Percepce zvuku

zkoumá vztahy mezi fyzikálními jevy a jejich tělesnou odezvou

Ucho

(viz též kapitola Fyziologická fonetika: Stavba sluchového ústrojí)

Anatomie ucha.

Vnější ucho

boltec

- možnost lokalizace zvuku

zevní zvukovod

- rezonance asi 3 000–5 000 Hz

- asi 2–3 cm dlouhý

bubínek

- blána, na niž dopadají vibrace

Střední ucho

kůstky kladívko + kovadlinka + třmínek
převod vibrací z řídkého prostředí vzduchu do hustého prostředí kapaliny
rezonanční frekvence 1 000 Hz – při ní kůstky nejlépe kmitají

Vnitřní ucho

kůstky středního ucha navazují na hlemýžď (kochleu) přes oválné okénko
každé místo bazilární membrány je schopné přenášet jen některé frekvence (na začátku nejvyšší zvuky, uprostřed nejnižší)
Cortiho ústrojí – z něj vedou řasinkovité buňky a jejich pohyb dráždí nervy
první spektrální filtr v cestě zvuku → excitační vzorce

Akustické hledisko

z hlediska akustiky můžeme sledovat vnímání výšky, hlasitosti a kvality
! neplést výšku a frekvenci – přesná veličina × objektivní vjem !

Vnímání výšky

závisí na základní frekvenci, ale vztah není lineární
i když základní frekvence chybí, slyšíme ji
při vnímání výšky hraje malou roli i amplituda – láme se to kolem 1 500 Hz – silnější hlubší tóny zní ještě hlubší, silnější vyšší tóny zní ještě vyšší

nejnižší slyšitelná frekvence je asi (16)-20 Hz
nejvyšší slyšitelná frekvence je asi 20 000 Hz
< 20 Hz = infrazvuk – lze vnímat taktilně (vibrace na pokožce)
> 20 000 Hz = ultrazvuk (protože kůstky nedokážou rychleji vibrovat) (netopýři slyší asi až 100 kHz)
presbyakuse – snižování horní hranice slyšitelnosti s rostoucím věkem

Diference limen

= nejmenší vnímatelný rozdíl
liší se v závislosti na frekvenci
nejefektivnější v nízkých frekvencích asi kolem 100 Hz (pak rovnoměrně stoupá)
počítá se jako x/200 → u větších čísel větší hodnoty
Hz nejsou pro percepci tolik relevantní
asi do 800 Hz vnímáme lineárně, nad 800 se začíná logaritmovat (větší rozdíl se vnímá jako menší) (graf se jakoby zplošťuje)

pro různé druhy akustické analýzy se hodí různé stupnice:

- pro analýzu intonace půltóny

- pro formanty např. mely (nejstarší), barky, erby (nejnovější)

Melová stupnice

vynalezena ve 30. letech 20. století
dvojice zvuků, které jsou od sebe vzdáleny stejný počet melů, vnímáme jako stejný interval (→ rozdíl třeba 100 melů je vždycky percepčně stejný)
stejně jako u diference limen se do 800 Hz vnímá lineárně, pak se logaritmuje
na rozdíl od oktávové stupnice (která zahrnuje i libozvučnost) využívá jen výšku
20 kHz = 2 400 melů

Barková a erbová stupnice

pojem "kritické pásmo slyšení" (CB – „critical bandwidth“)

- jak reaguje bazilární membrána na zvuky s podobnou frekvencí?

- nejblíže jsou rázy, pak nějaká ošklivá kombinace, od hranice pak relativně melodické (z jednoho vrcholku se stanou dva odlišné, a to je právě to kritické pásmo)

- průběh diference limen a kritického pásma je stejný (tvarem)

- v rámci jednoho kritického pásma rozlišíme asi 20-30 diferencí limen

vzdálenost kritických pásem se udává právě v barcích / erbech

- frekvenčně může být jiná, ale percepčně je vždy stejná stejná

Barky

odfiltrovaný bílý šum vystředěný kolem tónu → postupně rozšiřovali pásmo toho šumu – šlo o to, najít, v jakém okamžiku už nebude tón slyšet nebo kdy se začne měnit jeho detekce = šířka kritického pásma (šum zaplní celý filtr kolem tónu → tón už není slyšet) = 1 bark
asi do 500 Hz pořád stejná šířka kritického pásma (asi 100 Hz), nad 500 Hz se zvyšuje (asi 20% f)

- některé osoby se zhoršeným sluchem mají kritické pásmo širší → hůře slyší jednotlivé tóny, slévá se to

převod: 200 melů = 2 barky, 1 000 melů = 10 barků
nevýhoda barků – rozlišení až od 500 Hz → rozlišení v nízkých frekvencích je špatné

Erby

signální tón, kus od něj na obě strany šum (mezi nimi „průslech“) → šum se postupně přibližuje tónu (průslech se zužuje)
v okamžiku, kdy je to moc blízko a začne to ovlivňovat jeho detekci = šířka kritického pásma (= opačný postup než u barků → odstraňuje problém s rázováním) → lepší rozlišení v nízkých frekvencích
ve středních frekvencích je šířka pásma asi 12% f

problém barků i erbů je, že jejich průběh byl nějak zjištěn a až pak se musela najít rovnice, která by tomu průběhu odpovídala → víc různých rovnic
pro zjednodušení se používá:

- bark = 1/3 oktávy

- erb = 1/6 oktávy

Objektivní popis síly zvuku

RMS („root mean square“) → umocnit max. výchylky, ze součtu vypočítat průměr a odmocnit = překlopení záporných hodnot do kladných a zprůměrovat → efektivní amplituda

- efektivní amplituda - průměrný tlak působící např. na bubínek

- průměr sinusovky je 0

Dynamické rozpětí zvuku

nejmenší změna tlaku vnímaná jako zvuk je asi 10 mikropaskalů (asi 10 mld× míň než atmosferický tlak)
největší změna tlaku, co ještě není vnímáno jako bolest, je 64 paskalů
→ ne moc vhodné pro hodnocení, moc velký rozdíl hodnot
zvuk se sílou 10 (něčeho nedefinovaného) je 2× silnější než zvuk se sílou 1

poměrové, ne lineární vnímání
logaritmická stupnice - porovnává intenzitu dvou zvuků:

- dB = 10 * log ( intenzita 1 / intenzita 2 )

- decibely nemají žádnou referenční jednotku, slouží jen jako poměrná jednotka

Intenzita

energie, která za 1 s dorazí na plochu 1 m² (zvuk za sekundu urazí 340 m)
ta samá energie po 2 s dorazí na 4 m²
→ intenzita klesá kvadraticky se vzdáleností (po 3 s 1/9 intenzity) („inverse square law“)

- dB = 20 * log (tlak 1 / tlak 2)

např. rozdíl 60 dB je milionkrát větší intenzita

aby se mohly uvádět konkrétní hodnoty, musela se stanovit 0:

- 0 dB = 10-12 W/m2

= intenzita 1 000 Hz tónu, který těsně nebyl zachycen

- je-li stanovena intenzita, používá se termín hladina zvuku (ang. SPL)

Subjektivní popis síly zvuku

Hladina hlasitosti

značka "H"
týká se čistých tónů
vyjadřuje se ve fonech
jako reference byla stanovena hodnota 1 000 Hz

- 1 000 Hz tón o 35 dB = 35 fonů

izofona = křivka stejné hlasitosti – v závislosti na Hz musí mít zvuk různou sílu v dB, aby byl slyšet jako stejně silný

- nejlépe se vnímají frekvence asi 1 000 – 4 000 Hz (pro pocit stejné hlasitosti stačí menší intenzita než u jiných frekvencí)

- další propad kolem 13 000 Hz = druhá rezonance zevního zvukovodu

práh bolesti asi 120–130 dB
asi 10–15 dB pod tím je práh nepříjemnosti
celková percepční dynamika (fony) je ve všech frekvencích stejná, i když podle dB se to třeba zplošťuje

Hlasitost

týká se celkové hlasitosti (zkratka "L")
jednotka son

- 1 son = 40 dB tisícihertzového tónu

→ rozdíl o 40 dB = 1 son, 50 dB = 2 sony, 60 dB = 4 sony, 70 dB = 8 sonů

je to poměrové vnímání → zvýšení o 10 dB = 2 × L

jednotky jako takové se nepoužívají, ale vztahy platí
pokud má zvuk pásmo širší než je šířka kritického pásma, je slyšet jako silnější
hlasitost je ovlivněna i trváním – pod 100 ms dochází k integraci a síla zvuku se nevnímá objektivně (jinak delší tóny jsou vnímány jako silnější)

Praktický výpočet

dB SPL = rozdíl obou hodnot (např. dva zvuky o 40 dB a 100 dB) → vznikne číslo (zde 60) → vydělit 10 (→ zde 6)
poměr intenzit: 10ⁿ (zde 10⁶) → kolikrát je silnější = ^intenzita
poměr hlasitosti: 2ⁿ (zde 2⁶) → kolikrát silněji vnímáme = hlasitost

Vnímání kvality zvuku

kvalita hlasu = barva, témbr
jak něco vnímáme, závisí na tom, jaké to má frekvenční složení
objektivní korelát je zvukové spektrum
kvalita je velmi složitá, definice je vždy negativní (např. něco ve smyslu „pokud jsou dva zvuky stejné, ale vnímáme je jinak, je to rozdíl v kvalitě)
rozdíl v kvalitě je např. stejný tón zahraný na různé nástroje

zajímá nás poloha spektrálního těžiště = které frekvence jsou nejsilnější, je v nich nejvíce energie (= nejvyšší amplituda)?

- temný zvuk – nejvíc energie je v nízkých frekvencích

- ostrý zvuk – nejvíc energie je v nejvyšších frekvencích

- středně ostrý zvuk – nejvíc energie je ve středních frekvencích

schematická spektrální obálka – vyrovnání obloučků (úzkopásmová maxima = formanty) do jednoho velkého oblouku
formanty = úzkopásmová maxima, která přispívají ke vnímání kvality zvuku

HNR = harmonicita („harmonic-to-noise ratio“) – poměr harmonických a šumových složek ve spektru

- údaj, který vypovídá o periodičnosti signálu

- používá se pro popis patologické fonace

- udává se v dB – pokud má harmonicita 20 dB, jsou harmonické složky 100× silnější než šumové

Reference

Ptáček, M. (1993): Úvod do fonetické akustiky. Praha: Karolinum.
Palková, Z. (1994): Fonetika a fonologie češtiny. Praha: Karolinum. (vybrané části)
Fant, G. (1970): Acoustic theory of speech production. The Hague: Mouton.
Ladefoged, P. (1996): Elements of acoustic phonetics. Chicago: University of Chicago Press.
Johnson, K. (2003): Acoustic and auditory phonetics. Oxford: Blackwell Publishing.
Kent, R. D. - Read, C. (1992): The acoustic analysis of speech. San Diego: Whurr Publishers.
Syrový, V. (2003): Hudební akustika. Praha: Akademie múzických umění. (vybrané části)

Zpět na rozcestník: Akustika | Fonetika