Mascheramento Psicoacustico
- Introdotto da
- Eberhard Zwicker
- Anno
- 1961
- Tipo
- Perceptual model for audio systems
- Famiglia
- Psychoacoustics, Auditory perception
Questo testo è una traduzione automatica e non è ancora stato revisionato. Leggi l’originale in inglese
A cosa serve?
Il mascheramento psicoacustico descrive come il sistema uditivo umano sopprime la percezione di suoni deboli in presenza di suoni più forti.
Formalizzato da Eberhard Zwicker negli anni '60, il mascheramento è un fenomeno fondamentale dell'udito e la base per la codifica percettiva dell'audio (MP3, AAC, OPUS). Il mascheramento si verifica sia in frequenza (mascheramento spettrale) che nel tempo (mascheramento temporale), e la comprensione di questi effetti consente una compressione audio efficiente e un sound design realistico.
L’intuizione alla base del metodo
Immagina una conversazione tranquilla in un caffè affollato. Puoi capire il tuo amico anche se molte altre conversazioni e rumori di fondo ti circondano. Il tuo orecchio sopprime naturalmente i suoni irrilevanti: questo è mascheramento. Suoni forti (la folla) mascherano o nascondono suoni deboli (conversazioni vicine ma meno importanti) perché la risposta dell'orecchio interno al suono forte sopraffà l'elaborazione del segnale dei suoni più deboli. Gli ingegneri audio utilizzano questo principio per rimuovere o comprimere dettagli che gli esseri umani non possono sentire, rendendo i file più piccoli senza perdita di qualità percettibile.
Storia
Zwicker ha aperto la strada alla psicoacustica negli anni '60, misurando e modellando le soglie di mascheramento sia in frequenza che nel tempo. Moore e altri hanno affinato la comprensione della banda critica e della meccanica della membrana basilare. Il lavoro di Johnston del 1988 ha applicato il mascheramento alla codifica audio, ponendo le basi per i codec percettivi. MPEG e ISO hanno standardizzato i modelli di mascheramento negli anni '90 (MP3, AAC); le moderne varianti di codec (OPUS, LAME) utilizzano sofisticati modelli di mascheramento per ottimizzare la compressione.
Quando usarlo
Applicare modelli di mascheramento psicoacustico nella compressione audio (MP3, AAC, OPUS), nel miglioramento audio e nella riduzione del rumore, nella progettazione di apparecchi acustici, nella valutazione dell'intelligibilità del parlato e nel rendering audio virtuale. Il mascheramento è essenziale per la progettazione di codec percettivi in cui le dimensioni del file e la larghezza di banda sono importanti. Il mascheramento è meno rilevante quando la fedeltà audio è fondamentale (mixaggio in studio) o quando non sono richieste metriche percettive.
Limiti e considerazioni
- Le soglie di mascheramento variano sostanzialmente tra gli individui; la perdita uditiva, l'età e le differenze individuali riducono la prevedibilità in alcuni ascoltatori.
- I modelli di mascheramento assumono un'elaborazione uditiva lineare; gli effetti non lineari (adattamento della loudness, prodotti di distorsione) non sono completamente catturati.
- Il mascheramento temporale è meno ben caratterizzato del mascheramento in frequenza; i modelli sono più semplici e meno accurati per i fenomeni nel dominio temporale (transienti, artefatti musicali).
- Dipende criticamente dalle statistiche del segnale; le soglie di mascheramento cambiano con lo spettro, la struttura temporale e il tipo di segnale. I modelli potrebbero non generalizzare a tutti i segnali.
- La variabilità individuale e gli effetti contestuali (attenzione, affaticamento, esposizione precedente) modulano le soglie di mascheramento; modelli fissi non possono catturare queste variazioni.
Le condizioni della fonte non sostituiscono una revisione scientifica indipendente né la validazione da parte di un motore di analisi.
Punti di forza
- Ben fondato sulla fisiologia uditiva; le soglie di mascheramento sono correlate alle misurazioni della vibrazione della membrana basilare e dell'elaborazione cocleare.
- Consente una drastica compressione audio (10:1 o superiore) senza perdita di qualità percettibile sfruttando i limiti dell'udito umano anziché scartare dati.
- Si applica a un'ampia gamma di condizioni di ascolto e ambienti acustici; le curve di mascheramento sono abbastanza coerenti tra gli ascoltatori e i contesti.
- Implementazione computazionale semplice ed efficiente; i modelli di mascheramento si adattano a codec audio in tempo reale e apparecchi acustici con un overhead di CPU minimo.
- Standard consolidati (ISO/MPEG) e decenni di affinamento; i modelli di mascheramento sono maturi e affidabili nei sistemi audio commerciali.
Applicazioni
- Compressione e streaming audio: MP3, AAC, OPUS e altri codec utilizzano modelli di mascheramento per ottenere compressioni 10–20:1 senza perdita di qualità udibile; fondamentale per lo streaming audio su larghezza di banda limitata.
- Progettazione di apparecchi acustici: incorporare modelli di mascheramento per sopprimere l'acufene e migliorare il parlato nel rumore evitando artefatti che sarebbero percepibili dagli utenti ipoacusici.
- Miglioramento del parlato e riduzione del rumore: applicare il mascheramento per identificare e sopprimere il rumore nelle regioni spazio-temporali in cui è mascherato dal parlato, migliorando l'intelligibilità.
- Restauro audio e forensica: utilizzare il mascheramento per determinare quali artefatti di degradazione nelle registrazioni danneggiate sono percettivamente significativi; guidare le priorità di restauro.
- Audio 3D e sound design spaziale: sfruttare il mascheramento in frequenza e temporale per ridurre il numero di filtri HRTF e canali audio spaziali necessari per un'immersione realistica.
- Produzione musicale e mixaggio: utilizzare la conoscenza del mascheramento per prevenire conflitti di frequenza (mascheramento di strumenti da parte di altri) e ottimizzare le impostazioni di EQ e compressione per la chiarezza.
Come funziona
Come funziona
Registrare o sintetizzare un segnale audio contenente sia rumore di mascheramento (o toni) sia segnali di test (toni o rumore di frequenza e intensità variabili).
Normalizzare i livelli del segnale, applicare il windowing nel dominio della frequenza e scomporre il segnale in bande di frequenza (utilizzando filtri passa-banda o analisi di Fourier) per consentire l'analisi del mascheramento specifica per banda.
Per ogni banda di frequenza, misurare la soglia di mascheramento: il livello minimo del segnale in quella banda che può essere percepito in presenza di rumore di mascheramento. Quantificare separatamente il mascheramento in frequenza (una frequenza maschera frequenze vicine) e il mascheramento temporale (un suono forte maschera suoni più deboli prima e dopo).
Adattare modelli psicoacustici (ad es., curve di mascheramento ISO/MPEG) che mettono in relazione la soglia di mascheramento con lo spettro e la struttura temporale del segnale mascherante. I modelli tipicamente tengono conto della banda critica, dell'eccitazione della membrana basilare e delle finestre di integrazione temporale.
Utilizzare le soglie di mascheramento per determinare quali componenti del segnale sono percettivamente ridondanti e possono essere scartati o compressi. Applicare modelli di mascheramento nella progettazione di codec audio per allocare i bit in modo efficiente: allocare più bit ai segnali non mascherati e meno a quelli mascherati.
Errori comuni
- Compressione eccessivamente aggressiva basata sulle soglie di mascheramento; gli artefatti normalmente mascherati possono diventare udibili quando più segnali vengono combinati o in contesti di ascolto diversi.
- Trascurare le differenze individuali nell'udito; le curve di mascheramento standard assumono un udito normale. Gli ascoltatori con ipoacusia possono avere schemi di mascheramento diversi.
- Ignorare il mascheramento temporale durante la compressione di segnali ricchi di transienti (parlato, musica percussiva); l'allocazione di bit ad alto tasso sui transienti evita artefatti di 'pre-eco'.
- Assumere che i modelli di mascheramento addestrati su stimoli semplici (onde sinusoidali, rumore a banda stretta) si applichino a musica o parlato complessi. I segnali del mondo reale possono comportarsi diversamente.
- Dimenticare che le soglie di mascheramento sono valori assoluti; anche la loudness relativa influisce sulla qualità percepita. Un artefatto mascherato può essere inudibile in isolamento ma notevole nel contesto.
Domande frequenti
Qual è la differenza tra mascheramento in frequenza e mascheramento temporale?
Il mascheramento in frequenza (spettrale) si verifica quando una gamma di frequenze maschera la percezione di suoni in frequenze vicine (ad es., un basso forte maschera l'udito di strumenti di gamma media). Il mascheramento temporale si verifica quando un suono forte sopprime la percezione di suoni più deboli prima di esso (pre-mascheramento, ~5 ms) o dopo di esso (post-mascheramento, ~100 ms). Entrambi contribuiscono al mascheramento complessivo, ma il mascheramento temporale è più difficile da modellare e meno compreso.
Cos'è la banda critica e perché è importante?
La banda critica è la larghezza della regione di frequenza all'interno della quale il mascheramento è più forte; rappresenta la 'sintonizzazione' effettiva della coclea (orecchio interno). Sotto i 500 Hz, la banda critica è di circa 100 Hz; sopra i 2 kHz, si allarga. I codec audio utilizzano la banda critica per raggruppare le bin di frequenza per l'analisi del mascheramento e l'allocazione dei bit: le frequenze all'interno di una banda critica sono spesso trattate come un'unità.
Quanto si può comprimere l'audio usando il mascheramento?
I rapporti di compressione tipici sono 10–20:1 per il parlato e 8–12:1 per la musica senza perdita di qualità percettibile (MP3 a 128 kbps, AAC a 96 kbps). Una compressione aggressiva (40:1, 64 kbps) introduce artefatti udibili (pre-eco, perdita di dettagli transienti, artefatti tonali). Il rapporto ottenibile dipende dal contenuto del segnale, dalla qualità del modello di mascheramento e dall'acuità uditiva dell'ascoltatore.
Gli ascoltatori ipoacusici possono percepire suoni che gli ascoltatori normali trovano mascherati?
Sì. La perdita uditiva può spostare le soglie di mascheramento. Alcuni ascoltatori ipoacusici hanno soglie elevate (necessitano di segnali più forti) o una diversa dipendenza dalla frequenza. Inoltre, il reclutamento (crescita della loudness) può rendere percepibili i segnali mascherati a livelli più alti. I modelli di mascheramento standard assumono un udito normale; è necessaria la personalizzazione per applicazioni per ipoacusici.
Quali artefatti derivano da una stima errata della soglia di mascheramento?
Una sottostima del mascheramento (allocando troppi pochi bit) causa rumore di quantizzazione udibile, pre-eco (artefatti prima dei transienti) e diffusione temporale. Una sovrastima del mascheramento (allocando troppi bit) spreca spazio ma garantisce alta qualità. Gli artefatti più comuni sono ronzii tonali (quantizzazione di componenti a bassa ampiezza) e perdita di dettaglio spaziale nell'audio multicanale.
Metodi correlati
Fonti
Zwicker, E., & Scharf, B. (1965). Psychoacoustics: Facts and Models. Springer-Verlag.
ISBN: 978-3540631644Copiato.Moore, B. C. J. (2012). An Introduction to the Psychology of Hearing (6th ed.). Academic Press.
ISBN: 978-0123914232Copiato.Johnston, J. D. (1988). Transform coding of audio signals using perceptual noise criteria. IEEE Journal on Selected Areas in Communications, 6(2), 314–323.
Apri il riferimento DOICopiato.