46、声音感知评估与盲驾游戏中的声讯策略探索

声音感知评估与盲驾游戏中的声讯策略探索

1. 通过声音模仿评估声音感知

在相关实验中，参与者的反馈再次证实了不同材料会引发不同声音模仿这一假设。参与者报告称，对三种材料的声音感知存在差异。此外，之前提到的共振峰轨迹面积可能是区分材料的一个指标，有助于区分液体和其他材料。不过，还需要用相同材料进行包含其他动态情况的实验，以强化已提取的数据并证实相关假设。

在后续研究方面，激励因素是一个重要研究对象。目前，除了在一定程度上的基频外，所研究的所有描述符都是从频谱中提取的。在分析和描述复杂声音时，必须考虑激励因素。例如，对于液体声音，频谱或基频所包含的信息是不够的。声音模仿可能是半浊音半清音的，就像法语中“r”或“j”的发音，如“rouler”或“jouer”。使用线性预测编码（LPC）中的逆滤波来获取有关激励的信息相对容易，但对上述复杂声音进行建模则更为复杂。接下来的研究领域肯定会聚焦于从线性预测的残差中提取信息。

从更广泛的角度来看，通过声音模仿评估声音感知为声音合成开辟了更广阔的前景。有研究提出了一种基于脑机接口（BCI）的方法来突出和提取上述不变量。我们可以提出这样的问题：当人们听到能唤起已知运动和材料的声音时，人脑会有怎样的反应？当人们模仿唤起运动和材料的声音时，大脑的反应是否相同？已有研究对听到唤起运动的声音时大脑的反应进行了研究和测量。实际上，已有研究直接表明，参与言语的区域也参与运动功能，因此探索听觉唤起的运动与我们模仿方式之间的关系，以找到上述不变量，通常是一个不错的研究方向。

在本次实验中，目标是确定参与者在声音模仿过程中所使用声音的主要特征，以及参与者如何用自己的发声器官来转化这些特征。为此，从F1、F2空间中提取了几个描述符：相位、拟合共振峰轨