心理声学参量算法和编程实现

论文摘要

利用心理声学参量模型进行声质量评定,可快速得出人们对某一声音信号的主观感受。与评审团评定法对比,它具有效率高、可重复的优点,有利于声质量评定的标准化。现有心理声学参量主要包括响度、尖锐度、波动强度、粗糙度、音调、语言干扰级和清晰度指数等。迄今为止,仅有响度形成了国际计算标准。每个心理声学参量都有多种计算模型,如响度的Stevens模型、Zwicker模型和Moore模型,尖锐度的Aures模型、Von Bismarck模型,这就给声质量评定工作带来困扰。为此,本文对现有的各种响度模型、尖锐度模型和粗糙度模型进行编程实现,利用理论分析和主观试验,对比了它们的优缺点,以便于声质量评定时选择合适的模型。另外,文中还对Moore响度算法进行了部分改进。首先,分析对比了Stevens模型、Zwicker模型和Moore模型等三种响度标准算法的原理和计算结果,指出了Moore模型的优越性。针对Moore模型现有的三种信号输入方法(1/3倍频程谱、FFT频谱和多次FFT合成谱)的不足,提出了使用信号的ERB谱作为模型输入的方法。计算结果表明,该方法在计算精度和效率上均有所提高。其次,对比了Zwicker模型、Aures模型、Von Bismarck模型等几种尖锐度算法。这些尖锐度模型都基于Zwicker特征响度进行计算,由于Moore特征响度与Zwicker特征响度在Bark尺度上的分布有较大差异,因而不能直接使用Moore特征响度进行尖锐度计算。接下来,分析了Aures粗糙度模型和Vassilakis粗糙度模型的计算原理。深入研究了Aures粗糙度模型的实现过程,指出了其中容易导致错误的一些细节,并编程实现。利用对调幅音粗糙度的计算,分析了Vassilakis模型的局限性。此外,简要介绍了Terhardt模型的音调提取过程,并编程实现。最后,以生活噪声为评价对象,用幅值估计法进行了响度、尖锐度以及粗糙度的主观评定试验,并将评定结果同心理声学参量模型计算值进行了对比。结果表明:响度标准算法与主观评价结果符合较好;现有尖锐度模型与人的主观感受有一定差距;Aures粗糙度模型有时不能反应人的主观感受。

论文目录

• 摘要
• Abstract
• 1 绪论
• 1.1 课题来源
• 1.2 课题的目的和意义
• 1.3 国内外研究现状
• 1.4 主要研究内容
• 2 Moore 响度模型的研究
• 2.1 三种响度标准算法计算原理
• 2.2 Moore 模型和其它模型的对比
• 2.3 Moore 模型的信号输入方法研究
• 2.4 Moore 时变响度
• 2.5 本章小结
• 3 其它心理声学参量模型的研究
• 3.1 尖锐度模型的实现及对比
• 3.2 粗糙度模型的实现
• 3.3 音调模型的实现
• 3.4 本章小结
• 4 心理声学主观评价试验
• 4.1 试验方法选择
• 4.2 试验准备
• 4.3 试验过程
• 4.4 试验结果分析
• 4.5 本章小结
• 5 总结与展望
• 5.1 全文总结
• 5.2 研究展望
• 致谢
• 参考文献
• 附录1 攻读学位期间获得的研究成果