Skip to content
Voltar aos resultados

Mascaramento Psicoacústico

Proposto por
Eberhard Zwicker
Ano
1961
Tipo
Perceptual model for audio systems
Família
Psychoacoustics, Auditory perception

Este texto é uma tradução automática e ainda não foi revisado. Ler o original em inglês

Tamanho da fonte

O que ele faz?

O mascaramento psicoacústico descreve como o sistema auditivo humano suprime a percepção de sons fracos na presença de sons mais fortes.

Formalizado por Eberhard Zwicker na década de 1960, o mascaramento é um fenômeno fundamental na audição e a base para a codificação perceptual de áudio (MP3, AAC, OPUS). O mascaramento ocorre tanto em frequência (mascaramento espectral) quanto em tempo (mascaramento temporal), e a compreensão desses efeitos permite compressão de áudio eficiente e design de som realista.

A intuição por trás do método

Imagine uma conversa tranquila em um café movimentado. Você consegue entender seu amigo, embora muitas outras conversas e ruído de fundo o cercem. Seu ouvido suprime naturalmente os sons irrelevantes - isso é mascaramento. Sons fortes (a multidão) mascaram ou escondem sons fracos (conversas próximas, mas menos importantes) porque a resposta do ouvido interno ao som forte sobrecarrega o processamento do sinal de sons mais fracos. Engenheiros de áudio usam esse princípio para remover ou comprimir detalhes que os humanos não conseguem ouvir, tornando os arquivos menores sem perda perceptível de qualidade.

História

Zwicker foi pioneiro na psicoacústica na década de 1960, medindo e modelando limiares de mascaramento em frequência e tempo. Moore e outros refinaram a compreensão da largura de banda crítica e da mecânica da membrana basilar. O trabalho de Johnston em 1988 aplicou o mascaramento à codificação de áudio, estabelecendo a base para codecs perceptuais. MPEG e ISO padronizaram modelos de mascaramento na década de 1990 (MP3, AAC); variantes modernas de codecs (OPUS, LAME) usam modelos de mascaramento sofisticados para otimizar a compressão.

Quando usar

Aplicar modelos de mascaramento psicoacústico em compressão de áudio (MP3, AAC, OPUS), aprimoramento de áudio e redução de ruído, design de aparelhos auditivos, avaliação de inteligibilidade da fala e renderização de áudio virtual. O mascaramento é essencial para o design de codecs perceptuais onde o tamanho do arquivo e a largura de banda são importantes. O mascaramento é menos relevante quando a fidelidade do áudio é primordial (mixagem de estúdio) ou quando métricas perceptuais não são necessárias.

Limitações e considerações

  • Os limiares de mascaramento variam substancialmente entre os indivíduos; perda auditiva, idade e diferenças individuais reduzem a previsibilidade em alguns ouvintes.
  • Os modelos de mascaramento assumem processamento auditivo linear; efeitos não lineares (adaptação de volume, produtos de distorção) não são totalmente capturados.
  • O mascaramento temporal é menos bem caracterizado do que o mascaramento de frequência; os modelos são mais simples e menos precisos para fenômenos no domínio do tempo (transientes, artefatos musicais).
  • Depende criticamente das estatísticas do sinal; os limiares de mascaramento mudam com o espectro, a estrutura temporal e o tipo de sinal. Os modelos podem não generalizar para todos os sinais.
  • Variabilidade individual e efeitos de contexto (atenção, fadiga, exposição prévia) modulam os limiares de mascaramento; modelos fixos não podem capturar essas variações.

As condições da fonte não substituem a revisão científica independente nem a validação por um motor de análise.

Pontos fortes

  • Bem fundamentado na fisiologia auditiva; os limiares de mascaramento correlacionam-se com medições da vibração da membrana basilar e do processamento coclear.
  • Permite compressão de áudio dramática (10:1 ou superior) sem perda perceptível de qualidade, explorando as limitações da audição humana em vez de descartar dados.
  • Aplica-se a uma ampla gama de condições de audição e ambientes acústicos; as curvas de mascaramento são bastante consistentes entre ouvintes e contextos.
  • Implementação computacional simples e eficiente; os modelos de mascaramento se encaixam em codecs de áudio em tempo real e aparelhos auditivos com sobrecarga mínima de CPU.
  • Padrões estabelecidos (ISO/MPEG) e décadas de refinamento; os modelos de mascaramento são maduros e confiáveis em sistemas de áudio comerciais.

Aplicações

  • Compressão e streaming de áudio: MP3, AAC, OPUS e outros codecs usam modelos de mascaramento para atingir compressão de 10–20:1 sem perda de qualidade audível; fundamental para streaming de áudio em largura de banda limitada.
  • Design de aparelhos auditivos: incorporar modelos de mascaramento para suprimir zumbido e aprimorar a fala em ruído, evitando artefatos que seriam perceptíveis para usuários com deficiência auditiva.
  • Aprimoramento de fala e redução de ruído: aplicar mascaramento para identificar e suprimir ruído em regiões de frequência-tempo onde ele é mascarado pela fala, melhorando a inteligibilidade.
  • Restauração e forense de áudio: usar mascaramento para determinar quais artefatos de degradação em gravações danificadas são perceptualmentes significativos; guiar prioridades de restauração.
  • Design de áudio 3D e som espacial: explorar mascaramento de frequência e temporal para reduzir o número de filtros HRTF e canais de áudio espacial necessários para imersão realista.
  • Produção musical e mixagem: usar conhecimento de mascaramento para evitar conflitos de frequência (mascaramento de instrumentos por outros) e otimizar configurações de EQ e compressão para clareza.

Como funciona

Como funciona

1

Gravar ou sintetizar um sinal de áudio contendo ruído de mascaramento (ou tons) e sinais de teste (tons ou ruído de frequência e intensidade variadas).

2

Normalizar os níveis do sinal, aplicar janelamento no domínio da frequência e decompor o sinal em bandas de frequência (usando bancos de filtros ou análise de Fourier) para permitir a análise de mascaramento específica por banda.

3

Para cada banda de frequência, medir o limiar de mascaramento - o nível mínimo de sinal nessa banda que pode ser percebido na presença de ruído de mascaramento. Quantificar separadamente o mascaramento de frequência (uma frequência mascara frequências próximas) e o mascaramento temporal (um som alto mascara sons mais fracos antes e depois).

4

Ajustar modelos psicoacústicos (por exemplo, curvas de mascaramento ISO/MPEG) que relacionam o limiar de mascaramento ao espectro e à estrutura temporal do sinal de mascaramento. Os modelos geralmente levam em conta a largura de banda crítica, a excitação da membrana basilar e as janelas de integração temporal.

5

Usar os limiares de mascaramento para determinar quais componentes do sinal são perceptualmentes redundantes e podem ser descartados ou comprimidos. Aplicar modelos de mascaramento no design de codecs de áudio para alocar bits de forma eficiente: alocar mais bits para sinais não mascarados e menos para sinais mascarados.

Erros comuns

  • Compressão excessivamente agressiva baseada em limiares de mascaramento; artefatos que normalmente são mascarados podem se tornar audíveis quando múltiplos sinais são combinados ou em diferentes contextos de audição.
  • Negligenciar diferenças individuais na audição; curvas de mascaramento padrão assumem audição normal. Ouvintes com deficiência auditiva podem ter padrões de mascaramento diferentes.
  • Ignorar o mascaramento temporal ao comprimir sinais ricos em transientes (fala, música percussiva); a alocação de alta taxa de bits em transientes evita artefatos de 'pré-eco'.
  • Assumir modelos de mascaramento treinados em estímulos simples (ondas senoidais, ruído de banda estreita) aplicam-se a música ou fala complexa. Sinais do mundo real podem se comportar de maneira diferente.
  • Esquecer que os limiares de mascaramento são valores absolutos; o volume relativo também afeta a qualidade percebida. Um artefato mascarado pode ser inaudível isoladamente, mas perceptível em contexto.

Perguntas frequentes

Qual é a diferença entre mascaramento de frequência e mascaramento temporal?

O mascaramento de frequência (espectral) ocorre quando uma faixa de frequência mascara a percepção de sons em frequências próximas (por exemplo, um baixo grave e alto mascara a audição de instrumentos de médio alcance). O mascaramento temporal ocorre quando um som alto suprime a percepção de sons mais fracos antes dele (pré-mascaramento, ~5 ms) ou depois dele (pós-mascaramento, ~100 ms). Ambos contribuem para o mascaramento geral, mas o mascaramento temporal é mais difícil de modelar e menos compreendido.

O que é largura de banda crítica e por que ela é importante?

A largura de banda crítica é a largura da região de frequência dentro da qual o mascaramento é mais forte; ela representa a 'sintonia' efetiva da cóclea (ouvido interno). Abaixo de 500 Hz, a largura de banda crítica é de aproximadamente 100 Hz; acima de 2 kHz, ela se alarga. Codecs de áudio usam a largura de banda crítica para agrupar bins de frequência para análise de mascaramento e alocação de bits - frequências dentro de uma banda crítica são frequentemente tratadas como uma unidade.

Quanta compressão de áudio pode ser feita usando mascaramento?

Rácios de compressão típicos são 10–20:1 para fala e 8–12:1 para música sem perda de qualidade perceptível (MP3 a 128 kbps, AAC a 96 kbps). Compressão agressiva (40:1, 64 kbps) introduz artefatos audíveis (pré-eco, perda de detalhes transientes, artefatos tonais). O rá tio alcançável depende do conteúdo do sinal, da qualidade do modelo de mascaramento e da acuidade auditiva do ouvinte.

Ouvintes com deficiência auditiva podem perceber sons que ouvintes normais consideram mascarados?

Sim. A perda auditiva pode deslocar os limiares de mascaramento. Alguns ouvintes com deficiência auditiva têm limiares elevados (precisam de sinais mais altos) ou dependência de frequência diferente. Além disso, o recrutamento (crescimento do volume) pode tornar os sinais mascarados perceptíveis em níveis mais altos. Modelos de mascaramento padrão assumem audição normal; a personalização é necessária para aplicações com deficiência auditiva.

Quais artefatos resultam da estimativa incorreta do limiar de mascaramento?

Subestimar o mascaramento (alocar poucos bits) causa ruído de quantização audível, pré-eco (artefatos antes de transientes) e dispersão temporal. Superestimar o mascaramento (alocar muitos bits) desperdiça espaço, mas garante alta qualidade. Os artefatos mais comuns são zumbido tonal (quantização de componentes de baixa amplitude) e perda de detalhes espaciais em áudio multicanal.

Métodos relacionados

Fontes

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

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

    ISBN: 978-0123914232
    Copiado.
  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.

    Abrir referência DOI
    Copiado.