学位论文 > 优秀研究生学位论文题录展示

心理声学参量算法和编程实现

作　者: 焦中兴
导　师: 何岭松
学　校: 华中科技大学
专　业: 机械电子工程
关键词: 心理声学响度粗糙度尖锐度
分类号: TP311.1
类　型: 硕士论文
年　份: 2011年
下　载: 114次
引　用: 0次
阅　读: 论文下载

内容摘要

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。

全文目录

摘要  4-5
Abstract  5-9
1 绪论  9-15
  1.1 课题来源  9
  1.2 课题的目的和意义  9-10
  1.3 国内外研究现状  10-13
  1.4 主要研究内容  13-15
2 Moore 响度模型的研究  15-37
  2.1 三种响度标准算法计算原理  15-21
  2.2 Moore 模型和其它模型的对比  21-26
  2.3 Moore 模型的信号输入方法研究  26-33
  2.4 Moore 时变响度  33-35
  2.5 本章小结  35-37
3 其它心理声学参量模型的研究  37-52
  3.1 尖锐度模型的实现及对比  37-39
  3.2 粗糙度模型的实现  39-47
  3.3 音调模型的实现  47-50
  3.4 本章小结  50-52
4 心理声学主观评价试验  52-66
  4.1 试验方法选择  52-53
  4.2 试验准备  53-59
  4.3 试验过程  59-60
  4.4 试验结果分析  60-65
  4.5 本章小结  65-66
5 总结与展望  66-67
  5.1 全文总结  66
  5.2 研究展望  66-67
致谢  67-68
参考文献  68-71
附录1 攻读学位期间获得的研究成果  71

心理声学参量算法和编程实现

内容摘要

全文目录

相似论文