Анализ слуховой сцены - Auditory scene analysis

В восприятие и психофизика, анализ слуховой сцены (КАК) представляет собой предлагаемую модель основы слухового восприятия. Это понимается как процесс, с помощью которого человеческая слуховая система организует звук в элементы, имеющие смысл для восприятия. Термин был придуман психологом Альберт Брегман.[1] Связанная концепция в машинное восприятие является вычислительный анализ слуховой сцены (CASA), который тесно связан с разделение источников и слепое разделение сигналов.

Три ключевых аспекта модели ASA Брегмана: сегментация, интеграция и сегрегация.

Фон

Звук достигает уха, и барабанная перепонка как единое целое вибрирует. Этот сигнал нужно проанализировать (каким-то образом). Модель ASA Брегмана предполагает, что звуки будут либо слышны как «интегрированные» (слышны как единое целое - во многом как гармония в музыке), либо «разделены» на отдельные компоненты (что приводит к контрапункту). Например, звонок можно услышать как «одиночный» звук (интегрированный), или некоторые люди могут слышать отдельные компоненты - они могут разделять звук. Это можно сделать с помощью аккордов, которые можно услышать как «цвет» или как отдельные ноты. Естественный звуки, такой как человеческий голос, музыкальные инструменты, или автомобили, проезжающие по улице, состоят из множества частот, которые влияют на воспринимаемое качество (например, тембр) звуков. Когда два или более естественных звука появляются одновременно, все компоненты одновременно активных звуков воспринимаются ушами слушателей одновременно или накладываются друг на друга во времени. Это ставит их слуховые системы перед проблемой: какие части звука следует сгруппировать вместе и рассматривать как части одного и того же источника или объекта? Неправильная их группировка может привести к тому, что слушатель услышит несуществующие звуки, построенные из неправильных комбинаций исходных компонентов.

Во многих случаях отдельные элементы могут быть связаны во времени, создавая слуховой поток. Эту способность слухового потока можно продемонстрировать так называемым эффект коктейльной вечеринки. До определенного момента, когда несколько голосов говорят одновременно или с фоновыми звуками, можно следить за определенным голосом, даже если присутствуют другие голоса и фоновые звуки.[2] В этом примере ухо отделяет этот голос от других звуков (которые интегрированы), а разум «перенаправляет» эти отдельные звуки в слуховой поток. Это навык, который высоко развит у музыкантов, особенно у дирижеров, которые могут одновременно слушать один, два, три или более инструментов (разделяя их) и следовать каждому как независимая линия посредством аудиопотока.[нужна цитата ].

Группировка и потоки

В основе ASA лежит ряд принципов группировки, многие из которых связаны с принципами организации восприятия, открытыми школой Гештальт-психология. Их можно в широком смысле разделить на последовательная группировка механизмы (те, которые действуют во времени) и одновременная группировка механизмы (те, которые работают через частоту):

  • Ошибки при одновременном группировании могут привести к смешиванию звуков, которые следует слышать как отдельные, смешанные звуки, имеющие различные воспринимаемые качества (например, высоту или тембр), по сравнению с любым из фактически принимаемых звуков. Например, две гласные, представленные одновременно, не могут быть идентифицированы, если они разделены.[3]
  • Ошибки в последовательной группировке могут привести, например, к тому, что вы услышите слово, состоящее из слогов, происходящих из двух разных голосов.[4][5]

Сегрегация может быть основана в первую очередь на перцептивных сигналах или на распознавании усвоенных паттернов («на основе схемы»).

Задача ASA - группировать поступающую сенсорную информацию, чтобы сформировать точное мысленное представление об отдельных звуках. Когда звуки группируются слуховой системой в воспринимаемую последовательность, отличную от других сопутствующих последовательностей, каждая из этих воспринимаемых последовательностей называется «слуховым потоком». В реальном мире, если ASA успешна, поток соответствует отдельному источнику звука окружающей среды, создающему шаблон, который сохраняется во времени, например, говорящий человек, игра на фортепиано или лай собаки. Однако в лаборатории, манипулируя акустическими параметрами звуков, можно вызвать восприятие одного или нескольких звуковых потоков.

Потоковое воспроизведение в анализе слуховых сцен


Одним из примеров этого является феномен потоковая передача, также называемое «разделением потока».[6] Если два звука, А и В, быстро чередуются во времени, через несколько секунд может показаться, что восприятие «расщепляется», так что слушатель слышит два, а не один поток звука, каждый поток соответствует повторению одного из двух звуки, например, AAAA- и т. д., сопровождаемые BBBB- и т. д. Тенденции к сегрегации в отдельные потоки благоприятствуют различия в акустических свойствах звуков A и B. (за чистые тона ), основная частота (для сложные тона ), частотный состав, местонахождение источника. Но было высказано предположение, что любое систематическое различие в восприятии между двумя последовательностями может вызвать потоковую передачу,[7] при условии, что скорость последовательности достаточна.


Интерактивная веб-страница, иллюстрирующая эту потоковую передачу и важность разделения частот и скорости можно найти здесь.

Экспериментальная база

Во многих экспериментах изучали разделение более сложных звуковых паттернов, таких как последовательность высоких нот с разной высотой звука, чередующихся с низкими. В таких последовательностях разделение сопутствующих звуков на отдельные потоки оказывает глубокое влияние на то, как они воспринимаются. Восприятие мелодии легче формируется, если все ее ноты попадают в один слуховой поток. Мы склонны слышать ритмы среди нот, находящихся в одном потоке, за исключением нот из других потоков. Суждения о времени более точны между нотами в одном потоке, чем между нотами в разных потоках. Последовательное группирование может повлиять даже на воспринимаемое пространственное положение и воспринимаемую громкость.

Хотя первоначальные исследования по этой теме проводились на взрослых людях, недавние исследования показали, что некоторые способности ASA присутствуют у новорожденных, показывая, что они являются встроенными, а не усвоенными на основе опыта. Другое исследование показало, что животные, не относящиеся к человеку, также демонстрируют АСК. В настоящее время ученые изучают активность нейронов в слуховых областях коры головного мозга, чтобы обнаружить механизмы, лежащие в основе ASA.

Смотрите также

Рекомендации

  1. ^ Брегман А. С. (1990) Анализ слуховой сцены. MIT Press: Кембридж, Массачусетс
  2. ^ Миллер, Г. А. (1947). «Маскировка речи». Психологический бюллетень. 44 (2): 105–129. Дои:10,1037 / ч0055960. PMID  20288932.
  3. ^ Assmann, P. F .; Саммерфилд, Кв. (Август 1990 г.). «Моделирование восприятия одновременных гласных: гласные с разными основными частотами». Журнал акустического общества Америки. 88 (2): 680–697. Bibcode:1990ASAJ ... 88..680A. Дои:10.1121/1.399772. PMID  2212292.
  4. ^ Gaudrain, E .; Grimault, N .; Healy, E.W .; Бера, Ж.-К. (2007). «Влияние спектрального размытия на восприятие сегрегации гласных последовательностей». Слуховые исследования. 231 (1–2): 32–41. Дои:10.1016 / j.heares.2007.05.001. ЧВК  2128787. PMID  17597319.
  5. ^ Billig, A.J .; Дэвис, М. Х .; Дикс, Дж. М .; Monstrey, J .; Карлайон, Р. П. (2013). «Лексические влияния на аудиопоток». Текущая биология. 23 (16): 1585–1589. Дои:10.1016 / j.cub.2013.06.042. ЧВК  3748342. PMID  23891107.
  6. ^ ван Норден, Л. П. А. С. (1975). Временная согласованность в восприятии последовательностей тонов (PDF) (Кандидат наук). Нидерланды: Технологический университет Эйндховена. Получено 10 марта 2018.
  7. ^ Moore, B.C.J .; Гокель, Х. Э. (2012). «Свойства формирования слухового потока». Философские труды Королевского общества B: биологические науки. 367 (1591): 919–931. Дои:10.1098 / rstb.2011.0355. ЧВК  3282308. PMID  22371614.