Skip to content
Назад к результатам поиска

Шкала Барка и шкала Мел

Автор метода
Eberhard Zwicker, Stanley Smith Stevens
Год
1937
Тип
Perceptual frequency mapping
Семейство
Psychoacoustics

Этот текст переведён машинным способом и ещё не проверен. Читать оригинал на английском

Размер шрифта

Что он делает?

Шкала Барка и шкала Мел — это перцептивные частотные шкалы, которые отображают физическую частоту (Гц) на воспринимаемый тон и слуховое восприятие.

Формализованные Цвиккером (Bark, 1961) и Стивенсом (Mel, 1937), эти нелинейные шкалы отражают, как человеческое ухо обрабатывает звук. Шкала Барка делит слух на 24 критические полосы; шкала Мел моделирует восприятие высоты тона. Обе шкалы необходимы для извлечения аудиопризнаков, обработки речи и проектирования аудиосистем, соответствующих человеческому слуху.

Интуиция метода

Ухо не воспринимает частоту линейно. Сдвиг на 100 Гц со 100 Гц до 200 Гц звучит как большое изменение (октава), но тот же сдвиг с 5100 Гц до 5200 Гц едва заметен. Шкалы Барка и Мел отображают частоту в перцептивное пространство, где равные расстояния представляют равные воспринимаемые различия. Шкала Барка фокусируется на дискриминации частоты (маскирующие паттерны); шкала Мел фокусируется на высоте тона (мелодия и тон).

История

Шкала Мел была введена Стивенсом, Волькманом и Ньюманом в 1937 году для количественной оценки восприятия высоты тона в равных интервалах (мелодия). Шкала Барка была разработана Цвиккером в 1961 году на основе измерений критической полосы пропускания и явлений маскировки. Обе стали основой психоакустики и проектирования аудиокодеков. Современные усовершенствования (например, фильтровые банки Gammatone, мел-спектрограммы) предоставляют более точные перцептивные модели. Машинное обучение на мел-спектрограммах стало стандартом в области речевых и музыкальных ИИ.

Когда применять

Использовать шкалу Барка для проектирования аудиокодеков, перцептивного кодирования звука и анализа маскирующих эффектов. Использовать шкалу Мел для обработки речи, извлечения информации о музыке, распознавания диктора и машинного обучения на аудиопризнаках. Обе шкалы применимы для проектирования слуховых аппаратов, восстановления звука и метрик перцептивного качества звука.

Ограничения и замечания

  • Шкалы Барка и Мел являются эмпирическими приближениями; точная критическая полоса пропускания зависит от уровня, контекста частоты и индивидуальных слушателей.
  • Необратимые преобразования (прямое преобразование теряет информацию); точная реконструкция частоты сложна и может привести к артефактам.
  • Обе шкалы являются усредненными моделями для нормально слышащих слушателей; потеря слуха, возраст и индивидуальные различия модулируют критическую полосу пропускания и восприятие высоты тона.
  • Вычислительная сложность: преобразование между Гц и Барками/Мелами требует трансцендентных функций (логарифм, арктангенс); часто используются таблицы поиска и приближения.
  • Ограничены одноушным (моноуральным) восприятием; бинауральный слух (два уха) и пространственное аудио требуют дополнительного моделирования.

Условия из источника не заменяют независимую научную проверку или валидацию аналитическим движком.

Сильные стороны

  • Согласовать анализ с человеческим слуховым восприятием; признаки, полученные в пространстве Барка/Мел, лучше коррелируют с субъективным качеством звука и предпочтениями слушателей.
  • Сжатие высокочастотной информации: на высоких частотах требуется меньше перцептивных «каналов», что снижает вычислительные затраты в аудиокодеках.
  • Концепция критической полосы пропускания предсказывает маскировку: области в пределах одного Барка подвержены совместной маскировке, что упрощает проектирование перцептивных кодеков.
  • Хорошо установлены и стандартизированы; широко используются в коммерческих аудиокодеках (MP3, AAC) и системах распознавания речи.
  • Гибкость: шкалы Барка и Мел могут быть объединены с другими методами (кривые громкости, сжатие) для уточненного перцептивного моделирования.

Применение

  • Аудиокодеки и потоковая передача: MP3, AAC, OPUS используют фильтровые банки на основе шкалы Барка для перцептивного квантования; варианты на основе шкалы Мел используются в некоторых современных кодеках.
  • Автоматическое распознавание речи и верификация диктора: мел-частотные кепстральные коэффициенты (MFCC), полученные из мел-спектрограмм, являются стандартными признаками для обработки речи.
  • Извлечение информации о музыке и классификация жанров: мел-спектрограммы позволяют извлекать музыкальные признаки и использовать глубокое обучение на аудио.
  • Проектирование слуховых аппаратов и кохлеарных имплантатов: критическая полоса пропускания (шкала Барка) информирует о проектировании каналов и распределении частот в имплантатах.
  • Восстановление звука и улучшение речи: перцептивные шкалы направляют удаление артефактов и подавление шума в соответствии со слухом.
  • Оценка качества звука: перцептивные метрики (PESQ, PEMO-Q) используют шкалы Барка и Мел для прогнозирования субъективного качества звука.

Как это работает

Как это работает

1

Получить аудиосигнал или представление в частотной области (спектр БПФ) для анализа или отображения.

2

Вычислить спектр мощности с использованием стандартных методов оконной обработки и БПФ. Подготовить массив частот в Гц.

3

Преобразовать линейную шкалу частот (Гц) в перцептивные шкалы: Барк: z = 13 * arctan(0.76f/1000) + 3.5 * arctan((f/7500)²), Мел: m = 2595 * log10(1 + f/700). Эти формулы отображают Гц → перцептивные единицы.

4

Использовать перцептивную шкалу частот для проектирования частотно-селективных признаков (фильтровых банков, спектрограмм), соответствующих слуховой обработке. Вычислить критическую полосу пропускания на каждой частоте: BW ≈ 25 + 75(1 + 1.4(f/1000)²)^0.69 в Гц, что в пространстве Барка примерно постоянно (1 Барк ≈ критическая полоса пропускания).

5

Визуализировать спектры в шкале Барка или Мел для перцептивно точной интерпретации. Сравнить важность признаков: в линейных Гц высокие частоты визуально доминируют, но могут быть менее перцептивно важны; в Барках/Мелах акцент смещается на перцептивно значимые области.

Частые ошибки

  • Предположение, что шкалы Барка и Мел перцептивно идентичны; они моделируют разные аспекты (дискриминация частоты против высоты тона), и выбор зависит от приложения.
  • Использование одной шкалы Барка/Мел для всех частот; критическая полоса пропускания варьируется с частотой, и некоторые уточненные модели (например, эквивалентная прямоугольная полоса пропускания) более точны.
  • Пренебрежение зависимостью от уровня: критическая полоса пропускания и маскировка масштабируются с уровнем звука; предположения о постоянной критической полосе пропускания являются приближениями.
  • Чрезмерное сжатие высоких частот с использованием шкалы Барка без перцептивной валидации; воспринимаемое качество звука зависит от общего контекста, а не только от искажения частоты.
  • Смешение преобразования Барка/Мел с перцептивным качеством; преобразование в шкалу Барка не гарантирует перцептивно оптимальный звук, только соответствие критическим полосам.

Часто задаваемые вопросы

В чем разница между шкалами Барка и Мел?

Шкала Барка моделирует дискриминацию частоты и критическую полосу пропускания — как ухо группирует близкие частоты в маскирующие полосы. Шкала Мел моделирует восприятие высоты тона — как частота отображается на воспринимаемую мелодию. Шкала Барка примерно равномерна в перцептивном смысле (1 Барк ≈ одна критическая полоса); шкала Мел моделирует субъективную высоту тона (октавы, музыкальные интервалы). Используйте Барк для кодеков и анализа маскировки; Мел для высоты тона и обработки речи.

Что представляет собой одна полоса Барка в Гц?

Одна полоса Барка не является постоянной в Гц; она представляет одну критическую полосу пропускания, которая варьируется с частотой. На 100 Гц 1 Барк ≈ 100 Гц; на 1 кГц 1 Барк ≈ 130 Гц; на 10 кГц 1 Барк ≈ 700+ Гц. Это означает, что ухо тонко разрешает низкочастотные детали, но грубо группирует высокочастотные детали.

Сколько полос Барка в человеческом слухе?

Человеческий слух охватывает примерно 24 полосы Барка, соответствующие единицам критической полосы пропускания в слышимом спектре (≈20 Гц до 20 кГц). Это основа многих аудиокодеков, которые используют 24-полосные фильтровые банки, согласованные с интервалами Барка.

Почему мел-спектрограммы так популярны в распознавании речи?

Мел-спектрограммы сжимают высокочастотные детали, сохраняя при этом релевантную для речи низкочастотную информацию (высоту тона, форманты). Они соответствуют тому, как люди воспринимают речь, делая выученные признаки более надежными. Глубокие нейронные сети, обученные на мел-спектрограммах, лучше обобщаются для разных дикторов и акцентов.

Можно ли комбинировать шкалы Барка и Мел в одном анализе?

Да. Используйте шкалу Барка для анализа кодеков и маскировки; вычисляйте мел-шкальные признаки отдельно для извлечения высоты тона и мелодии. Они дополняют друг друга: Барк для механики слуха, Мел для перцептивной высоты тона. Некоторые продвинутые аудиосистемы используют обе, накладывая дискриминацию частоты (Барк) на восприятие высоты тона (Мел).

Похожие методы

Источники

  1. Zwicker, E. (1961). Subdivision of the audible frequency range into critical bands. Journal of the Acoustical Society of America, 33(2), 248–248.

    Открыть ссылку на публикацию
    Скопировано.
  2. 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.

    Открыть ссылку DOI
    Скопировано.
  3. Moore, B. C. J. (2012). An Introduction to the Psychology of Hearing (6th ed.). Academic Press.

    ISBN: 978-0123914232
    Скопировано.