74、听觉连续性错觉:原理与机制

听觉连续性错觉:原理与机制

1. 连续性错觉中的音高轮廓

在连续性错觉的研究中,音高轮廓是一个重要的研究对象。例如,对于带有噪声填充间隙的三角调频音,存在两种可能的音高轮廓。图 10.41 中的虚线就代表了这两种轮廓,上半部分的轮廓峰值更高、谷值更低,而下半部分的轮廓则相对平缓。

实际上,实验中的演示表明,音高是一种相当惰性的感知属性。在没有明确信息表明音高正在变化时,恢复的音高轮廓会保持平坦。例如,在图 10.40 的演示中,音高轮廓的峰值会比图 10.39 中的低,谷值会比图 10.39 中的高。这与听众实际听到的情况相符,说明图 10.41 下半部分的连续黑线能更好地近似我们所听到的恢复音高轮廓。不过,这仍然只是一种近似,因为我们听到的音高轮廓并非是连续的直线序列,而是平滑起伏的序列,实际上应该用之前讨论过的音高时间积分窗口进行平滑处理。

2. 连续性错觉的四个规则

当一个掩蔽音 M 在目标音 S(信号)播放期间出现时,掩蔽音会将信号分成两个未被掩蔽的部分 S1 和 S2,形成 S1 M S2 的模式。那么,在什么条件下,听众会感知到一个从 S1 开始,在 M 期间持续,以 S2 结束的连续听觉单元或流 S 呢?以下是四个决定连续性错觉发生的规则:
- “S 中无间断” :目标音 S 不应有任何间断的感知证据。例如,在图 10.35 的演示中,纯音的间隙比噪声突发宽,导致在噪声突发前后能听到音的起始和结束,从而破坏了连续性错觉。研究发现,噪声突发前后强度的快速变化(如强度下降或上升)都会削弱连续性错觉,因为这些变化暗示了音的起始或结束,干扰了连续性错觉的产生。
- “证据充分

【电能质量扰动】基于ML和DWT的电能质量扰动分类方法研究(Matlab实现)内容概要:本文研究了一种基于机器学习(ML)和离散小波变换(DWT)的电能质量扰动分类方法,并提供了Matlab实现方案。首先利用DWT对电能质量信号进行多尺度分解,提取信号的时频域特征,有效捕捉电压暂降、暂升、中断、谐波、闪变等常见扰动的关键信息;随后结合机器学习分类器(如SVM、BP神经网络等)对提取的特征进行训练分类,实现对不同类型扰动的自动识别准确区分。该方法充分发挥DWT在信号去噪特征提取方面的优势,结合ML强大的模式识别能力,提升了分类精度鲁棒性,具有较强的实用价值。; 适合人群:电气工程、自动化、电力系统及其自动化等相关专业的研究生、科研人员及从事电能质量监测分析的工程技术人员;具备一定的信号处理基础和Matlab编程能力者更佳。; 使用场景及目标:①应用于智能电网中的电能质量在线监测系统,实现扰动类型的自动识别;②作为高校或科研机构在信号处理、模式识别、电力系统分析等课程的教学案例或科研实验平台;③目标是提高电能质量扰动分类的准确性效率,为后续的电能治理设备保护提供决策依据。; 阅读建议:建议读者结合Matlab代码深入理解DWT的实现过程特征提取步骤,重点关注小波基选择、分解层数设定及特征向量构造对分类性能的影响,并尝试对比不同机器学习模型的分类效果,以全面掌握该方法的核心技术要点。
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符  | 博主筛选后可见
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值