82、计算听觉场景分析：模拟人类听觉表现的模型探索

计算听觉场景分析：模拟人类听觉表现的模型探索

1. 计算听觉场景分析概述

在听觉研究中，存在两种不同的研究途径。一种是旨在理解人类听觉处理器，通过构建计算模型来模拟各种听觉现象，从而估算模型参数的作用，探索声音产生事件的声学特性与感知到的声音结构之间的关系。另一种途径则不依赖于对人类听觉处理的了解，常用于实际应用开发，例如从复杂混合声音中分离出单一声音信号。像语音识别系统需要从干扰声音中挑选出特定说话者的语音，或者机器人要在嘈杂环境中导航并对语音指令做出响应等场景。

若研究目标是打造性能最优的系统，可能会尝试超越人类听觉能力，比如使用多于两个麦克风记录声音，或在记录中纳入次声波或超声波，以规避人类感知系统的局限。这类系统的性能相对容易定义，例如在声音定位中，声音位置估算越接近实际声源位置，系统性能越好。但人类听觉在某些情况下与技术系统的判断有所不同，如一个声音通过两个不同扬声器播放时，技术系统会定位到两个不同声源，而人类通常会觉得声音来自两个扬声器中间；当一个扬声器同时播放两种不同旋律时，技术系统会识别为一个声源，而人类能分辨出两个。

接下来将重点关注模拟人类听觉表现的系统。听觉场景分析（ASA）受多种因素影响，为定量确定这些因素的影响，最佳方法之一是构建定量模型来预测感知实验结果，通过改变模型参数，测量其对模型输出的影响，并与受控感知实验结果进行对比。

计算听觉场景分析领域的文献丰富，周边听觉系统多由听觉滤波器组建模，而中央处理过程常涉及更专业的系统，如隐马尔可夫模型、最优处理器或连接主义网络等。该领域的相关研究众多，如Blauert和Braasch、Brown、Cooke和Ellis等学者都有涉及；语音与竞争声音分离方面，Divenyi、Haykin和Ch