Skip to content
Retour aux résultats

Échelles Bark et Mel

Introduite par
Eberhard Zwicker, Stanley Smith Stevens
Année
1937
Type
Perceptual frequency mapping
Famille
Psychoacoustics

Ce texte est une traduction automatique et n’a pas encore été relu. Lire l’original en anglais

Taille de police

À quoi sert-elle ?

Les échelles Bark et Mel sont des échelles perceptuelles de fréquence qui transforment la fréquence physique (Hz) en hauteur perçue et en perception auditive.

Formalisées par Zwicker (Bark, 1961) et Stevens (Mel, 1937), ces échelles non linéaires reflètent la manière dont l'oreille humaine traite le son. L'échelle Bark divise l'audition en 24 bandes critiques ; l'échelle Mel modélise la perception de la hauteur. Toutes deux sont essentielles pour l'extraction de caractéristiques audio, le traitement de la parole et la conception de systèmes audio alignés sur l'audition humaine.

L’intuition derrière la méthode

L'oreille ne perçoit pas la fréquence de manière linéaire. Un décalage de 100 Hz de 100 Hz à 200 Hz semble être un grand changement (une octave), mais le même décalage de 5100 Hz à 5200 Hz est à peine perceptible. Les échelles Bark et Mel transforment la fréquence dans un espace perceptuel où des distances égales représentent des différences perçues égales. L'échelle Bark se concentre sur la discrimination fréquentielle (schémas de masquage) ; l'échelle Mel se concentre sur la hauteur (mélodie et tonalité).

Histoire

Stevens, Volkmann et Newman ont introduit l'échelle Mel en 1937 pour quantifier la perception de la hauteur en intervalles égaux (mélodie). Zwicker a développé l'échelle Bark en 1961, basée sur des mesures de bande passante critique et des phénomènes de masquage. Les deux sont devenues fondamentales en psychoacoustique et dans la conception de codecs audio. Des raffinements modernes (par ex., bancs de filtres Gammatone, Mel-spectrogrammes) fournissent des modèles perceptuels plus précis. L'apprentissage automatique sur les Mel-spectrogrammes est devenu standard dans l'IA de la parole et de la musique.

Quand l’utiliser

Utiliser l'échelle Bark pour la conception de codecs audio, le codage audio perceptuel et l'analyse des effets de masquage. Utiliser l'échelle Mel pour le traitement de la parole, la recherche d'informations musicales, la reconnaissance du locuteur et l'apprentissage automatique sur des caractéristiques audio. Les deux sont applicables à la conception d'aides auditives, à la restauration audio et aux métriques de qualité audio perceptuelle.

Limites et points d’attention

  • Les échelles Bark et Mel sont des approximations empiriques ; la bande passante critique exacte varie avec le niveau, le contexte fréquentiel et les auditeurs individuels.
  • Transformations non inversibles (la transformation avant perd de l'information) ; la reconstruction précise de la fréquence est complexe et peut introduire des artefacts.
  • Les deux échelles sont des modèles moyens pour les auditeurs à audition normale ; la perte auditive, l'âge et les différences individuelles modulent la bande passante critique et la perception de la hauteur.
  • Coût computationnel : la conversion entre Hz et Bark/Mel nécessite des fonctions transcendantales (logarithme, arc tangente) ; les tables de consultation et les approximations sont courantes.
  • Limitées à la perception monaurale (une oreille) ; l'audition binaurale (deux oreilles) et l'audio spatial nécessitent une modélisation supplémentaire.

Les conditions de la source ne remplacent ni une revue scientifique indépendante ni la validation par un moteur d’analyse.

Points forts

  • Aligner l'analyse sur la perception auditive humaine ; les caractéristiques dérivées dans l'espace Bark/Mel corrèlent mieux avec la qualité audio subjective et la préférence de l'auditeur.
  • Compresser les informations haute fréquence : moins de 'canaux' perceptuels sont nécessaires aux hautes fréquences, ce qui réduit le coût computationnel dans les codecs audio.
  • Le concept de bande passante critique prédit le masquage : les régions à l'intérieur d'un Bark sont sujettes à un masquage partagé, simplifiant la conception des codecs perceptuels.
  • Bien établies et standardisées ; largement utilisées dans les codecs audio commerciaux (MP3, AAC) et les systèmes de reconnaissance vocale.
  • Flexibles : les échelles Bark et Mel peuvent être combinées avec d'autres techniques (courbes de loudness, compression) pour un modèle perceptuel affiné.

Applications

  • Codecs audio et streaming : MP3, AAC, OPUS utilisent des bancs de filtres à l'échelle Bark pour la quantification perceptive ; des variantes à l'échelle Mel sont utilisées dans certains codecs modernes.
  • Reconnaissance automatique de la parole et vérification du locuteur : les coefficients cepstraux de fréquence Mel (MFCC) dérivés des spectrogrammes à l'échelle Mel sont des caractéristiques standard pour le traitement de la parole.
  • Recherche d'informations musicales et classification de genres : les Mel-spectrogrammes permettent l'extraction de caractéristiques musicales et l'apprentissage profond sur l'audio.
  • Conception d'aides auditives et d'implants cochléaires : la bande passante critique (échelle Bark) informe la conception des canaux et l'allocation fréquentielle dans les implants.
  • Restauration audio et amélioration de la parole : les échelles perceptuelles guident la suppression des artefacts et du bruit alignée sur l'audition.
  • Évaluation de la qualité audio : les métriques perceptuelles (PESQ, PEMO-Q) utilisent les échelles Bark et Mel pour prédire la qualité audio subjective.

Comment ça marche

Comment ça marche

1

Acquérir un signal audio ou une représentation dans le domaine fréquentiel (spectre FFT) à analyser ou à afficher.

2

Calculer le spectre de puissance en utilisant des techniques standard de fenêtrage et de FFT. Préparer le tableau des fréquences en Hz.

3

Convertir l'échelle de fréquence linéaire (Hz) en échelles perceptuelles : Bark : z = 13 * arctan(0.76f/1000) + 3.5 * arctan((f/7500)²), Mel : m = 2595 * log10(1 + f/700). Ces formules transforment Hz → unités perceptuelles.

4

Utiliser l'échelle de fréquence perceptive pour concevoir des caractéristiques sélectives en fréquence (bancs de filtres, spectrogrammes) alignées sur le traitement auditif. Calculer la bande passante critique à chaque fréquence : BW ≈ 25 + 75(1 + 1.4(f/1000)²)^0.69 en Hz, ce qui, dans l'espace Bark, est approximativement constant (1 Bark ≈ bande passante critique).

5

Visualiser les spectres sur l'échelle Bark ou Mel pour une interprétation perceptivement précise. Comparer l'importance des caractéristiques : en Hz linéaire, les hautes fréquences dominent visuellement mais peuvent être moins importantes perceptivement ; en Bark/Mel, l'accent est déplacé vers les régions perceptivement saillantes.

Pièges courants

  • Supposer que les échelles Bark et Mel sont perceptivement identiques ; elles modélisent des aspects différents (discrimination fréquentielle vs hauteur), et le choix dépend de l'application.
  • Utiliser une seule échelle Bark/Mel pour toutes les fréquences ; la bande passante critique varie avec la fréquence, et certains modèles affinés (par ex., Equivalent Rectangular Bandwidth) sont plus précis.
  • Négliger les effets dépendants du niveau : la bande passante critique et le masquage varient avec le niveau sonore ; les hypothèses de bande passante critique constante sont des approximations.
  • Surestimer les hautes fréquences en utilisant l'échelle Bark sans validation perceptive ; la qualité audio perçue dépend du contexte global, pas seulement de la déformation de la fréquence.
  • Confondre la conversion Bark/Mel avec la qualité perceptive ; la transformation vers l'échelle Bark ne garantit pas un audio perceptivement optimal, seulement un alignement avec les bandes critiques.

Questions fréquentes

Quelle est la différence entre les échelles Bark et Mel ?

L'échelle Bark modélise la discrimination fréquentielle et la bande passante critique — comment l'oreille regroupe les fréquences voisines en bandes de masquage. L'échelle Mel modélise la perception de la hauteur — comment la fréquence se mappe à la mélodie perçue. L'échelle Bark est plus ou moins uniforme dans le sens perceptuel (1 Bark ≈ une bande critique) ; l'échelle Mel modélise la hauteur subjective (octaves, intervalles musicaux). Utiliser Bark pour les codecs et l'analyse de masquage ; Mel pour la hauteur et le traitement de la parole.

Que représente une bande Bark en Hz ?

Une Bark n'est pas constante en Hz ; elle représente une bande passante critique, qui varie avec la fréquence. À 100 Hz, 1 Bark ≈ 100 Hz ; à 1 kHz, 1 Bark ≈ 130 Hz ; à 10 kHz, 1 Bark ≈ 700+ Hz. Cela signifie que l'oreille résout finement les détails basse fréquence mais regroupe grossièrement les détails haute fréquence.

Combien de bandes Bark y a-t-il dans l'audition humaine ?

L'audition humaine s'étend sur environ 24 bandes Bark, correspondant à des unités de bande passante critique sur le spectre audible (≈20 Hz à 20 kHz). C'est la base de nombreux codecs audio, qui utilisent des bancs de filtres à 24 bandes alignés sur l'espacement Bark.

Pourquoi les Mel-spectrogrammes sont-ils si populaires en reconnaissance vocale ?

Les Mel-spectrogrammes compressent les détails haute fréquence tout en préservant les informations basse fréquence pertinentes pour la parole (hauteur, formants). Ils s'alignent sur la manière dont les humains perçoivent la parole, rendant les caractéristiques apprises plus robustes. Les réseaux neuronaux profonds entraînés sur des Mel-spectrogrammes généralisent mieux entre les locuteurs et les accents.

Puis-je combiner les échelles Bark et Mel dans une seule analyse ?

Oui. Utiliser l'échelle Bark pour l'analyse des codecs et du masquage ; calculer séparément les caractéristiques à l'échelle Mel pour l'extraction de la hauteur et de la mélodie. Elles sont complémentaires : Bark pour la mécanique auditive, Mel pour la hauteur perceptive. Certains systèmes audio avancés utilisent les deux, superposant la discrimination fréquentielle (Bark) à la perception de la hauteur (Mel).

Méthodes associées

Sources

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

    Ouvrir la référence de la publication
    Copié.
  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.

    Ouvrir la référence DOI
    Copié.
  3. Moore, B. C. J. (2012). An Introduction to the Psychology of Hearing (6th ed.). Academic Press.

    ISBN : 978-0123914232
    Copié.