Psikoakustik Maskeleme
- Ortaya koyan
- Eberhard Zwicker
- Yıl
- 1961
- Tür
- Perceptual model for audio systems
- Aile
- Psychoacoustics, Auditory perception
Bu metin makine çevirisidir ve henüz incelenmedi. Asıl metni İngilizce oku
Ne işe yarar?
Psikoakustik maskeleme, insan işitme sisteminin daha güçlü seslerin varlığında zayıf seslerin algılanmasını nasıl bastırdığını tanımlar. 1960'larda Eberhard Zwicker tarafından biçimlendirilen maskeleme, işitmenin temel bir olgusu ve algısal ses kodlamanın (MP3, AAC, OPUS) temelidir.
Maskeleme hem frekansta (spektral maskeleme) hem de zamanda (zamansal maskeleme) meydana gelir ve bu etkilerin anlaşılması, verimli ses sıkıştırma ve gerçekçi ses tasarımı sağlar.
Yöntemin mantığı
Kalabalık bir kahve dükkanındaki sessiz bir konuşmayı hayal edin. Etrafınızda birçok başka konuşma ve arka plan gürültüsü olmasına rağmen arkadaşınızı anlayabilirsiniz. Kulağınız doğal olarak ilgisiz sesleri bastırır; bu maskelemedir. Güçlü sesler (kalabalık), zayıf seslerin (yakındaki ancak daha az önemli konuşmalar) sinyal işlemesini ezdiği için zayıf sesleri (yakındaki ancak daha az önemli konuşmalar) maskeler veya gizler. Ses mühendisleri, insanların duyamayacağı ayrıntıları kaldırmak veya sıkıştırmak için bu prensibi kullanır, bu da fark edilebilir bir kalite kaybı olmadan dosyaları küçültür.
Tarih
Zwicker, 1960'larda psikoakustiğe öncülük ederek hem frekans hem de zamanda maskeleme eşiklerini ölçmüş ve modellemiştir. Moore ve diğerleri, kritik bant genişliği ve baziler membran mekaniği anlayışını geliştirmiştir. Johnston'ın 1988 tarihli çalışması, maskelemeyi ses kodlamasına uygulayarak algısal kodeklerin temelini atmıştır. MPEG ve ISO, 1990'larda maskeleme modellerini standartlaştırmıştır (MP3, AAC); modern kodek varyantları (OPUS, LAME) sıkıştırmayı optimize etmek için gelişmiş maskeleme modelleri kullanır.
Ne zaman kullanılır?
Ses sıkıştırma (MP3, AAC, OPUS), ses iyileştirme ve gürültü azaltma, işitme cihazı tasarımı, konuşma anlaşılırlığı değerlendirmesi ve sanal ses oluşturma işlemlerinde psikoakustik maskeleme modellerini uygulayın. Maskeleme, dosya boyutu ve bant genişliğinin önemli olduğu algısal kodek tasarımı için esastır. Maskeleme, ses kalitesinin öncelikli olduğu (stüdyo miksajı) veya algısal metriklerin gerekli olmadığı durumlarda daha az önemlidir.
Sınırlar ve dikkat edilmesi gerekenler
- Maskeleme eşikleri bireyler arasında önemli ölçüde değişir; işitme kaybı, yaş ve bireysel farklılıklar bazı dinleyicilerde tahmin edilebilirliği azaltır.
- Maskeleme modelleri doğrusal işitsel işlemeyi varsayar; doğrusal olmayan etkiler (hafiflik adaptasyonu, distorsiyon ürünleri) tam olarak yakalanmaz.
- Zamansal maskeleme, frekans maskelemesine göre daha az iyi karakterize edilmiştir; modeller zaman alanı olguları (geçici olaylar, müzikal yapaylıklar) için daha basittir ve daha az doğrudur.
- Sinyal istatistiklerine kritik derecede bağlıdır; maskeleme eşikleri spektrum, zamansal yapı ve sinyal türü ile değişir. Modeller tüm sinyallerde genelleştirilemeyebilir.
- Bireysel değişkenlik ve bağlam etkileri (dikkat, yorgunluk, önceki maruz kalma) maskeleme eşiklerini modüle eder; sabit modeller bu varyasyonları yakalayamaz.
Kaynak metnin koşulları, bağımsız bilimsel inceleme veya analiz motoru doğrulaması yerine geçmez.
Güçlü yönleri
- İşitsel fizyolojiye iyi dayanır; maskeleme eşikleri, baziler membran titreşimi ve koklear işlem ölçümleriyle ilişkilidir.
- İnsan işitme sınırlamalarından yararlanarak, veri atarak değil, algılanabilir kalite kaybı olmadan dramatik ses sıkıştırmasına (10:1 veya daha yüksek) olanak tanır.
- Dinleme koşulları ve akustik ortamlar geniş bir yelpazede geçerlidir; maskeleme eğrileri dinleyiciler ve bağlamlar arasında oldukça tutarlıdır.
- Basit ve verimli hesaplama uygulaması; maskeleme modelleri, minimum CPU yükü ile gerçek zamanlı ses kodeklerine ve işitme cihazlarına sığar.
- Yerleşik standartlar (ISO/MPEG) ve onlarca yıllık iyileştirme; maskeleme modelleri ticari ses sistemlerinde olgun ve güvenilirdir.
Uygulama alanları
- Ses sıkıştırma ve akış: MP3, AAC, OPUS ve diğer kodekler, algılanabilir kalite kaybı olmadan %10-20:1 sıkıştırma elde etmek için maskeleme modellerini kullanır; sınırlı bant genişliğinde akış sesi için temeldir.
- İşitme cihazı tasarımı: Tinnitus'u bastırmak ve gürültüdeki konuşmayı iyileştirmek için maskeleme modellerini entegre ederken, işitme engelli kullanıcılar tarafından algılanabilecek yapaylıklardan kaçınır.
- Konuşma iyileştirme ve gürültü azaltma: Maskelemeyi, konuşma tarafından maskelendiği frekans-zaman bölgelerinde gürültüyü belirlemek ve bastırmak için uygular, anlaşılırlığı artırır.
- Ses restorasyonu ve adli inceleme: Hasarlı kayıtlardaki bozulma yapaylıklarının algısal olarak ne kadar önemli olduğunu belirlemek için maskelemeyi kullanır; restorasyon önceliklerini yönlendirir.
- 3D ses ve uzamsal ses tasarımı: Gerçekçi bir dalma için gereken HRTF filtreleri ve uzamsal ses kanalı sayısını azaltmak için frekans ve zamansal maskelemeyi kullanır.
- Müzik prodüksiyonu ve miksajı: Frekans çakışmalarını (enstrümanların diğerleri tarafından maskelenmesi) önlemek ve netlik için EQ ve sıkıştırma ayarlarını optimize etmek için maskeleme bilgisini kullanır.
Nasıl çalışır?
Nasıl çalışır?
Hem maskeleme gürültüsü (veya tonları) hem de test sinyalleri (değişken frekans ve yoğunlukta tonlar veya gürültü) içeren bir ses sinyali kaydedin veya sentezleyin.
Sinyal seviyelerini normalleştirin, frekans alanı pencereleme uygulayın ve bant başına maskeleme analizi sağlamak için sinyali frekans bantlarına ayırın (filtre bankaları veya Fourier analizi kullanarak).
Her bir frekans bandı için, maskeleme gürültüsünün varlığında algılanabilen minimum sinyal seviyesi olan maskeleme eşiğini ölçün. Ayrı olarak, frekans maskelemesini (bir frekansın yakındaki frekansları maskelemesi) ve zamansal maskelemeyi (güçlü bir sesin öncesindeki ve sonrasındaki daha yumuşak sesleri maskelemesi) ölçün.
Maskeleme eşiğini maskeleme sinyalinin spektrumu ve zamansal yapısıyla ilişkilendiren psikoakustik modelleri (örneğin, ISO/MPEG maskeleme eğrileri) uydurun. Modeller tipik olarak kritik bant genişliği, baziler membran uyarılması ve zamansal entegrasyon pencerelerini hesaba katar.
Sinyal bileşenlerinin algısal olarak gereksiz olduğunu ve atılabileceğini veya sıkıştırılabileceğini belirlemek için maskeleme eşiklerini kullanın. Bitleri verimli bir şekilde ayırmak için ses kodek tasarımında maskeleme modellerini uygulayın: maskelenmemiş sinyallere daha fazla bit, maskelenmiş sinyallere daha az bit ayırın.
Sık yapılan hatalar
- Maskeleme eşiklerine dayalı aşırı agresif sıkıştırma; normalde maskelenen yapaylıklar, birden fazla sinyal birleştirildiğinde veya farklı dinleme bağlamlarında duyulabilir hale gelebilir.
- Bireysel işitme farklılıklarını göz ardı etmek; standart maskeleme eğrileri normal işitmeyi varsayar. İşitme engelli dinleyiciler farklı maskeleme desenlerine sahip olabilir.
- Geçici olaylar açısından zengin sinyalleri (konuşma, perküsyon müziği) sıkıştırırken zamansal maskelemeyi göz ardı etmek; geçici olaylardaki yüksek bit hızı ayırması 'ön yankı' yapaylıklarından kaçınır.
- Basit uyaranlar (sinüs dalgaları, dar bant gürültü) üzerinde eğitilmiş maskeleme modellerinin karmaşık müzik veya konuşmaya uygulandığını varsaymak. Gerçek dünya sinyalleri farklı davranabilir.
- Maskeleme eşiklerinin mutlak değerler olduğunu unutmak; göreceli ses yüksekliği de algılanan kaliteyi etkiler. Maskelenmiş bir yapaylık izole edildiğinde duyulmayabilir ancak bağlamda fark edilebilir.
Sık sorulan sorular
Frekans maskelemesi ile zamansal maskeleme arasındaki fark nedir?
Frekans (spektral) maskeleme, bir frekans aralığının yakındaki frekanslardaki seslerin algılanmasını maskelemesiyle (örneğin, yüksek frekanslı bir bas, orta menzilli enstrümanların duyulmasını maskeler) meydana gelir. Zamansal maskeleme, güçlü bir sesin öncesindeki (ön maskeleme, ~5 ms) veya sonrasındaki (son maskeleme, ~100 ms) daha yumuşak seslerin algılanmasını bastırmasıyla meydana gelir. Her ikisi de genel maskelemeye katkıda bulunur, ancak zamansal maskelemenin modellenmesi daha zordur ve daha az anlaşılmıştır.
Kritik bant genişliği nedir ve neden önemlidir?
Kritik bant genişliği, maskelemenin en güçlü olduğu frekans aralığının genişliğidir; kokleanın (iç kulak) etkili 'ayarlamasını' temsil eder. 500 Hz'in altında, kritik bant genişliği kabaca 100 Hz'dir; 2 kHz'in üzerinde genişler. Ses kodekleri, maskeleme analizi ve bit ayırma için frekans kutularını gruplandırmak üzere kritik bant genişliğini kullanır - bir kritik bant içindeki frekanslar genellikle bir birim olarak ele alınır.
Maskeleme kullanılarak ses ne kadar sıkıştırılabilir?
Tipik sıkıştırma oranları, konuşma için %10-20:1 ve müzik için %8-12:1'dir, algılanabilir kalite kaybı olmadan (128 kbps'de MP3, 96 kbps'de AAC). Agresif sıkıştırma (%40:1, 64 kbps) duyulabilir yapaylıklara (ön yankı, geçici olay ayrıntı kaybı, ton yapaylıkları) neden olur. Elde edilebilir oran, sinyal içeriğine, maskeleme modeli kalitesine ve dinleyicinin işitme keskinliğine bağlıdır.
Normal dinleyicilerin maskelenmiş bulduğu sesleri işitme engelli dinleyiciler algılayabilir mi?
Evet. İşitme kaybı maskeleme eşiklerini değiştirebilir. Bazı işitme engelli dinleyicilerde eşikler yüksektir (daha yüksek sinyallere ihtiyaç duyarlar) veya frekans bağımlılığı farklıdır. Ek olarak, rekrütman (ses yüksekliği artışı) maskelenmiş sinyallerin daha yüksek seviyelerde algılanmasına neden olabilir. Standart maskeleme modelleri normal işitmeyi varsayar; işitme engelli uygulamalar için özelleştirme gereklidir.
Uygun olmayan maskeleme eşiği tahmininden kaynaklanan yapaylıklar nelerdir?
Maskelemeyi hafife almak (çok az bit ayırmak) duyulabilir niceleme gürültüsüne, ön yankıya (geçici olaylardan önceki yapaylıklar) ve zamansal yayılmaya neden olur. Maskelemeyi abartmak (çok fazla bit ayırmak) yer israfına neden olur ancak yüksek kaliteyi garanti eder. En yaygın yapaylıklar tonlu vızıltı (düşük genlikli bileşenlerin nicelemesi) ve çok kanallı seslerde uzamsal ayrıntı kaybıdır.
İlgili yöntemler
Kaynaklar
Zwicker, E., & Scharf, B. (1965). Psychoacoustics: Facts and Models. Springer-Verlag.
ISBN: 978-3540631644Kopyalandı.Moore, B. C. J. (2012). An Introduction to the Psychology of Hearing (6th ed.). Academic Press.
ISBN: 978-0123914232Kopyalandı.Johnston, J. D. (1988). Transform coding of audio signals using perceptual noise criteria. IEEE Journal on Selected Areas in Communications, 6(2), 314–323.
DOI kaynağını açKopyalandı.