-Zeit-Bereichen, in denen es durch Sprache maskiert wird, wodurch die Verständlichkeit verbessert wird.
  • Audiorestaurierung und Forensik: Verwendung von Maskierung, um zu bestimmen, welche Degradationsartefakte in beschädigten Aufnahmen perzeptiv signifikant sind; leitet Restaurierungsprioritäten.
  • 3D-Audio und räumliches Sounddesign: Ausnutzung von Frequenz- und temporaler Maskierung, um die Anzahl der HRTF-Filter und räumlichen Audiokanäle zu reduzieren, die für eine realistische Immersion erforderlich sind.
  • Musikproduktion und -mischung: Nutzung von Maskierungswissen, um Frequenzkonflikte (Maskierung von Instrumenten durch andere) zu vermeiden und EQ- und Kompressionseinstellungen für Klarheit zu optimieren.

So funktioniert es

So funktioniert es

1

Nehmen Sie ein Audiosignal auf oder synthetisieren Sie es, das sowohl Maskierungsrauschen (oder Töne) als auch Testsignale (Töne oder Rauschen unterschiedlicher Frequenz und Intensität) enthält.

2

Normalisieren Sie die Signalpegel, wenden Sie eine Frequenzbereichs-Fensterung an und zerlegen Sie das Signal in Frequenzbänder (mithilfe von Filterbänken oder Fourier-Analyse), um eine bandspezifische Maskierungsanalyse zu ermöglichen.

3

Messen Sie für jedes Frequenzband die Maskierungsschwelle – den minimalen Signalpegel in diesem Band, der in Anwesenheit von Maskierungsrauschen wahrgenommen werden kann. Quantifizieren Sie separat die Frequenzmaskierung (eine Frequenz maskiert nahegelegene Frequenzen) und die temporale Maskierung (ein lautes Geräusch maskiert leisere Geräusche davor und danach).

4

Passen Sie psychoakustische Modelle an (z. B. ISO/MPEG-Maskierungskurven), die die Maskierungsschwelle mit dem Spektrum und der zeitlichen Struktur des Maskierungssignals in Beziehung setzen. Modelle berücksichtigen typischerweise die kritische Bandbreite, die Erregung der Basilarmembran und temporale Integrationsfenster.

5

Verwenden Sie Maskierungsschwellen, um zu bestimmen, welche Signalbestandteile perzeptiv redundant sind und verworfen oder komprimiert werden können. Wenden Sie Maskierungsmodelle im Audiocodec-Design an, um Bits effizient zuzuweisen: Weisen Sie nicht maskierten Signalen mehr Bits zu und maskierten Signalen weniger.

Häufige Fallstricke

  • Übertrieben aggressive Kompression basierend auf Maskierungsschwellen; Artefakte, die normalerweise maskiert sind, können hörbar werden, wenn mehrere Signale kombiniert werden oder in verschiedenen Hörkontexten.
  • Vernachlässigung individueller Hörunterschiede; Standard-Maskierungskurven gehen von normalem Gehör aus. Hörgeschädigte Hörer können andere Maskierungsmuster aufweisen.
  • Ignorieren der temporalen Maskierung bei der Komprimierung transientenreicher Signale (Sprache, perkussive Musik); eine hohe Bitraten-Zuweisung bei Transienten vermeidet „Pre-Echo“-Artefakte.
  • Annahme, dass Maskierungsmodelle, die mit einfachen Stimuli (Sinuswellen, Schmalbandrauschen) trainiert wurden, auf komplexe Musik oder Sprache anwendbar sind. Reale Signale können sich anders verhalten.
  • Vergessen, dass Maskierungsschwellen absolute Werte sind; die relative Lautstärke beeinflusst auch die wahrgenommene Qualität. Ein maskiertes Artefakt kann isoliert unhörbar sein, aber im Kontext auffallen.

Häufig gestellte Fragen

Was ist der Unterschied zwischen Frequenzmaskierung und temporaler Maskierung?

Frequenz- (spektrale) Maskierung tritt auf, wenn ein Frequenzbereich die Wahrnehmung von Geräuschen in benachbarten Frequenzen maskiert (z. B. ein lauter tieffrequenter Bass maskiert das Hören von Mitteltöninstrumenten). Temporale Maskierung tritt auf, wenn ein lautes Geräusch die Wahrnehmung leiserer Geräusche davor (Vormaskierung, ~5 ms) oder danach (Nachmaskierung, ~100 ms) unterdrückt. Beide tragen zur Gesamtmaskierung bei, aber temporale Maskierung ist schwieriger zu modellieren und weniger gut verstanden.

Was ist die kritische Bandbreite und warum ist sie wichtig?

Die kritische Bandbreite ist die Breite des Frequenzbereichs, innerhalb dessen die Maskierung am stärksten ist; sie repräsentiert die effektive „Abstimmung“ der Cochlea (Innenohr). Unter 500 Hz beträgt die kritische Bandbreite etwa 100 Hz; über 2 kHz wird sie breiter. Audiocodecs verwenden die kritische Bandbreite, um Frequenzbänder für die Maskierungsanalyse und Bit-Zuweisung zu gruppieren – Frequenzen innerhalb eines kritischen Bandes werden oft als Einheit behandelt.

Wie stark kann Audio mittels Maskierung komprimiert werden?

Typische Kompressionsverhältnisse liegen bei 10–20:1 für Sprache und 8–12:1 für Musik ohne merklichen Qualitätsverlust (MP3 bei 128 kbps, AAC bei 96 kbps). Aggressive Kompression (40:1, 64 kbps) führt zu hörbaren Artefakten (Pre-Echo, Verlust von Transienten-Details, tonale Artefakte). Das erreichbare Verhältnis hängt vom Signalinhalt, der Qualität des Maskierungsmodells und der Hörschärfe des Hörers ab.

Können hörgeschädigte Hörer Geräusche wahrnehmen, die normale Hörer als maskiert empfinden?

Ja. Hörverlust kann Maskierungsschwellen verschieben. Einige hörgeschädigte Hörer haben erhöhte Schwellenwerte (benötigen lautere Signale) oder eine andere Frequenzabhängigkeit. Zusätzlich kann Rekruitment (Lautheitswachstum) maskierte Signale bei höheren Pegeln wahrnehmbar machen. Standard-Maskierungsmodelle gehen von normalem Gehör aus; für Anwendungen bei Hörgeschädigten ist eine Anpassung erforderlich.

Welche Artefakte entstehen durch eine unsachgemäße Schätzung der Maskierungsschwelle?

Eine Unterschätzung der Maskierung (Zuweisung zu weniger Bits) führt zu hörbarem Quantisierungsrauschen, Pre-Echo (Artefakte vor Transienten) und zeitlicher Verschmierung. Eine Überschätzung der Maskierung (Zuweisung zu vieler Bits) verschwendet Speicherplatz, gewährleistet aber eine hohe Qualität. Die häufigsten Artefakte sind tonales Summen (Quantisierung von Komponenten geringer Amplitude) und der Verlust räumlicher Details bei Mehrkanal-Audio.

Verwandte Methoden

Quellen

  1. Zwicker, E., & Scharf, B. (1965). Psychoacoustics: Facts and Models. Springer-Verlag.

    ISBN: 978-3540631644
    Kopiert.
  2. Moore, B. C. J. (2012). An Introduction to the Psychology of Hearing (6th ed.). Academic Press.

    ISBN: 978-0123914232
    Kopiert.
  3. Johnston, J. D. (1988). Transform coding of audio signals using perceptual noise criteria. IEEE Journal on Selected Areas in Communications, 6(2), 314–323.

    DOI-Referenz öffnen
    Kopiert.