Enmascaramiento psicoacústico
- Propuesto por
- Eberhard Zwicker
- Año
- 1961
- Tipo
- Perceptual model for audio systems
- Familia
- Psychoacoustics, Auditory perception
Este texto es una traducción automática y aún no se ha revisado. Leer el original en inglés
¿Qué hace?
El enmascaramiento psicoacústico describe cómo el sistema auditivo humano suprime la percepción de sonidos débiles en presencia de sonidos más fuertes.
Formalizado por Eberhard Zwicker en la década de 1960, el enmascaramiento es un fenómeno fundamental en la audición y la base de la codificación perceptiva de audio (MP3, AAC, OPUS). El enmascaramiento ocurre tanto en frecuencia (enmascaramiento espectral) como en tiempo (enmascaramiento temporal), y la comprensión de estos efectos permite una compresión de audio eficiente y un diseño de sonido realista.
La intuición detrás del método
Imagine una conversación tranquila en una cafetería abarrotada. Puede entender a su amigo a pesar de que muchas otras conversaciones y el ruido de fondo lo rodean. Su oído suprime naturalmente los sonidos irrelevantes: esto es enmascaramiento. Los sonidos fuertes (la multitud) enmascaran u ocultan los sonidos más débiles (conversaciones cercanas pero menos importantes) porque la respuesta del oído interno al sonido fuerte abruma el procesamiento de la señal de los sonidos más débiles. Los ingenieros de audio utilizan este principio para eliminar o comprimir detalles que los humanos no pueden oír, haciendo que los archivos sean más pequeños sin una pérdida de calidad perceptible.
Historia
Zwicker fue pionero en psicoacústica en la década de 1960, midiendo y modelando umbrales de enmascaramiento tanto en frecuencia como en tiempo. Moore y otros refinaron la comprensión del ancho de banda crítico y la mecánica de la membrana basilar. El trabajo de Johnston en 1988 aplicó el enmascaramiento a la codificación de audio, sentando las bases para los códecs perceptivos. MPEG e ISO estandarizaron modelos de enmascaramiento en la década de 1990 (MP3, AAC); las variantes modernas de códecs (OPUS, LAME) utilizan modelos de enmascaramiento sofisticados para optimizar la compresión.
Cuándo usarlo
Aplicar modelos de enmascaramiento psicoacústico en la compresión de audio (MP3, AAC, OPUS), mejora de audio y reducción de ruido, diseño de audífonos, evaluación de la inteligibilidad del habla y renderizado de audio virtual. El enmascaramiento es esencial para el diseño de códecs perceptivos donde el tamaño del archivo y el ancho de banda son importantes. El enmascaramiento es menos relevante cuando la fidelidad del audio es primordial (mezcla de estudio) o cuando no se requieren métricas perceptivas.
Limitaciones y consideraciones
- Los umbrales de enmascaramiento varían sustancialmente entre individuos; la pérdida auditiva, la edad y las diferencias individuales reducen la predictibilidad en algunos oyentes.
- Los modelos de enmascaramiento asumen un procesamiento auditivo lineal; los efectos no lineales (adaptación de volumen, productos de distorsión) no se capturan completamente.
- El enmascaramiento temporal está menos caracterizado que el enmascaramiento de frecuencia; los modelos son más simples y menos precisos para fenómenos en el dominio del tiempo (transitorios, artefactos musicales).
- Depende críticamente de las estadísticas de la señal; los umbrales de enmascaramiento cambian con el espectro, la estructura temporal y el tipo de señal. Los modelos pueden no generalizarse a todas las señales.
- La variabilidad individual y los efectos del contexto (atención, fatiga, exposición previa) modulan los umbrales de enmascaramiento; los modelos fijos no pueden capturar estas variaciones.
Las condiciones de la fuente no sustituyen una revisión científica independiente ni la validación por un motor de análisis.
Fortalezas
- Bien fundamentado en la fisiología auditiva; los umbrales de enmascaramiento se correlacionan con mediciones de la vibración de la membrana basilar y el procesamiento coclear.
- Permite una compresión de audio drástica (10:1 o superior) sin pérdida de calidad perceptible al explotar las limitaciones de la audición humana en lugar de desechar datos.
- Se aplica en una amplia gama de condiciones de escucha y entornos acústicos; las curvas de enmascaramiento son bastante consistentes entre oyentes y contextos.
- Implementación computacional simple y eficiente; los modelos de enmascaramiento se integran en códecs de audio en tiempo real y audífonos con una sobrecarga mínima de CPU.
- Estándares establecidos (ISO/MPEG) y décadas de refinamiento; los modelos de enmascaramiento son maduros y confiables en sistemas de audio comerciales.
Aplicaciones
- Compresión y transmisión de audio: MP3, AAC, OPUS y otros códecs utilizan modelos de enmascaramiento para lograr una compresión de 10-20:1 sin pérdida de calidad audible; fundamental para la transmisión de audio en ancho de banda limitado.
- Diseño de audífonos: incorporar modelos de enmascaramiento para suprimir el tinnitus y mejorar el habla en ruido, evitando artefactos que serían perceptibles para los usuarios con pérdida auditiva.
- Mejora del habla y reducción de ruido: aplicar enmascaramiento para identificar y suprimir el ruido en regiones de frecuencia-tiempo donde está enmascarado por el habla, mejorando la inteligibilidad.
- Restauración y forense de audio: utilizar el enmascaramiento para determinar qué artefactos de degradación en grabaciones dañadas son perceptualmente significativos; guiar las prioridades de restauración.
- Audio 3D y diseño de sonido espacial: explotar el enmascaramiento de frecuencia y temporal para reducir el número de filtros HRTF y canales de audio espacial necesarios para una inmersión realista.
- Producción musical y mezcla: utilizar el conocimiento del enmascaramiento para prevenir conflictos de frecuencia (enmascaramiento de instrumentos por otros) y optimizar la configuración de EQ y compresión para la claridad.
Cómo funciona
Cómo funciona
Grabar o sintetizar una señal de audio que contenga ruido de enmascaramiento (o tonos) y señales de prueba (tonos o ruido de frecuencia e intensidad variables).
Normalizar los niveles de la señal, aplicar una ventana en el dominio de la frecuencia y descomponer la señal en bandas de frecuencia (utilizando bancos de filtros o análisis de Fourier) para permitir el análisis de enmascaramiento específico de cada banda.
Para cada banda de frecuencia, medir el umbral de enmascaramiento: el nivel mínimo de la señal en esa banda que puede ser percibido en presencia de ruido de enmascaramiento. Cuantificar por separado el enmascaramiento de frecuencia (una frecuencia enmascara frecuencias cercanas) y el enmascaramiento temporal (un sonido fuerte enmascara sonidos más débiles antes y después).
Ajustar modelos psicoacústicos (por ejemplo, curvas de enmascaramiento ISO/MPEG) que relacionan el umbral de enmascaramiento con el espectro y la estructura temporal de la señal de enmascaramiento. Los modelos suelen tener en cuenta el ancho de banda crítico, la excitación de la membrana basilar y las ventanas de integración temporal.
Utilizar los umbrales de enmascaramiento para determinar qué componentes de la señal son perceptivamente redundantes y pueden ser descartados o comprimidos. Aplicar modelos de enmascaramiento en el diseño de códecs de audio para asignar bits de manera eficiente: asignar más bits a las señales no enmascaradas y menos a las señales enmascaradas.
Errores comunes
- Compresión excesivamente agresiva basada en umbrales de enmascaramiento; los artefactos que normalmente están enmascarados pueden volverse audibles cuando se combinan múltiples señales o en diferentes contextos de escucha.
- Ignorar las diferencias individuales en la audición; las curvas de enmascaramiento estándar asumen una audición normal. Los oyentes con pérdida auditiva pueden tener diferentes patrones de enmascaramiento.
- Ignorar el enmascaramiento temporal al comprimir señales ricas en transitorios (habla, música percusiva); la asignación de alta tasa de bits en los transitorios evita artefactos de 'pre-eco'.
- Asumir que los modelos de enmascaramiento entrenados con estímulos simples (ondas sinusoidales, ruido de banda estrecha) se aplican a música o habla complejas. Las señales del mundo real pueden comportarse de manera diferente.
- Olvidar que los umbrales de enmascaramiento son valores absolutos; el volumen relativo también afecta la calidad percibida. Un artefacto enmascarado puede ser inaudible de forma aislada, pero notable en contexto.
Preguntas frecuentes
¿Cuál es la diferencia entre el enmascaramiento de frecuencia y el enmascaramiento temporal?
El enmascaramiento de frecuencia (espectral) ocurre cuando un rango de frecuencia enmascara la percepción de sonidos en frecuencias cercanas (por ejemplo, un bajo fuerte de baja frecuencia enmascara la audición de instrumentos de rango medio). El enmascaramiento temporal ocurre cuando un sonido fuerte suprime la percepción de sonidos más débiles antes (pre-enmascaramiento, ~5 ms) o después (post-enmascaramiento, ~100 ms) de él. Ambos contribuyen al enmascaramiento general, pero el enmascaramiento temporal es más difícil de modelar y menos comprendido.
¿Qué es el ancho de banda crítico y por qué es importante?
El ancho de banda crítico es el ancho de la región de frecuencia dentro de la cual el enmascaramiento es más fuerte; representa la 'sintonización' efectiva de la cóclea (oído interno). Por debajo de 500 Hz, el ancho de banda crítico es aproximadamente 100 Hz; por encima de 2 kHz, se amplía. Los códecs de audio utilizan el ancho de banda crítico para agrupar los bins de frecuencia para el análisis de enmascaramiento y la asignación de bits: las frecuencias dentro de una banda crítica a menudo se tratan como una unidad.
¿Cuánto se puede comprimir el audio utilizando el enmascaramiento?
Las relaciones de compresión típicas son de 10-20:1 para voz y de 8-12:1 para música sin pérdida de calidad perceptible (MP3 a 128 kbps, AAC a 96 kbps). La compresión agresiva (40:1, 64 kbps) introduce artefactos audibles (pre-eco, pérdida de detalle transitorio, artefactos tonales). La relación alcanzable depende del contenido de la señal, la calidad del modelo de enmascaramiento y la agudeza auditiva del oyente.
¿Pueden los oyentes con pérdida auditiva percibir sonidos que los oyentes normales encuentran enmascarados?
Sí. La pérdida auditiva puede alterar los umbrales de enmascaramiento. Algunos oyentes con pérdida auditiva tienen umbrales elevados (necesitan señales más fuertes) o diferente dependencia de la frecuencia. Además, el reclutamiento (aumento del volumen) puede hacer que las señales enmascaradas sean perceptibles a niveles más altos. Los modelos de enmascaramiento estándar asumen una audición normal; se necesita personalización para aplicaciones para personas con pérdida auditiva.
¿Qué artefactos resultan de una estimación incorrecta del umbral de enmascaramiento?
Subestimar el enmascaramiento (asignar muy pocos bits) causa ruido de cuantificación audible, pre-eco (artefactos antes de los transitorios) y dispersión temporal. Sobreestimar el enmascaramiento (asignar demasiados bits) desperdicia espacio pero garantiza alta calidad. Los artefactos más comunes son zumbidos tonales (cuantificación de componentes de baja amplitud) y pérdida de detalle espacial en audio multicanal.
Métodos relacionados
Fuentes
Zwicker, E., & Scharf, B. (1965). Psychoacoustics: Facts and Models. Springer-Verlag.
ISBN: 978-3540631644Copiado.Moore, B. C. J. (2012). An Introduction to the Psychology of Hearing (6th ed.). Academic Press.
ISBN: 978-0123914232Copiado.Johnston, J. D. (1988). Transform coding of audio signals using perceptual noise criteria. IEEE Journal on Selected Areas in Communications, 6(2), 314–323.
Abrir referencia DOICopiado.