Escalas Bark e Mel
- Proposto por
- Eberhard Zwicker, Stanley Smith Stevens
- Ano
- 1937
- Tipo
- Perceptual frequency mapping
- Família
- Psychoacoustics
Este texto é uma tradução automática e ainda não foi revisado. Ler o original em inglês
O que ele faz?
As escalas Bark e Mel são escalas perceptuais de frequência que mapeiam a frequência física (Hz) para o tom percebido e a percepção auditiva.
Formalizadas por Zwicker (Bark, 1961) e Stevens (Mel, 1937), essas escalas não lineares refletem como o ouvido humano processa o som. A escala Bark divide a audição em 24 bandas críticas; a escala Mel modela a percepção do tom. Ambas são essenciais para a extração de características de áudio, processamento de fala e projeto de sistemas de áudio que se alinham com a audição humana.
A intuição por trás do método
O ouvido não percebe a frequência linearmente. Uma mudança de 100 Hz de 100 Hz para 200 Hz soa como uma grande mudança (oitava), mas a mesma mudança de 5100 Hz para 5200 Hz é mal perceptível. As escalas Bark e Mel mapeiam a frequência para um espaço perceptual onde distâncias iguais representam diferenças percebidas iguais. A escala Bark foca na discriminação de frequência (padrões de mascaramento); a escala Mel foca no tom (melodia e sonoridade).
História
Stevens, Volkmann e Newman introduziram a escala Mel em 1937 para quantificar a percepção do tom em intervalos de igual aparência (melodia). Zwicker desenvolveu a escala Bark em 1961, com base em medições de largura de banda crítica e fenômenos de mascaramento. Ambas se tornaram fundamentais para a psicoacústica e o projeto de codecs de áudio. Refinamentos modernos (por exemplo, bancos de filtros Gammatone, Mel-espectrogramas) fornecem modelos perceptuais mais precisos. O aprendizado de máquina em Mel-espectrogramas tornou-se padrão em IA de fala e música.
Quando usar
Usar a escala Bark para projeto de codecs de áudio, codificação perceptual de áudio e análise de efeitos de mascaramento. Usar a escala Mel para processamento de fala, recuperação de informação musical, reconhecimento de locutor e aprendizado de máquina em características de áudio. Ambas são aplicáveis ao projeto de aparelhos auditivos, restauração de áudio e métricas de qualidade perceptual de áudio.
Limitações e considerações
- As escalas Bark e Mel são aproximações empíricas; a largura de banda crítica exata varia com o nível, contexto de frequência e ouvintes individuais.
- Mapeamentos não invertíveis (a transformação direta perde informação); a reconstrução precisa da frequência é complexa e pode introduzir artefatos.
- Ambas as escalas são modelos médios para ouvintes com audição normal; perda auditiva, idade e diferenças individuais modulam a largura de banda crítica e a percepção do tom.
- Custo computacional: a conversão entre Hz e Bark/Mel requer funções transcendentais (logaritmo, arco tangente); tabelas de consulta e aproximações são comuns.
- Limitadas à percepção monoaural (um ouvido); a audição binaural (dois ouvidos) e o áudio espacial requerem modelagem adicional.
As condições da fonte não substituem a revisão científica independente nem a validação por um motor de análise.
Pontos fortes
- Alinhar a análise com a percepção auditiva humana; características derivadas no espaço Bark/Mel correlacionam-se melhor com a qualidade subjetiva do áudio e a preferência do ouvinte.
- Comprimir informações de alta frequência: menos 'canais' perceptuais são necessários em altas frequências, reduzindo o custo computacional em codecs de áudio.
- O conceito de largura de banda crítica prevê o mascaramento: regiões dentro de um Bark estão sujeitas a mascaramento compartilhado, simplificando o projeto de codecs perceptuais.
- Bem estabelecidas e padronizadas; amplamente utilizadas em codecs de áudio comerciais (MP3, AAC) e sistemas de reconhecimento de fala.
- Flexíveis: as escalas Bark e Mel podem ser combinadas com outras técnicas (curvas de loudness, compressão) para modelagem perceptual refinada.
Aplicações
- Codec e streaming de áudio: MP3, AAC, OPUS usam bancos de filtros em escala Bark para quantização perceptual; variantes em escala Mel são usadas em alguns codecs modernos.
- Reconhecimento automático de fala e verificação de locutor: coeficientes cepstrais de frequência Mel (MFCCs) derivados de Mel-espectrogramas são características padrão para processamento de fala.
- Recuperação de informação musical e classificação de gênero: Mel-espectrogramas permitem a extração de características musicais e aprendizado profundo em áudio.
- Projeto de aparelhos auditivos e implantes cocleares: a largura de banda crítica (escala Bark) informa o projeto de canais e a alocação de frequência em implantes.
- Restauração de áudio e aprimoramento de fala: escalas perceptuais guiam a remoção de artefatos e a supressão de ruído alinhadas com a audição.
- Avaliação da qualidade de áudio: métricas perceptuais (PESQ, PEMO-Q) usam escalas Bark e Mel para prever a qualidade subjetiva do áudio.
Como funciona
Como funciona
Adquirir um sinal de áudio ou representação no domínio da frequência (espectro FFT) a ser analisado ou exibido.
Calcular o espectro de potência usando técnicas padrão de janelamento e FFT. Preparar o array de frequência em Hz.
Converter a escala de frequência linear (Hz) para escalas perceptuais: Bark: z = 13 * arctan(0.76f/1000) + 3.5 * arctan((f/7500)²), Mel: m = 2595 * log10(1 + f/700). Essas fórmulas mapeiam Hz → unidades perceptuais.
Usar a escala de frequência perceptual para projetar características de frequência seletiva (bancos de filtros, espectrogramas) alinhadas com o processamento auditivo. Calcular a largura de banda crítica em cada frequência: BW ≈ 25 + 75(1 + 1.4(f/1000)²)^0.69 em Hz, que em escala Bark é aproximadamente constante (1 Bark ≈ largura de banda crítica).
Visualizar espectros em escala Bark ou Mel para interpretação perceptualmente precisa. Comparar a importância das características: em Hz linear, altas frequências dominam visualmente, mas podem ser menos importantes perceptualment; em Bark/Mel, a ênfase muda para regiões perceptualment salientes.
Erros comuns
- Assumindo que as escalas Bark e Mel são perceptualment idênticas; elas modelam aspectos diferentes (discriminação de frequência vs. tom), e a escolha depende da aplicação.
- Usando uma única escala Bark/Mel para todas as frequências; a largura de banda crítica varia com a frequência, e alguns modelos refinados (por exemplo, Largura de Banda Retangular Equivalente) são mais precisos.
- Negligenciando efeitos dependentes do nível: a largura de banda crítica e o mascaramento escalam com o nível do som; suposições de largura de banda crítica constante são aproximações.
- Supercompressão de altas frequências usando a escala Bark sem validação perceptual; a qualidade percebida do áudio depende do contexto geral, não apenas da distorção de frequência.
- Confundir a conversão Bark/Mel com qualidade perceptual; transformar para a escala Bark não garante áudio perceptualment ótimo, apenas alinhamento com as bandas críticas.
Perguntas frequentes
Qual é a diferença entre as escalas Bark e Mel?
A escala Bark modela a discriminação de frequência e a largura de banda crítica — como o ouvido agrupa frequências próximas em bandas de mascaramento. A escala Mel modela a percepção do tom — como a frequência se mapeia para a melodia percebida. A escala Bark é uniforme no sentido perceptual (1 Bark ≈ uma banda crítica); a escala Mel modela o tom subjetivo (oitavas, intervalos musicais). Use Bark para análise de codec e mascaramento; Mel para tom e processamento de fala.
O que um banda Bark representa em Hz?
Um Bark não é constante em Hz; representa uma largura de banda crítica, que varia com a frequência. A 100 Hz, 1 Bark ≈ 100 Hz; a 1 kHz, 1 Bark ≈ 130 Hz; a 10 kHz, 1 Bark ≈ 700+ Hz. Isso significa que o ouvido resolve detalhes de baixa frequência finamente, mas agrupa detalhes de alta frequência grosseiramente.
Quantas bandas Bark existem na audição humana?
A audição humana abrange aproximadamente 24 bandas Bark, correspondendo a unidades de largura de banda crítica em todo o espectro audível (≈20 Hz a 20 kHz). Esta é a base para muitos codecs de áudio, que usam bancos de filtros de 24 bandas alinhados ao espaçamento Bark.
Por que os Mel-espectrogramas são tão populares no reconhecimento de fala?
Mel-espectrogramas comprimem detalhes de alta frequência enquanto preservam informações de baixa frequência relevantes para a fala (tom, formantes). Eles se alinham com a forma como os humanos percebem a fala, tornando as características aprendidas mais robustas. Redes neurais profundas treinadas em Mel-espectrogramas generalizam melhor entre locutores e sotaques.
Posso combinar as escalas Bark e Mel em uma análise?
Sim. Use a escala Bark para análise de codec e mascaramento; calcule características em escala Mel separadamente para extração de tom e melodia. Elas são complementares: Bark para mecânica auditiva, Mel para tom perceptual. Alguns sistemas de áudio avançados usam ambas, sobrepondo a discriminação de frequência (Bark) com a percepção do tom (Mel).
Métodos relacionados
Fontes
Zwicker, E. (1961). Subdivision of the audible frequency range into critical bands. Journal of the Acoustical Society of America, 33(2), 248–248.
Abrir referência da publicaçãoCopiado.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.
Abrir referência DOICopiado.Moore, B. C. J. (2012). An Introduction to the Psychology of Hearing (6th ed.). Academic Press.
ISBN: 978-0123914232Copiado.