Masquage psychoacoustique
- Introduite par
- Eberhard Zwicker
- Année
- 1961
- Type
- Perceptual model for audio systems
- Famille
- Psychoacoustics, Auditory perception
Ce texte est une traduction automatique et n’a pas encore été relu. Lire l’original en anglais
À quoi sert-elle ?
Le masquage psychoacoustique décrit comment le système auditif humain supprime la perception des sons faibles en présence de sons plus forts.
Formalisé par Eberhard Zwicker dans les années 1960, le masquage est un phénomène fondamental de l'audition et la base du codage perceptuel audio (MP3, AAC, OPUS). Le masquage se produit à la fois en fréquence (masquage spectral) et dans le temps (masquage temporel), et la compréhension de ces effets permet une compression audio efficace et une conception sonore réaliste.
L’intuition derrière la méthode
Imaginez une conversation discrète dans un café bondé. Vous pouvez comprendre votre ami même si de nombreuses autres conversations et bruits de fond vous entourent. Votre oreille supprime naturellement les sons non pertinents – c'est le masquage. Les sons forts (la foule) masquent ou cachent les sons faibles (conversations proches mais moins importantes) car la réponse de l'oreille interne au son fort submerge le traitement du signal des sons plus faibles. Les ingénieurs audio utilisent ce principe pour supprimer ou compresser les détails que les humains ne peuvent pas entendre, rendant les fichiers plus petits sans perte de qualité notable.
Histoire
Zwicker a été un pionnier de la psychoacoustique dans les années 1960, mesurant et modélisant les seuils de masquage en fréquence et dans le temps. Moore et d'autres ont affiné la compréhension de la bande passante critique et de la mécanique de la membrane basilaire. Les travaux de Johnston en 1988 ont appliqué le masquage au codage audio, jetant les bases des codecs perceptuels. MPEG et ISO ont standardisé les modèles de masquage dans les années 1990 (MP3, AAC) ; les variantes modernes de codecs (OPUS, LAME) utilisent des modèles de masquage sophistiqués pour optimiser la compression.
Quand l’utiliser
Appliquer des modèles de masquage psychoacoustique dans la compression audio (MP3, AAC, OPUS), l'amélioration audio et la réduction du bruit, la conception d'aides auditives, l'évaluation de l'intelligibilité de la parole et le rendu audio virtuel. Le masquage est essentiel pour la conception de codecs perceptuels où la taille des fichiers et la bande passante sont importantes. Le masquage est moins pertinent lorsque la fidélité audio est primordiale (mixage studio) ou lorsque des métriques perceptuelles ne sont pas requises.
Limites et points d’attention
- Les seuils de masquage varient considérablement d'un individu à l'autre ; la perte auditive, l'âge et les différences individuelles réduisent la prédictibilité chez certains auditeurs.
- Les modèles de masquage supposent un traitement auditif linéaire ; les effets non linéaires (adaptation de la loudness, produits de distorsion) ne sont pas entièrement capturés.
- Le masquage temporel est moins bien caractérisé que le masquage fréquentiel ; les modèles sont plus simples et moins précis pour les phénomènes dans le domaine temporel (transitoires, artefacts musicaux).
- Dépend de manière critique des statistiques du signal ; les seuils de masquage changent avec le spectre, la structure temporelle et le type de signal. Les modèles peuvent ne pas se généraliser à tous les signaux.
- La variabilité individuelle et les effets contextuels (attention, fatigue, exposition préalable) modulent les seuils de masquage ; les modèles fixes ne peuvent pas capturer ces variations.
Les conditions de la source ne remplacent ni une revue scientifique indépendante ni la validation par un moteur d’analyse.
Points forts
- Solidement ancré dans la physiologie auditive ; les seuils de masquage corrèlent avec les mesures de vibration de la membrane basilaire et du traitement cochléaire.
- Permet une compression audio spectaculaire (10:1 ou plus) sans perte de qualité perceptible en exploitant les limitations de l'audition humaine plutôt qu'en jetant des données.
- S'applique à un large éventail de conditions d'écoute et d'environnements acoustiques ; les courbes de masquage sont assez cohérentes entre les auditeurs et les contextes.
- Implémentation computationnelle simple et efficace ; les modèles de masquage s'intègrent dans les codecs audio en temps réel et les aides auditives avec une surcharge CPU minimale.
- Normes établies (ISO/MPEG) et décennies de perfectionnement ; les modèles de masquage sont matures et fiables dans les systèmes audio commerciaux.
Applications
- Compression et streaming audio : MP3, AAC, OPUS et d'autres codecs utilisent des modèles de masquage pour obtenir une compression de 10 à 20:1 sans perte de qualité audible ; fondamental pour le streaming audio sur bande passante limitée.
- Conception d'aides auditives : intégrer des modèles de masquage pour supprimer les acouphènes et améliorer la parole dans le bruit tout en évitant les artefacts qui seraient perceptibles par les utilisateurs malentendants.
- Amélioration de la parole et réduction du bruit : appliquer le masquage pour identifier et supprimer le bruit dans les régions temps-fréquence où il est masqué par la parole, améliorant l'intelligibilité.
- Restauration et expertise audio : utiliser le masquage pour déterminer quels artefacts de dégradation dans les enregistrements endommagés sont perceptuellement significatifs ; guider les priorités de restauration.
- Audio 3D et conception sonore spatiale : exploiter le masquage fréquentiel et temporel pour réduire le nombre de filtres HRTF et de canaux audio spatiaux nécessaires à une immersion réaliste.
- Production musicale et mixage : utiliser la connaissance du masquage pour éviter les conflits de fréquences (masquage d'instruments par d'autres) et optimiser les réglages d'égalisation et de compression pour la clarté.
Comment ça marche
Comment ça marche
Enregistrer ou synthétiser un signal audio contenant à la fois un bruit de masquage (ou des tonalités) et des signaux de test (tonalités ou bruit de fréquences et d'intensités variables).
Normaliser les niveaux du signal, appliquer un fenêtrage dans le domaine fréquentiel, et décomposer le signal en bandes de fréquences (à l'aide de bancs de filtres ou d'analyse de Fourier) pour permettre une analyse du masquage spécifique à chaque bande.
Pour chaque bande de fréquence, mesurer le seuil de masquage – le niveau de signal minimum dans cette bande qui peut être perçu en présence de bruit de masquage. Quantifier séparément le masquage fréquentiel (une fréquence masque les fréquences voisines) et le masquage temporel (un son fort masque les sons plus faibles avant et après).
Ajuster des modèles psychoacoustiques (par exemple, les courbes de masquage ISO/MPEG) qui relient le seuil de masquage au spectre et à la structure temporelle du signal masquant. Les modèles tiennent généralement compte de la bande passante critique, de l'excitation de la membrane basilaire et des fenêtres d'intégration temporelle.
Utiliser les seuils de masquage pour déterminer quelles composantes du signal sont perceptuellement redondantes et peuvent être écartées ou compressées. Appliquer des modèles de masquage dans la conception de codecs audio pour allouer efficacement les bits : allouer plus de bits aux signaux non masqués et moins aux signaux masqués.
Pièges courants
- Compression trop agressive basée sur les seuils de masquage ; les artefacts normalement masqués peuvent devenir audibles lorsque plusieurs signaux sont combinés ou dans différents contextes d'écoute.
- Négliger les différences individuelles d'audition ; les courbes de masquage standard supposent une audition normale. Les auditeurs malentendants peuvent avoir des schémas de masquage différents.
- Ignorer le masquage temporel lors de la compression de signaux riches en transitoires (parole, musique percussive) ; une allocation de débit binaire élevé aux transitoires évite les artefacts de 'pré-écho'.
- Supposer que les modèles de masquage entraînés sur des stimuli simples (ondes sinusoïdales, bruit à bande étroite) s'appliquent à la musique ou à la parole complexes. Les signaux du monde réel peuvent se comporter différemment.
- Oublier que les seuils de masquage sont des valeurs absolues ; la loudness relative affecte également la qualité perçue. Un artefact masqué peut être inaudible isolément mais perceptible dans son contexte.
Questions fréquentes
Quelle est la différence entre le masquage fréquentiel et le masquage temporel ?
Le masquage fréquentiel (spectral) se produit lorsqu'une plage de fréquences masque la perception des sons dans des fréquences voisines (par exemple, une basse fréquence grave et forte masque l'audition des instruments dans le médium). Le masquage temporel se produit lorsqu'un son fort supprime la perception de sons plus faibles avant lui (pré-masquage, ~5 ms) ou après lui (post-masquage, ~100 ms). Les deux contribuent au masquage global, mais le masquage temporel est plus difficile à modéliser et moins bien compris.
Qu'est-ce que la bande passante critique et pourquoi est-elle importante ?
La bande passante critique est la largeur de la région fréquentielle dans laquelle le masquage est le plus fort ; elle représente la 'résonance' effective de la cochlée (oreille interne). En dessous de 500 Hz, la bande passante critique est d'environ 100 Hz ; au-dessus de 2 kHz, elle s'élargit. Les codecs audio utilisent la bande passante critique pour regrouper les bins de fréquence pour l'analyse du masquage et l'allocation des bits – les fréquences au sein d'une bande critique sont souvent traitées comme une unité.
Dans quelle mesure l'audio peut-il être compressé en utilisant le masquage ?
Les rapports de compression typiques sont de 10 à 20:1 pour la parole et de 8 à 12:1 pour la musique sans perte de qualité notable (MP3 à 128 kbps, AAC à 96 kbps). Une compression agressive (40:1, 64 kbps) introduit des artefacts audibles (pré-écho, perte de détails transitoires, artefacts tonaux). Le rapport réalisable dépend du contenu du signal, de la qualité du modèle de masquage et de l'acuité auditive de l'auditeur.
Les personnes malentendantes peuvent-elles percevoir des sons que les auditeurs normaux trouvent masqués ?
Oui. La perte auditive peut modifier les seuils de masquage. Certains auditeurs malentendants ont des seuils élevés (nécessitent des signaux plus forts) ou une dépendance fréquentielle différente. De plus, le recrutement (croissance de la loudness) peut rendre les signaux masqués perceptibles à des niveaux plus élevés. Les modèles de masquage standard supposent une audition normale ; une personnalisation est nécessaire pour les applications destinées aux malentendants.
Quels artefacts résultent d'une estimation incorrecte du seuil de masquage ?
Une sous-estimation du masquage (allocation de trop peu de bits) provoque un bruit de quantification audible, un pré-écho (artefacts avant les transitoires) et un étalement temporel. Une surestimation du masquage (allocation de trop de bits) gaspille de l'espace mais assure une haute qualité. Les artefacts les plus courants sont un bourdonnement tonal (quantification de composantes de faible amplitude) et une perte de détails spatiaux dans l'audio multicanal.
Méthodes associées
Sources
Zwicker, E., & Scharf, B. (1965). Psychoacoustics: Facts and Models. Springer-Verlag.
ISBN : 978-3540631644Copié.Moore, B. C. J. (2012). An Introduction to the Psychology of Hearing (6th ed.). Academic Press.
ISBN : 978-0123914232Copié.Johnston, J. D. (1988). Transform coding of audio signals using perceptual noise criteria. IEEE Journal on Selected Areas in Communications, 6(2), 314–323.
Ouvrir la référence DOICopié.