Skip to content
Kembali ke hasil pencarian

Skala Bark dan Mel

Diperkenalkan oleh
Eberhard Zwicker, Stanley Smith Stevens
Tahun
1937
Jenis
Perceptual frequency mapping
Keluarga
Psychoacoustics

Teks ini adalah terjemahan mesin dan belum ditinjau. Baca versi asli dalam bahasa Inggris

Ukuran huruf

Apa fungsinya?

Skala Bark dan Mel adalah skala frekuensi perseptual yang memetakan frekuensi fisik (Hz) ke nada yang dipersepsikan dan persepsi auditori.

Diformalisasi oleh Zwicker (Bark, 1961) dan Stevens (Mel, 1937), skala non-linear ini mencerminkan bagaimana telinga manusia memproses suara. Skala Bark membagi pendengaran menjadi 24 pita kritis; skala Mel memodelkan persepsi nada. Keduanya penting untuk ekstraksi fitur audio, pemrosesan ucapan, dan perancangan sistem audio yang selaras dengan pendengaran manusia.

Intuisi di balik metode

Telinga tidak mempersepsikan frekuensi secara linear. Pergeseran 100 Hz dari 100 Hz ke 200 Hz terdengar seperti perubahan besar (oktaf), tetapi pergeseran yang sama dari 5100 Hz ke 5200 Hz hampir tidak terlihat. Skala Bark dan Mel memetakan frekuensi ke ruang perseptual di mana jarak yang sama mewakili perbedaan yang dipersepsikan yang sama. Skala Bark berfokus pada diskriminasi frekuensi (pola masking); skala Mel berfokus pada nada (melodi dan nada).

Sejarah

Stevens, Volkmann, dan Newman memperkenalkan skala Mel pada tahun 1937 untuk mengukur persepsi nada dalam interval yang tampak sama (melodi). Zwicker mengembangkan skala Bark pada tahun 1961, berdasarkan pengukuran lebar pita kritis dan fenomena masking. Keduanya menjadi dasar psikoakustik dan desain codec audio. Penyempurnaan modern (misalnya, filterbank Gammatone, Mel-spektrogram) memberikan model perseptual yang lebih akurat. Pembelajaran mesin pada Mel-spektrogram telah menjadi standar dalam AI ucapan dan musik.

Kapan digunakan

Gunakan skala Bark untuk desain codec audio, pengkodean audio perseptual, dan analisis efek masking. Gunakan skala Mel untuk pemrosesan ucapan, pengambilan informasi musik, pengenalan pembicara, dan pembelajaran mesin pada fitur audio. Keduanya berlaku untuk desain alat bantu dengar, restorasi audio, dan metrik kualitas audio perseptual.

Batasan dan pertimbangan

  • Skala Bark dan Mel adalah perkiraan empiris; lebar pita kritis yang tepat bervariasi dengan tingkat, konteks frekuensi, dan pendengar individu.
  • Pemetaan yang tidak dapat dibalik (transformasi maju kehilangan informasi); rekonstruksi frekuensi yang tepat rumit dan dapat menimbulkan artefak.
  • Kedua skala adalah model rata-rata untuk pendengar dengan pendengaran normal; gangguan pendengaran, usia, dan perbedaan individu memodulasi lebar pita kritis dan persepsi nada.
  • Biaya komputasi: konversi antara Hz dan Bark/Mel memerlukan fungsi transendental (logaritma, arctangen); tabel pencarian dan perkiraan umum digunakan.
  • Terbatas pada persepsi monaural (satu telinga); pendengaran binaural (dua telinga) dan audio spasial memerlukan pemodelan tambahan.

Syarat dari sumber tidak menggantikan tinjauan ilmiah independen atau validasi oleh mesin analisis.

Kelebihan

  • Selaraskan analisis dengan persepsi auditori manusia; fitur yang diturunkan dalam ruang Bark/Mel berkorelasi lebih baik dengan kualitas audio subjektif dan preferensi pendengar.
  • Kompresi informasi frekuensi tinggi: lebih sedikit 'saluran' perseptual yang dibutuhkan pada frekuensi tinggi, mengurangi biaya komputasi dalam codec audio.
  • Konsep lebar pita kritis memprediksi masking: wilayah dalam satu Bark tunduk pada masking bersama, menyederhanakan desain codec perseptual.
  • Sudah mapan dan terstandarisasi; banyak digunakan dalam codec audio komersial (MP3, AAC) dan sistem pengenalan ucapan.
  • Fleksibel: skala Bark dan Mel dapat digabungkan dengan teknik lain (kurva kenyaringan, kompresi) untuk pemodelan perseptual yang disempurnakan.

Penerapan

  • Codec dan streaming audio: MP3, AAC, OPUS menggunakan filterbank skala Bark untuk kuantisasi perseptual; varian skala Mel digunakan dalam beberapa codec modern.
  • Pengenalan ucapan otomatis dan verifikasi pembicara: koefisien cepstral frekuensi Mel (MFCC) yang diturunkan dari Mel-spektrogram adalah fitur standar untuk pemrosesan ucapan.
  • Pengambilan informasi musik dan klasifikasi genre: Mel-spektrogram memungkinkan ekstraksi fitur musik dan pembelajaran mendalam pada audio.
  • Desain alat bantu dengar dan implan koklea: lebar pita kritis (skala Bark) menginformasikan desain saluran dan alokasi frekuensi dalam implan.
  • Restorasi audio dan peningkatan ucapan: skala perseptual memandu penghapusan artefak dan penekanan kebisingan yang selaras dengan pendengaran.
  • Penilaian kualitas audio: metrik perseptual (PESQ, PEMO-Q) menggunakan skala Bark dan Mel untuk memprediksi kualitas audio subjektif.

Cara kerjanya

Cara kerjanya

1

Akuisisi sinyal audio atau representasi domain frekuensi (spektrum FFT) yang akan dianalisis atau ditampilkan.

2

Komputasi spektrum daya menggunakan teknik windowing dan FFT standar. Siapkan larik frekuensi dalam Hz.

3

Konversi skala frekuensi linear (Hz) ke skala perseptual: Bark: z = 13 * arctan(0.76f/1000) + 3.5 * arctan((f/7500)²) , Mel: m = 2595 * log10(1 + f/700). Formula ini memetakan Hz → unit perseptual.

4

Gunakan skala frekuensi perseptual untuk merancang fitur selektif frekuensi (filterbank, spektrogram) yang selaras dengan pemrosesan auditori. Hitung lebar pita kritis pada setiap frekuensi: BW ≈ 25 + 75(1 + 1.4(f/1000)²)^0.69 dalam Hz, yang dalam ruang Bark kira-kira konstan (1 Bark ≈ lebar pita kritis).

5

Visualisasikan spektrum dalam skala Bark atau Mel untuk interpretasi yang akurat secara perseptual. Bandingkan kepentingan fitur: dalam Hz linear, frekuensi tinggi mendominasi secara visual tetapi mungkin kurang penting secara perseptual; dalam Bark/Mel, penekanan bergeser ke wilayah yang menonjol secara perseptual.

Kesalahan umum

  • Mengasumsikan skala Bark dan Mel identik secara perseptual; mereka memodelkan aspek yang berbeda (diskriminasi frekuensi vs. nada), dan pilihan tergantung pada aplikasi.
  • Menggunakan satu skala Bark/Mel untuk semua frekuensi; lebar pita kritis bervariasi dengan frekuensi, dan beberapa model yang disempurnakan (misalnya, Lebar Pita Persegi Panjang Ekuivalen) lebih akurat.
  • Mengabaikan efek yang bergantung pada tingkat: lebar pita kritis dan masking berskala dengan tingkat suara; asumsi lebar pita kritis konstan adalah perkiraan.
  • Kompresi berlebihan frekuensi tinggi menggunakan skala Bark tanpa validasi perseptual; kualitas audio yang dipersepsikan bergantung pada konteks keseluruhan, bukan hanya pembengkokan frekuensi.
  • Mencampur konversi Bark/Mel dengan kualitas perseptual; mengubah ke skala Bark tidak menjamin audio yang optimal secara perseptual, hanya keselarasan dengan pita kritis.

Pertanyaan yang sering diajukan

Apa perbedaan antara skala Bark dan Mel?

Skala Bark memodelkan diskriminasi frekuensi dan lebar pita kritis—bagaimana telinga mengelompokkan frekuensi yang berdekatan ke dalam pita masking. Skala Mel memodelkan persepsi nada—bagaimana frekuensi dipetakan ke melodi yang dipersepsikan. Skala Bark seragam dalam arti perseptual (1 Bark ≈ satu pita kritis); skala Mel memodelkan nada subjektif (oktaf, interval musik). Gunakan Bark untuk analisis codec dan masking; Mel untuk nada dan pemrosesan ucapan.

Apa yang diwakili oleh satu pita Bark dalam Hz?

Satu Bark tidak konstan dalam Hz; ia mewakili satu lebar pita kritis, yang bervariasi dengan frekuensi. Pada 100 Hz, 1 Bark ≈ 100 Hz; pada 1 kHz, 1 Bark ≈ 130 Hz; pada 10 kHz, 1 Bark ≈ 700+ Hz. Ini berarti telinga merinci detail frekuensi rendah dengan halus tetapi mengelompokkan detail frekuensi tinggi secara kasar.

Berapa banyak pita Bark dalam pendengaran manusia?

Pendengaran manusia mencakup sekitar 24 pita Bark, sesuai dengan unit lebar pita kritis di seluruh spektrum yang terdengar (≈20 Hz hingga 20 kHz). Ini adalah dasar untuk banyak codec audio, yang menggunakan filterbank 24-pita yang selaras dengan spasi Bark.

Mengapa Mel-spektrogram begitu populer dalam pengenalan ucapan?

Mel-spektrogram mengompres detail frekuensi tinggi sambil mempertahankan informasi frekuensi rendah yang relevan dengan ucapan (nada, formants). Mereka selaras dengan cara manusia mempersepsikan ucapan, membuat fitur yang dipelajari lebih kuat. Jaringan saraf dalam yang dilatih pada Mel-spektrogram menggeneralisasi lebih baik di antara pembicara dan aksen.

Bisakah saya menggabungkan skala Bark dan Mel dalam satu analisis?

Ya. Gunakan skala Bark untuk analisis codec dan masking; hitung fitur skala Mel secara terpisah untuk ekstraksi nada dan melodi. Keduanya saling melengkapi: Bark untuk mekanika pendengaran, Mel untuk nada perseptual. Beberapa sistem audio canggih menggunakan keduanya, melapisi diskriminasi frekuensi (Bark) dengan persepsi nada (Mel).

Metode terkait

Sumber

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

    Buka referensi publikasi
    Disalin.
  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.

    Buka referensi DOI
    Disalin.
  3. Moore, B. C. J. (2012). An Introduction to the Psychology of Hearing (6th ed.). Academic Press.

    ISBN: 978-0123914232
    Disalin.