Scale Bark e Mel
- Introdotto da
- Eberhard Zwicker, Stanley Smith Stevens
- Anno
- 1937
- Tipo
- Perceptual frequency mapping
- Famiglia
- Psychoacoustics
Questo testo è una traduzione automatica e non è ancora stato revisionato. Leggi l’originale in inglese
A cosa serve?
Le scale Bark e Mel sono scale percettive di frequenza che mappano la frequenza fisica (Hz) all'intonazione percepita e alla percezione uditiva.
Formalizzate da Zwicker (Bark, 1961) e Stevens (Mel, 1937), queste scale non lineari riflettono come l'orecchio umano elabora il suono. La scala Bark divide l'udito in 24 bande critiche; la scala Mel modella la percezione dell'intonazione. Entrambe sono essenziali per l'estrazione di caratteristiche audio, l'elaborazione del parlato e la progettazione di sistemi audio allineati con l'udito umano.
L’intuizione alla base del metodo
L'orecchio non percepisce la frequenza in modo lineare. Uno spostamento di 100 Hz da 100 Hz a 200 Hz suona come un grande cambiamento (un'ottava), ma lo stesso spostamento da 5100 Hz a 5200 Hz è appena percettibile. Le scale Bark e Mel mappano la frequenza in uno spazio percettivo dove distanze uguali rappresentano differenze percepite uguali. La scala Bark si concentra sulla discriminazione di frequenza (pattern di mascheramento); la scala Mel si concentra sull'intonazione (melodia e tono).
Storia
Stevens, Volkmann e Newman introdussero la scala Mel nel 1937 per quantificare la percezione dell'intonazione in intervalli ugualmente percepiti (melodia). Zwicker sviluppò la scala Bark nel 1961, basata su misurazioni della banda critica e fenomeni di mascheramento. Entrambe divennero fondamentali per la psicoacustica e la progettazione di codec audio. Raffinamenti moderni (es. filtri Gammatone, Mel-spettrogrammi) forniscono modelli percettivi più accurati. L'apprendimento automatico sui Mel-spettrogrammi è diventato standard nell'IA del parlato e della musica.
Quando usarlo
Utilizzare la scala Bark per la progettazione di codec audio, la codifica audio percettiva e l'analisi degli effetti di mascheramento. Utilizzare la scala Mel per l'elaborazione del parlato, il recupero di informazioni musicali, il riconoscimento dell'oratore e l'apprendimento automatico su caratteristiche audio. Entrambe sono applicabili alla progettazione di apparecchi acustici, al restauro audio e alle metriche di qualità audio percettiva.
Limiti e considerazioni
- Le scale Bark e Mel sono approssimazioni empiriche; la banda critica esatta varia con il livello, il contesto di frequenza e gli ascoltatori individuali.
- Mappature non invertibili (la trasformazione in avanti perde informazioni); la ricostruzione precisa della frequenza è complessa e può introdurre artefatti.
- Entrambe le scale sono modelli medi per ascoltatori con udito normale; la perdita uditiva, l'età e le differenze individuali modulano la banda critica e la percezione dell'intonazione.
- Costo computazionale: la conversione tra Hz e Bark/Mel richiede funzioni trascendentali (logaritmo, arcotangente); tabelle di ricerca e approssimazioni sono comuni.
- Limitate alla percezione monaurale (un orecchio); l'udito binaurale (due orecchie) e l'audio spaziale richiedono modellazione aggiuntiva.
Le condizioni della fonte non sostituiscono una revisione scientifica indipendente né la validazione da parte di un motore di analisi.
Punti di forza
- Allineare l'analisi con la percezione uditiva umana; le caratteristiche derivate nello spazio Bark/Mel correlano meglio con la qualità audio soggettiva e le preferenze dell'ascoltatore.
- Comprimere le informazioni ad alta frequenza: sono necessari meno 'canali' percettivi alle alte frequenze, riducendo il costo computazionale nei codec audio.
- Il concetto di banda critica predice il mascheramento: le regioni all'interno di un Bark sono soggette a mascheramento condiviso, semplificando la progettazione di codec percettivi.
- Ben consolidate e standardizzate; ampiamente utilizzate in codec audio commerciali (MP3, AAC) e sistemi di riconoscimento vocale.
- Flessibili: le scale Bark e Mel possono essere combinate con altre tecniche (curve di loudness, compressione) per una modellazione percettiva raffinata.
Applicazioni
- Codec audio e streaming: MP3, AAC, OPUS utilizzano filtri su scala Bark per la quantizzazione percettiva; varianti su scala Mel utilizzate in alcuni codec moderni.
- Riconoscimento automatico del parlato e verifica dell'oratore: i coefficienti cepstrali di frequenza Mel (MFCC) derivati da spettrogrammi su scala Mel sono caratteristiche standard per l'elaborazione del parlato.
- Recupero di informazioni musicali e classificazione di genere: i Mel-spettrogrammi consentono l'estrazione di caratteristiche musicali e l'apprendimento profondo sull'audio.
- Progettazione di apparecchi acustici e impianti cocleari: la banda critica (scala Bark) informa la progettazione dei canali e l'allocazione delle frequenze negli impianti.
- Restauro audio e miglioramento del parlato: le scale percettive guidano la rimozione di artefatti e la soppressione del rumore allineate con l'udito.
- Valutazione della qualità audio: metriche percettive (PESQ, PEMO-Q) utilizzano le scale Bark e Mel per prevedere la qualità audio soggettiva.
Come funziona
Come funziona
Acquisire un segnale audio o una rappresentazione nel dominio della frequenza (spettro FFT) da analizzare o visualizzare.
Calcolare lo spettro di potenza utilizzando tecniche standard di windowing e FFT. Preparare l'array di frequenza in Hz.
Convertire la scala di frequenza lineare (Hz) in scale percettive: Bark: z = 13 * arctan(0.76f/1000) + 3.5 * arctan((f/7500)²), Mel: m = 2595 * log10(1 + f/700). Queste formule mappano Hz → unità percettive.
Utilizzare la scala di frequenza percettiva per progettare caratteristiche selettive in frequenza (filtri, spettrogrammi) allineate con l'elaborazione uditiva. Calcolare la banda critica a ciascuna frequenza: BW ≈ 25 + 75(1 + 1.4(f/1000)²)^0.69 in Hz, che nello spazio Bark è approssimativamente costante (1 Bark ≈ banda critica).
Visualizzare gli spettri in scala Bark o Mel per un'interpretazione percettivamente accurata. Confrontare l'importanza delle caratteristiche: in Hz lineare, le alte frequenze dominano visivamente ma potrebbero essere meno importanti percettivamente; in Bark/Mel, l'enfasi si sposta verso regioni percettivamente salienti.
Errori comuni
- Presupponendo che le scale Bark e Mel siano percettivamente identiche; modellano aspetti diversi (discriminazione di frequenza vs. intonazione), e la scelta dipende dall'applicazione.
- Utilizzo di una singola scala Bark/Mel per tutte le frequenze; la banda critica varia con la frequenza, e alcuni modelli raffinati (es. Equivalent Rectangular Bandwidth) sono più accurati.
- Trascurare gli effetti dipendenti dal livello: la banda critica e il mascheramento scalano con il livello sonoro; le assunzioni di banda critica costante sono approssimazioni.
- Sovra-compressione delle alte frequenze utilizzando la scala Bark senza validazione percettiva; la qualità audio percepita dipende dal contesto generale, non solo dalla deformazione della frequenza.
- Confusione tra conversione Bark/Mel e qualità percettiva; la trasformazione in scala Bark non garantisce un audio percettivamente ottimale, solo l'allineamento con le bande critiche.
Domande frequenti
Qual è la differenza tra le scale Bark e Mel?
La scala Bark modella la discriminazione di frequenza e la banda critica—come l'orecchio raggruppa frequenze vicine in bande di mascheramento. La scala Mel modella la percezione dell'intonazione—come la frequenza si mappa alla melodia percepita. La scala Bark è più o meno uniforme nel senso percettivo (1 Bark ≈ una banda critica); la scala Mel modella l'intonazione soggettiva (ottave, intervalli musicali). Usare Bark per codec e analisi di mascheramento; Mel per intonazione e elaborazione del parlato.
Cosa rappresenta una banda Bark in Hz?
Una Bark non è costante in Hz; rappresenta una banda critica, che varia con la frequenza. A 100 Hz, 1 Bark ≈ 100 Hz; a 1 kHz, 1 Bark ≈ 130 Hz; a 10 kHz, 1 Bark ≈ 700+ Hz. Ciò significa che l'orecchio risolve finemente i dettagli a bassa frequenza ma raggruppa grossolanamente i dettagli ad alta frequenza.
Quante bande Bark ci sono nell'udito umano?
L'udito umano copre circa 24 bande Bark, corrispondenti a unità di banda critica nell'intero spettro udibile (≈20 Hz a 20 kHz). Questa è la base per molti codec audio, che utilizzano filtri a 24 bande allineati alla spaziatura Bark.
Perché i Mel-spettrogrammi sono così popolari nel riconoscimento vocale?
I Mel-spettrogrammi comprimono i dettagli ad alta frequenza preservando le informazioni a bassa frequenza rilevanti per il parlato (intonazione, formanti). Si allineano con il modo in cui gli esseri umani percepiscono il parlato, rendendo le caratteristiche apprese più robuste. Le reti neurali profonde addestrate su Mel-spettrogrammi generalizzano meglio tra oratori e accenti.
Posso combinare le scale Bark e Mel in un'unica analisi?
Sì. Utilizzare la scala Bark per l'analisi di codec e mascheramento; calcolare separatamente le caratteristiche su scala Mel per l'estrazione di intonazione e melodia. Sono complementari: Bark per la meccanica uditiva, Mel per l'intonazione percettiva. Alcuni sistemi audio avanzati utilizzano entrambe, sovrapponendo la discriminazione di frequenza (Bark) alla percezione dell'intonazione (Mel).
Metodi correlati
Fonti
Zwicker, E. (1961). Subdivision of the audible frequency range into critical bands. Journal of the Acoustical Society of America, 33(2), 248–248.
Apri il riferimento della pubblicazioneCopiato.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.
Apri il riferimento DOICopiato.Moore, B. C. J. (2012). An Introduction to the Psychology of Hearing (6th ed.). Academic Press.
ISBN: 978-0123914232Copiato.