Skip to content
Kembali ke hasil pencarian

Masking Psikoakustik

Diperkenalkan oleh
Eberhard Zwicker
Tahun
1961
Jenis
Perceptual model for audio systems
Keluarga
Psychoacoustics, Auditory perception

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

Ukuran huruf

Apa fungsinya?

Masking psikoakustik menjelaskan bagaimana sistem pendengaran manusia menekan persepsi suara lemah di hadapan suara yang lebih kuat.

Diformalisasi oleh Eberhard Zwicker pada tahun 1960-an, masking adalah fenomena fundamental dalam pendengaran dan dasar untuk pengkodean audio perseptual (MP3, AAC, OPUS). Masking terjadi baik dalam frekuensi (masking spektral) maupun waktu (masking temporal), dan pemahaman efek ini memungkinkan kompresi audio yang efisien dan desain suara yang realistis.

Intuisi di balik metode

Bayangkan percakapan yang tenang di kedai kopi yang ramai. Anda dapat memahami teman Anda meskipun banyak percakapan lain dan kebisingan latar belakang mengelilingi Anda. Telinga Anda secara alami menekan suara yang tidak relevan—ini adalah masking. Suara kuat (keramaian) menutupi atau menyembunyikan suara yang lebih lemah (percakapan di dekatnya tetapi kurang penting) karena respons telinga bagian dalam terhadap suara kuat membanjiri pemrosesan sinyal suara yang lebih lemah. Insinyur audio menggunakan prinsip ini untuk menghapus atau mengompres detail yang tidak dapat didengar manusia, membuat file lebih kecil tanpa kehilangan kualitas yang terlihat.

Sejarah

Zwicker merintis psikoakustik pada tahun 1960-an, mengukur dan memodelkan ambang batas masking baik dalam frekuensi maupun waktu. Moore dan lainnya menyempurnakan pemahaman tentang bandwidth kritis dan mekanika membran basilar. Karya Johnston tahun 1988 menerapkan masking pada pengkodean audio, meletakkan dasar bagi codec perseptual. MPEG dan ISO menstandarisasi model masking pada tahun 1990-an (MP3, AAC); varian codec modern (OPUS, LAME) menggunakan model masking canggih untuk mengoptimalkan kompresi.

Kapan digunakan

Terapkan model masking psikoakustik dalam kompresi audio (MP3, AAC, OPUS), peningkatan audio dan pengurangan kebisingan, desain alat bantu dengar, penilaian kejelasan ucapan, dan rendering audio virtual. Masking sangat penting untuk desain codec perseptual di mana ukuran file dan bandwidth penting. Masking kurang relevan ketika fidelitas audio adalah yang terpenting (pencampuran studio) atau ketika metrik perseptual tidak diperlukan.

Batasan dan pertimbangan

  • Ambang batas masking sangat bervariasi antar individu; gangguan pendengaran, usia, dan perbedaan individu mengurangi prediktabilitas pada beberapa pendengar.
  • Model masking mengasumsikan pemrosesan auditori linier; efek nonlinier (adaptasi kenyaringan, produk distorsi) tidak sepenuhnya tertangkap.
  • Masking temporal kurang terkarakterisasi dibandingkan masking frekuensi; model lebih sederhana dan kurang akurat untuk fenomena domain waktu (transien, artefak musik).
  • Sangat bergantung pada statistik sinyal; ambang batas masking berubah dengan spektrum, struktur temporal, dan jenis sinyal. Model mungkin tidak digeneralisasi di semua sinyal.
  • Variabilitas individu dan efek konteks (perhatian, kelelahan, paparan sebelumnya) memodulasi ambang batas masking; model tetap tidak dapat menangkap variasi ini.

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

Kelebihan

  • Berakar kuat pada fisiologi pendengaran; ambang batas masking berkorelasi dengan pengukuran getaran membran basilar dan pemrosesan koklea.
  • Memungkinkan kompresi audio yang dramatis (10:1 atau lebih tinggi) tanpa kehilangan kualitas yang dapat dipersepsikan dengan memanfaatkan keterbatasan pendengaran manusia daripada membuang data.
  • Berlaku di berbagai kondisi pendengaran dan lingkungan akustik; kurva masking cukup konsisten di antara pendengar dan konteks.
  • Implementasi komputasi yang sederhana dan efisien; model masking cocok dengan codec audio real-time dan alat bantu dengar dengan overhead CPU minimal.
  • Standar yang mapan (ISO/MPEG) dan penyempurnaan selama puluhan tahun; model masking matang dan andal dalam sistem audio komersial.

Penerapan

  • Kompresi dan streaming audio: MP3, AAC, OPUS, dan codec lainnya menggunakan model masking untuk mencapai kompresi 10–20:1 tanpa kehilangan kualitas yang terdengar; fundamental untuk streaming audio pada bandwidth terbatas.
  • Desain alat bantu dengar: menggabungkan model masking untuk menekan tinnitus dan meningkatkan ucapan dalam kebisingan sambil menghindari artefak yang dapat dipersepsikan oleh pengguna dengan gangguan pendengaran.
  • Peningkatan ucapan dan pengurangan kebisingan: menerapkan masking untuk mengidentifikasi dan menekan kebisingan di wilayah frekuensi-waktu di mana ia tertutup oleh ucapan, meningkatkan kejelasan.
  • Restorasi dan forensik audio: menggunakan masking untuk menentukan artefak degradasi mana dalam rekaman yang rusak yang signifikan secara perseptual; memandu prioritas restorasi.
  • Audio 3D dan desain suara spasial: memanfaatkan masking frekuensi dan temporal untuk mengurangi jumlah filter HRTF dan saluran audio spasial yang dibutuhkan untuk imersi realistis.
  • Produksi musik dan mixing: menggunakan pengetahuan masking untuk mencegah konflik frekuensi (masking instrumen oleh yang lain) dan mengoptimalkan pengaturan EQ dan kompresi untuk kejelasan.

Cara kerjanya

Cara kerjanya

1

Rekam atau sintesis sinyal audio yang berisi kebisingan masking (atau nada) dan sinyal uji (nada atau kebisingan dengan frekuensi dan intensitas bervariasi).

2

Normalisasi level sinyal, terapkan windowing domain frekuensi, dan dekomposisi sinyal ke dalam pita frekuensi (menggunakan filterbank atau analisis Fourier) untuk memungkinkan analisis masking spesifik pita.

3

Untuk setiap pita frekuensi, ukur ambang batas masking—level sinyal minimum dalam pita tersebut yang dapat dipersepsikan di hadapan kebisingan masking. Secara terpisah kuantifikasi masking frekuensi (satu frekuensi menutupi frekuensi di dekatnya) dan masking temporal (suara keras menutupi suara yang lebih lembut sebelum dan sesudahnya).

4

Sesuaikan model psikoakustik (misalnya, kurva masking ISO/MPEG) yang menghubungkan ambang batas masking dengan spektrum dan struktur temporal sinyal masking. Model biasanya memperhitungkan bandwidth kritis, eksitasi membran basilar, dan jendela integrasi temporal.

5

Gunakan ambang batas masking untuk menentukan komponen sinyal mana yang redundan secara perseptual dan dapat dibuang atau dikompres. Terapkan model masking dalam desain codec audio untuk mengalokasikan bit secara efisien: alokasikan lebih banyak bit ke sinyal yang tidak tertutup dan lebih sedikit ke sinyal yang tertutup.

Kesalahan umum

  • Kompresi yang terlalu agresif berdasarkan ambang batas masking; artefak yang biasanya tertutup dapat terdengar ketika beberapa sinyal digabungkan atau dalam konteks pendengaran yang berbeda.
  • Mengabaikan perbedaan individu dalam pendengaran; kurva masking standar mengasumsikan pendengaran normal. Pendengar dengan gangguan pendengaran mungkin memiliki pola masking yang berbeda.
  • Mengabaikan masking temporal saat mengompres sinyal kaya transien (ucapan, musik perkusi); alokasi bit-rate tinggi pada transien menghindari artefak 'pre-echo'.
  • Mengasumsikan model masking yang dilatih pada stimulus sederhana (gelombang sinus, kebisingan pita sempit) berlaku untuk musik atau ucapan yang kompleks. Sinyal dunia nyata dapat berperilaku berbeda.
  • Lupa bahwa ambang batas masking adalah nilai absolut; kenyaringan relatif juga memengaruhi kualitas yang dirasakan. Artefak yang tertutup mungkin tidak terdengar secara terisolasi tetapi terlihat dalam konteks.

Pertanyaan yang sering diajukan

Apa perbedaan antara masking frekuensi dan masking temporal?

Masking frekuensi (spektral) terjadi ketika satu rentang frekuensi menutupi persepsi suara di frekuensi terdekat (misalnya, bass frekuensi rendah yang keras menutupi pendengaran instrumen midrange). Masking temporal terjadi ketika suara keras menekan persepsi suara yang lebih lembut sebelum (pre-masking, ~5 ms) atau sesudahnya (post-masking, ~100 ms). Keduanya berkontribusi pada masking keseluruhan, tetapi masking temporal lebih sulit dimodelkan dan kurang dipahami.

Apa itu bandwidth kritis dan mengapa itu penting?

Bandwidth kritis adalah lebar wilayah frekuensi di mana masking paling kuat; ini mewakili 'penyetelan' efektif koklea (telinga bagian dalam). Di bawah 500 Hz, bandwidth kritis kira-kira 100 Hz; di atas 2 kHz, ia melebar. Codec audio menggunakan bandwidth kritis untuk mengelompokkan bin frekuensi untuk analisis masking dan alokasi bit—frekuensi dalam pita kritis sering diperlakukan sebagai satu unit.

Seberapa banyak audio dapat dikompres menggunakan masking?

Rasio kompresi tipikal adalah 10–20:1 untuk ucapan dan 8–12:1 untuk musik tanpa kehilangan kualitas yang terlihat (MP3 pada 128 kbps, AAC pada 96 kbps). Kompresi agresif (40:1, 64 kbps) menimbulkan artefak yang terdengar (pre-echo, hilangnya detail transien, artefak nada). Rasio yang dapat dicapai tergantung pada konten sinyal, kualitas model masking, dan ketajaman pendengaran pendengar.

Bisakah pendengar dengan gangguan pendengaran mempersepsikan suara yang dianggap tertutup oleh pendengar normal?

Ya. Gangguan pendengaran dapat menggeser ambang batas masking. Beberapa pendengar dengan gangguan pendengaran memiliki ambang batas yang meningkat (membutuhkan sinyal yang lebih keras) atau ketergantungan frekuensi yang berbeda. Selain itu, rekrutmen (pertumbuhan kenyaringan) dapat membuat sinyal yang tertutup dapat dipersepsikan pada level yang lebih tinggi. Model masking standar mengasumsikan pendengaran normal; kustomisasi diperlukan untuk aplikasi bagi mereka yang memiliki gangguan pendengaran.

Artefak apa yang timbul dari estimasi ambang batas masking yang tidak tepat?

Estimasi masking yang kurang (mengalokasikan terlalu sedikit bit) menyebabkan kebisingan kuantisasi yang terdengar, pre-echo (artefak sebelum transien), dan penyebaran temporal. Estimasi masking yang berlebihan (mengalokasikan terlalu banyak bit) membuang ruang tetapi memastikan kualitas tinggi. Artefak yang paling umum adalah dengungan nada (kuantisasi komponen amplitudo rendah) dan hilangnya detail spasial dalam audio multi-saluran.

Metode terkait

Sumber

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

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

    ISBN: 978-0123914232
    Disalin.
  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.

    Buka referensi DOI
    Disalin.