聲音心理學模型

1、主要內容,1.聽覺模型2.M-PEAG1心理聲學模型結構3.仿真結果4.關于后期工作的想法5.總結,1.聽覺模型,1.1 人耳聽覺模型(HAS)1.2 人耳生理系統(tǒng)和臨界頻段1.3 安靜狀態(tài)閾值和掩蔽,1.聽覺模型,人耳對于頻率的感知 呈對數(shù)規(guī)律的;會產生出差頻;人耳生理系統(tǒng)和臨界頻段 臨界頻段=24.7(4.37F+1)有調成分和無調成分 當音調間的頻率差大于臨界頻段時，就是一般的和音；而當頻率差小于

2、臨界頻段時，就成為不諧和音Bark 感知頻率的單位，1 個臨界頻段的寬度為 1Bark。使用 Bark 來標度，需要將物理頻率轉化為心理聲學頻率。這樣，一個純音就可以用心理掩蔽曲線來表示。,1.聽覺模型,安靜狀態(tài)閾值 安靜狀態(tài)閾值曲線表示了在給定頻率上，人耳能夠聽到聲音的最小聲壓級。0dB 時的閾值為 1kHz。人耳在 1~5kHz 的范圍內最為敏感，可以聽到低于 0dB 參考值幾個分貝的信號。一般而言，兩個相同能量不

3、同頻率的信號，聽起來是不一樣的。類似的，能夠聽到的噪聲和失真也隨頻率而改變。在太高或太低的頻率處，聽覺的靈敏度也會下降。,1.聽覺模型,掩蔽閾值 掩蔽閾值是指幾乎聽不到聲音的聲壓級。當同時有好幾個音調時，當高音調完全掩蓋低音調時，就會出現(xiàn)掩蔽。掩蔽的一般性介紹 掩蔽的分類:同時掩蔽; 異時掩蔽 掩蔽的特點:利用聲調的強弱; 利用人腦的反應延遲,2.M-PEAG1心理聲學模型結構,2.1 譜計算2.2 聲壓級測

4、定2.3 安靜狀態(tài)閾值2.4 判決有調和無調2.5 有調和無調成分的抽取2.6 單獨掩蔽閾值的計算2.7 總體掩蔽閾值的計算,2.1 譜計算,進行512點的FFT計算。FFT是直接對輸入PCM信號加海寧窗后進行的。海寧窗h(i)和功率譜X(k)的計算公式分別為：,2.2 聲壓級的測定,子帶n中的聲壓級的計算公式如下 :,2.3 安靜狀態(tài)閾值,安靜閾值也稱絕對閾值，它依賴于信號的抽樣頻率，由經驗得出。對應計算掩蔽閾值頻率范圍中的

5、每個樣點，根據(jù)總體比特率補償絕對閾值，對于比特率≥96kbit/s，補償值為12dB，對于比特率<96kbit/s，補償值為0dB。下圖1給出了樣本音頻信號的安靜狀態(tài)閾值。,2.3 安靜狀態(tài)閾值,2.4 判決有調和無調成分,一個掩蔽成分的可調性影響到掩蔽閾值，因此必須判定有調與無調成分。為了計算總掩蔽閾值，必須從FFT頻譜中得出有調和無調成分。首先決定局部最大值，然后提取有調成分（正弦波），以及計算一個臨界頻段頻率范圍內無調成分的

6、強度。下圖2給出了樣本音頻信號局部最大值的確定，圖中帶圈的成分為局部最大值成分。,2.4 判決有調和無調成分,2.4 判決有調和無調成分,而臨界頻段的頻寬隨著中心頻率變化，低頻時大約0.1kHz頻寬，高頻時大約4kHz頻寬。從心理聲學實驗可以知道，耳朵的低頻分辨率比高頻分辨率好。為了決定某個局部最大值是否可能是有調成分，還必須了解局部最大值所處頻率處臨界頻段的頻寬df。在不同的頻率段所用的頻寬是事先規(guī)定的： df =172.26

7、6Hz，0kHz < f ≤5.512kHz df =281.25Hz， 5.512kHz < f ≤11.024kHz df =562.50Hz， 11.024kHz < f ≤19.982kHz,2.4 判決有調和無調成分,綜上所述，要列出譜線X(k)是有調或是無調，需執(zhí)行以下三個運算: 標明局部最大值。 列出有調成分并計算聲壓級.列出無調成分并計算功率.下面的圖3和圖4依次顯示了有調和無調

8、成分的讀取。,2.4 判決有調和無調成分,2.4 判決有調和無調成分,2.5 有調和無調掩蔽成分的抽取,抽取是用來減少掩蔽成分數(shù)目的步驟，它是計算綜合掩蔽閾值時必須考慮的問題。只要有調成分的X(k)之間滿足小于0.5Bark的寬度，就可以抽取這樣的有調成分。方法是列出有調成分，在臨界頻段范圍內采用0.5Bark寬度的滑動窗，若窗內存在兩個或更多的成分，僅保持窗內最高功率的成分，移去所有較小功率的成分。圖5和圖6給出了樣本音頻信號有調成分

9、、無調成分和安靜狀態(tài)閾值的比較。,2.5 有調和無調掩蔽成分的抽取,2.5 有調和無調掩蔽成分的抽取,2.6 單獨掩蔽閾值的計算,通常在所有的N/2個頻率樣點的譜線中，僅僅只有其中一部分頻率樣點的譜線用于綜合掩蔽閾值計算。在最低頻的6個子帶的頻域范圍內的譜線不考慮進行下采樣；接著6個子帶的頻域范圍內的譜線，每隔1個譜線考慮進行下采樣；剩余的最高頻處的18個子帶的頻域范圍內的譜線，每隔4個譜線考慮進行下采樣。將所有考慮進行下采樣的譜線進行

10、下采樣，下采樣的樣點數(shù)n=106。,2.6 單獨掩蔽閾值的計算,對于這108個樣點，經驗給定對應的譜值。對每個序號為k有調無調成分，選擇最接近其譜值X(k)的106樣點譜值中的某個樣點，將該成分序號令為i，i∈{1,2,3,...,106}。j為所有有調、無調成分在抽取后的譜線序號。有調和無調的單獨掩蔽閾值分別由下式計算：,,,2.6 單獨掩蔽閾值的計算,2.6 單獨掩蔽閾值的計算,2.7 總體掩蔽閾值的計算,第i個頻率樣點的總掩蔽閾值

11、LTg(i)是由序號為j的所有有調無調掩蔽成分的單獨掩蔽閾值LTtm[z(j),z(i)] 、LTnm[z(j),z(i)]和安靜狀態(tài)閾值LTq(i)求出的，把相應于單獨掩蔽閾值的功率和安靜狀態(tài)閾值的功率相加可求得總掩蔽閾值：其中，有調掩蔽成分總數(shù)為m，無調掩蔽成分總數(shù)為n。圖9給出了樣本音頻信號的總體掩蔽閾值，即圖中黑色的虛線。,2.7 總體掩蔽閾值的計算,3.仿真結果,仿真文件選擇:1-5.wav仿真數(shù)據(jù)截取:總體掩蔽閾值,4.關

12、于后期工作的想法,基于心理聲學模型的音頻數(shù)據(jù)隱藏方案: 利用宿主音頻信號的心理學模型得到的掩蔽閾值，對偽隨機序列調制后的隱藏消息進行頻域掩蔽，將掩蔽后的偽隨機消息嵌入宿主音頻。利用偽隨機信號的相關性思路的結合,5.總結,心理聲學模型的優(yōu)缺點 采用以宿主音頻信號本身的頻域掩蔽效應來調制隱藏的偽隨機序列，因此被隱藏的偽隨機序列是基于宿主音頻信號內容的，嵌入后具有良好的聽覺不可感知性.但是在變換域中的抗攻擊能力較弱.,5.總

13、結,信息隱藏技術的展望 利用數(shù)字化媒體進行信息隱藏是一個嶄新的研究領域，在應用需求的刺激下得到了迅速的發(fā)展，使其能夠橫跨數(shù)字信號處理、圖像處理、語音處理、模式識別、數(shù)字通信、多媒體技術、密碼學等多個學科，盡管在目前還沒形成完整的理論體系，但由于它是一項與具體應用十分密切的實用技術，隨著數(shù)字化和網絡化的發(fā)展，其應用價值會越發(fā)突出。信息隱藏系統(tǒng)的幾個基本特性之間存在著相互矛盾的一面，例如：隱藏數(shù)據(jù)量和隱藏信息免疫能力之間，不易察覺性