75、听觉流形成中的连续性错觉

听觉流形成中的连续性错觉

1. 听觉单元的起始与结束

在听觉频率通道中,通常情况下,当强度突然上升时,我们会感知到一个听觉单元的节拍。一般认为,这些节拍标志着一个新听觉单元的出现,节拍大多由听觉频率通道中起始点的时间簇所诱发。由此可以自然地假设,由该节拍定义的听觉单元是由那些起始点诱发节拍的声音成分所决定的。对于结束点,我们也可以进行类似的推理:感知到的结束点会被归因于其成分显示出声学结束的听觉单元,但实际情况并非总是如此。下面将介绍两种奇特的听觉错觉现象。

1.1 分离错觉

分离错觉是一种声音现象,其中一个声音成分的结束点在感知上并不归因于由该成分形成的听觉单元,而是归因于由稍后开始的成分形成的另一个听觉单元。

例如,有两个调频(FM)滑音,它们以每秒1.5个八度的速度上升。第一个滑音从440 Hz开始,1.4秒后结束于1760 Hz;第二个滑音比第一个滑音晚1秒开始,从880 Hz开始,在1.4秒内上升到3520 Hz。从频谱图和生成它们的数学方程来看,我们可能期望听到两个上升的FM滑音,但实际上大多数听众会听到一个从440 Hz开始、2.4秒后结束于3520 Hz的长上升滑音,中间伴随着一个短音。在分离错觉中,第一个音调的结束点在感知上被归因于第二个音调,第二个音调被分成两部分,第一部分被感知为一个约500毫秒的短音。由于结束点被分配给了这个短音,长音在感知上并未结束,而是继续延续,第二个音调的剩余部分在感知上与第一个音调整合,形成一个长音。这表明听觉系统可以将一个声音成分的结束点归因于由不同成分形成的听觉单元。

1.2 间隙转移错觉

间隙转移错觉最早由Tanaka、Nakajima和Sasaki描述。在这

【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与分类,实现对不同类型扰动的自动识别与准确区分。该方法充分发挥DWT在信号去噪与特征提取方面的优势,结合ML强大的模式识别能力,提升了分类精度与鲁棒性,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与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与效率,为后续的电能治理与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的实现过程与特征提取步骤,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