心理聲學參量算法和編程實現.pdf

1、利用心理聲學參量模型進行聲質量評定，可快速得出人們對某一聲音信號的主觀感受。與評審團評定法對比，它具有效率高、可重復的優(yōu)點，有利于聲質量評定的標準化。
　　 現有心理聲學參量主要包括響度、尖銳度、波動強度、粗糙度、音調、語言干擾級和清晰度指數等。迄今為止，僅有響度形成了國際計算標準。每個心理聲學參量都有多種計算模型，如響度的Stevens模型、Zwicker模型和Moore模型，尖銳度的Aures模型、Von Bismarck模

2、型，這就給聲質量評定工作帶來困擾。為此，本文對現有的各種響度模型、尖銳度模型和粗糙度模型進行編程實現，利用理論分析和主觀試驗，對比了它們的優(yōu)缺點，以便于聲質量評定時選擇合適的模型。另外，文中還對Moore 響度算法進行了部分改進。
　　 首先，分析對比了Stevens模型、Zwicker模型和Moore模型等三種響度標準算法的原理和計算結果，指出了Moore模型的優(yōu)越性。針對Moore模型現有的三種信號輸入方法（1/3 倍頻程譜

3、、FFT 頻譜和多次FFT 合成譜）的不足，提出了使用信號的ERB譜作為模型輸入的方法。計算結果表明，該方法在計算精度和效率上均有所提高。
　　 其次，對比了Zwicker模型、Aures模型、Von Bismarck模型等幾種尖銳度算法。
　　 這些尖銳度模型都基于Zwicker 特征響度進行計算，由于Moore 特征響度與Zwicker 特征響度在Bark 尺度上的分布有較大差異，因而不能直接使用Moore 特征響度

4、進行尖銳度計算。
　　 接下來，分析了Aures 粗糙度模型和Vassilakis 粗糙度模型的計算原理。深入研究了Aures 粗糙度模型的實現過程，指出了其中容易導致錯誤的一些細節(jié)，并編程實現。
　　 利用對調幅音粗糙度的計算，分析了Vassilakis模型的局限性。此外，簡要介紹了Terhardt模型的音調提取過程，并編程實現。
　　 最后，以生活噪聲為評價對象，用幅值估計法進行了響度、尖銳度以及粗糙度的主觀