声学心理模型1----静音门槛曲线

音频压缩算法(MP3) 阅读详情

 

静音门槛曲线

 

人的耳朵对声音的感知能力是有限的, 在非常安静的环境下, 也许可以听到针掉在地上的声音。 但是仍然有许多声音是耳朵无法感知的, 这并不是说这些声音就不存在, 它们是存在的,只是我们的耳朵无法感知而已。根据人耳的特性,实验人员经过测试绘制出了下表的曲线。

 

横轴是频率f, 纵轴是临界声压Tq(f), 该曲线描述的人耳朵对不同频率的声音的感知能力.(这里解释一下什么是声压sound pressure level (SPL)用来描述声音对人耳产生的压力, 是一个评判声音刺激人耳的标准, SPL越大说明需要的刺激越高)

 

Tq(f)的值越大, 说明在该频率下的声音越难被人感知, 只有在f频率下的声压A(f)满足A(f)>=Tq(f)的情况下, 这个频率的声音才可以被人感知。

 

很容易看出低频和高频声音都比较难以被人感知,最容易被人感知的是3kHz—4kHz的声音。

 

 

 

该曲线可以由非线性方程来逼近

 

一般来说能被人耳感知的频率是在[10Hz,  20kHz]上. 其他频率的声音人耳是难以感知的. 而在[3kHz, 4kHz]上的声音是最容易被人耳感知的.

 

 

后记

假设我们在频率f0上的声音产生的声压是A0

那么我们就要根据静音门槛曲线去查找f0上的临界声压Tq(f0), 假设其值为Tq0.

现在就要拿A0跟Tq0对比,

如果A0<Tq0, 那么这个声音是无法被感知的. 因为声压比临界声压低.

如果A0>=Tq0 那么该声音可以被感知.

 

f是频率

A(f)是f频率上的实际声压, 是可以变化的

Tq(f)是临界声压, 是不变的

 
音视频基础概念(5)——音频基础说明 音频的基础概念主要包括采样、采样率、声道、音频编解码、码率等。常用的音频格式主要包括WAV、AAC、AMR、MP3、AC-3等。 阅读详情

相关推荐

ROC阈值曲线

在贝叶斯分类器中

poi7777的专栏 3851

音频基础知识及编码原理

一、基本概念 1 比特率:表示经过编码(压缩)后的音频数据每秒钟需要用多少个比特来表示,单位常为kbps。 2 响度和强度:声音的主观属性响度表示的是一个声音听来有多响的程度。响度主要随声音的强度而变化,但也受频率的影响。总的说,中频纯音听来比低频和高频纯音响一些。 3 采样和采样率:采样是把连续的时间信号,变成离散的数字信号。采样率是指每秒钟采集多少个样本。 Nyquist采样定律:采样率大于或等于连续信号最高频率分量的2倍时,采样信号可以用来完美重构原始连续信号。 二、常见音频格式 1

水龙吟的备忘录 1万+

实时语音翻译技术:端到端低延迟跨语言声学映射实现

实时语音翻译是一种将源语言语音流在毫秒级内直接转换为目标语言语音的技术,其核心在于绕过传统ASR-文本翻译-TTS三段式架构,实现在声学特征空间的隐式语义对齐。原理上依赖流式语音编码器、隐式对齐模块与低延迟神经声码器的协同优化,技术价值体现在端到端延迟≤300ms、词级准确率≥92%、支持多语言对流式切换等硬性指标。广泛应用于远程医疗、跨国在线教育、高端同传设备等对时序敏感的交互场景。本文聚焦Real-Time Speech Translation与EchoLink架构,深入解析Conformer流式建模、

weixin_30493401的博客 396

MP3编码分析

目录 一、MP3文件格式解析....2 1、MP3文件及MPEG概述...2 二、MP3编码原理....4 1、MP3编码流程...4 2、子带滤波器排——编码流程图中编号为1......5 3、改良后的DCT(MDCT)——编码流程图中编号为2......7 4、声音心理学模型——编码流程图中编号为3......8 5、位元分配、量化和Huffman编码——4......12 ...

系统运维 1030

音乐情绪识别实战:从声学特征到VA坐标系的端到端落地

音乐情绪识别是情感计算与音频智能交叉的核心方向,其本质是将原始音频信号转化为可解释、可干预的情绪状态表征。技术原理基于声学特征(如起音斜率、谐噪比、节奏不规则度)与人类心理感知(效价-唤醒双维度)之间的可建模映射关系,依托生理信号对齐与多源异构数据融合提升鲁棒性。该技术已突破实验室阶段,在车载情绪调节、健身BPM动态匹配、心理健康初筛等场景实现商用验证,具备低延迟、轻量化、边缘部署等工程优势。本文聚焦AI情绪识别与声学情感计算两大热词,详解从PCM波形到Valence-Arousal向量的七步转化路径及真实

soyo的专栏 431

AI面试24小时精准准备:声学、视觉与语义三维度实战指南

AI面试并非考察‘说什么’,而是通过声学特征、视觉行为和语义结构三个底层维度,实时测量求职者的生理与认知稳定性。其核心原理源于语音信号处理(如MFCC建模)、计算机视觉对微表情的像素级识别,以及自然语言处理中SVO主干句式与逻辑连接词的统计分析。这种技术价值在于提升初筛效率与客观性,已广泛应用于HireVue、Pymetrics等主流平台的校招与转岗流程。本文聚焦可操作的24小时干预窗口,围绕声学稳定性、视觉一致性、语义结构密度三大热词,提供基于神经科学与工程验证的实操路径,帮助应届生与职场人将真实能力稳定

weixin_34054866的博客 401

音频几个相关概念及心理声学模型

本文主要介绍音频几个相关概念及心理声学模型,常见的有损压缩都要用到心理声学模型。

littlezls的博客 1939

从氛围音频到声音工作台:构建高效专注的声学环境

在数字时代,声音环境已成为影响认知效率的关键因素。其原理在于通过特定的声学设计,如频谱塑形和动态控制,来管理注意力并塑造认知状态。从技术价值看,这超越了传统音乐或白噪音,成为一种精细的“声音工具”,能有效实现声音掩蔽、减少干扰,并可能通过心理暗示(启动效应)辅助状态切换。其核心应用场景是服务于高认知负载的任务,如编程、深度学习和创意工作,帮助用户构建一个稳定、可定制的声音基础设施。本文以“氛围音频”为例,探讨如何系统化地选择和配置声音,将其从被动娱乐转变为主动的生产力组件,最终自然收敛到构建个性化、可持续的

weixin_33827731的博客 615

音频水印——PerTh Watermarker

最近出现的新一波 AI 生成模型几乎可以以假乱真,并且使用门槛较低。许多研究人员和公司声称可以生成与真实内容没有区别的图像、语音和视频内容。通常,使用这些工具需要一些技术专业知识。但是,许多公司都努力使它们尽可能易于使用,从而减少或消除对任何特定技术知识的需求。如果没有适当的验证,这可能会导致虚假和误导性内容的扩散,这些内容甚至可能进入善意和信誉良好的新闻机构的页面。解决这一新问题的一种方法是将 AI 用作检测内容是否真实的工具。

qq_42019881的博客 1837

【信息科学与工程学】【物理/化学科学和工程技术】知识体系87——声学基础02 应用声学

编号类型领域问题问题的数学分析参数列表及常量/常数及参数的数值范围关联知识1技术应用应用声学如何利用超声波反射测量距离?设发射脉冲与接收回波的时间差为 Δt,声速为 c,则目标距离 d = c·Δt / 2。c ≈ 340 m/s (空气中,20°C);Δt 通常为 0.1 ms ~ 100 ms;d 对应范围约 0.017 m ~ 17 m。声波传播、反射定律、压电换能器、时延估计2现象分析应用声学为什么在音乐厅中某些位置听到的声音更清晰?声压级叠加:总声压级 Lp = 10 log₁₀(Σ 10^(Lp

weixin_49199313的博客 220

RAW Room EQ Wizard用于测量和分析房间和扬声器响应的免费房间声学分析软件

REW是用于测量和分析房间和扬声器响应的免费房间声学分析软件。 REW的音频分析功能可帮助您优化您的听音室,演播室或家庭影院的音响效果,并为您的扬声器,低音炮和聆听位置找到最佳位置。 它包括用于生成音频测试信号的工具; 测量声压级和阻抗; 测量频率和脉冲响应; 测量失真; 产生相位,群延迟和谱衰变图,瀑布,谱图和能量 - 时间曲线; 生成实时分析器(RTA)图; 计算混响时间; 计算Thiele-Small参数; 确定模态共振的频率和衰减时间; 显示均衡器响应并自动调整参数均衡器的设置以对抗房间模式的影响并调整响应以匹配目标曲线。

FSMN VAD科研辅助:心理学实验中语音行为编码的支持

本文介绍了基于星图GPU平台自动化部署FSMN VAD阿里开源的语音活动检测模型 构建by科哥镜像的应用方案,该系统可高效实现心理学实验中语音行为的自动切分与时间戳标注,适用于访谈录音分析、情绪反应延迟测量等典型场景,助力科研人员快速完成大规模语音数据的预处理与量化编码。

weixin_42376614的博客 354

2026 AI编程环境安装指南:从下载、部署到流式验证

AI编程环境已不再是传统软件安装,而是融合硬件兼容性、模型运行时与IDE插件协同的系统工程。其核心原理在于:本地GPU驱动需匹配量化运行时(如Ollama v0.3+对CUDA 12.1+的强制要求),协议层依赖gRPC流式响应,生态层则要求插件签名与模型源可信校验。这一技术组合显著提升AI代码生成的实时性与生产就绪度,支撑微服务开发、CI/CD智能补全、本地LLM推理等关键场景。本文聚焦AI编程软件下载与安装过程中的可复现部署实践,覆盖macOS/WSL2双平台、NVMe模型加速、离线校验及原子化功能验证

weixin_30480075的博客 595

语音情感识别项目落地:基于Emotion2Vec+的完整流程

本文介绍了如何在星图GPU平台上自动化部署Emotion2Vec+ Large语音情感识别系统(二次开发构建by科哥)镜像,实现高精度语音情绪分析。用户可快速启动WebUI服务,上传音频文件,实时获取9类情绪识别结果及置信度,典型应用于客服对话情绪质检、在线教育学生状态监测等场景。

weixin_28913879的博客 969

esp32s3 spi camera gc6133调试

gc6133 spi只有master模式,同时需要esp32提供主时钟,需要有主时钟然后才能通过i2c进行初始化.测试了几种方式,记录如下。

hclydao的专栏 1567

CentOS7.9 安装 ImageMagick,图片转换为HEIC图像格式

由于ImageMagick7以下不支持heic等图片格式,所以重新安装了ImageMagick7.1版本支持heic格式,在网上找了很多资料,归纳总结并写此文章记录一下。在Linux(CentOS7.9)上安装ImageMagick7.1.1-38。

shmily_i的博客 1941

XR实时翻译破局点:“仅前方”拾音与声学前端技术解析

空间计算设备上的实时翻译,核心挑战往往不在大模型翻译质量,而在物理拾音环节。传统手机贴近嘴边,信噪比高,而头戴式XR设备麦克风距离目标说话人更远,环境噪声与干扰人声混叠,导致语音识别准确率大幅下降。为解决这一难题,Android XR引入“仅前方”定向拾音增强,通过多麦克风阵列与波束成形算法,在空间上锁定目标说话人方向,抑制侧后方干扰。同时结合视觉辅助,利用摄像头人脸检测与眼动追踪,实现视听融合的声源定位。这一声学前端处理是整条实时翻译管线的基础,直接影响后续ASR与翻译质量。在商务洽谈、国际会议、展会导览

weixin_30580341的博客 389

RK3566 Android11固件烧录实战:从驱动配置到分区升级与救砖

在嵌入式开发与量产交付中,固件烧录是连接编译产物与硬件实体的关键环节,其本质并非简单的文件拷贝,而是依赖芯片BootROM与Loader协同完成的分区级数据搬运。以RK3566平台为例,理解Loader模式、MaskROM模式以及Android分区表的映射关系,是高效开展系统升级、单分区调试和异常恢复的基础。无论是研发阶段通过RKDevTool进行灵活的分区烧录,还是产线环境借助Linux命令行工具实现批量灌装,规范的驱动安装、工具链选型与硬件连接验证都直接决定成败。本文聚焦RK3566 Android11

weixin_29172963的博客 253

专业级循环歌单制作:音频处理技术与心理学编排全解析

音频处理技术是现代多媒体应用的核心基础,涉及从音源采集到最终播放的完整技术链。其原理基于数字信号处理,通过对音频信号的采样、量化、编码和后期处理,实现音质优化和特定场景适配。在技术价值层面,专业的音频处理能够显著提升用户体验,特别是在情绪调节和专注力提升等应用场景中发挥关键作用。以FFmpeg工具链为例,通过响度归一化、频谱分析和无缝过渡等技术,可以构建符合人类听觉心理的音频体验。在实际工程实践中,结合心理学原理的BPM渐变曲线和频谱能量分布优化,使得循环歌单制作不再只是简单的歌曲拼接,而是需要综合考虑音频

weixin_34274029的博客 430

从SN65HVD230芯片手册出发,手把手教你搞定3.3V CAN收发器电路(附典型应用图)

本文详细解析TI SN65HVD230芯片手册,指导完成3.3V CAN收发器电路设计。从关键参数解读到基础电路搭建,再到高级功能实现与EMC优化,提供完整的接口电路设计方案,并附典型应用图和故障排查指南,助力开发者提升CAN总线通信质量。

weixin_29997523的博客 518

SpringBoot多线程查询实战-查询库中所有数据多线程实现

但是,在数据量较大且服务器资源足够的情况下,多线程方法通常能够显著提高查询效率。此外,由于它是同步执行的,没有利用并行处理的能力,所以在处理大量数据时可能会比较慢。这个方法采用了分页查询的方式,每次只获取一部分数据,从而避免了内存溢出的问题。然而,它也是同步执行的,没有利用多线程或并行处理的能力。如果每次分页查询的数据量仍然很大,或者需要查询的轮数很多,那么这种方法的效率可能仍然会受到限制。​ ​ ​在比较这三种方式的效率时,我们需要考虑几个关键因素:数据量的大小、查询操作的复杂性、以及并行处理的能力。

勇敢牛牛,不怕困难! 4809

攻防世界MISC前50题解题全记录

本文系统梳理了攻防世界平台MISC方向前50道题目,涵盖文件隐写、流量分析、图像处理、编码转换等多种技术。通过WinHex、binwalk、stegsolve等工具,结合Base64隐写、LSB隐写、Brainfuck加密等技巧,详细解析每道题的突破口与解法,适合CTF初学者进阶学习。

weixin_42372837的博客 707

17、激光切割焦点位置和入射角对切割质量的影响研究

本研究通过响应面方法(RSM)结合Box-Behnken设计,系统分析了激光功率、切割速度和气体压力对SS 304不锈钢激光切割质量的影响,重点探讨了三种不同喷嘴在不同聚焦条件下的切缝比和条纹深度变化规律。实验结果表明,激光功率、切割速度和气体压力对切割质量具有显著影响,且不同喷嘴因焦点位置差异表现出不同的响应趋势。通过回归建模与优化,确定了最小激光功率、适中切割速度和最大气体压力为最优参数组合,可实现最小切缝比和较优条纹深度。研究为实际激光切割工艺提供了科学的参数选择依据和操作流程建议,有效提升了切割精度

mm9012的博客 127

智能耳塞技术解析:从自适应降噪到场景化静音管理

主动降噪技术通过生成反向声波抵消环境噪音,其核心在于数字信号处理与自适应算法,能有效提升在嘈杂环境中的专注度与舒适性。这项技术的工程价值在于实现了从通用降噪到个性化声音管理的演进,通过麦克风阵列与传感器融合,可实时识别并分类噪音类型,如键盘声、空调声或人声。结合可定制的声音滤镜与智能场景识别,它能灵活适配办公、睡眠、通勤等多种应用场景,最终服务于像HUSH智能耳塞这样的产品,实现从‘降噪’到‘静界’的体验升级,满足用户对声音环境的精准控制需求。

weixin_33788244的博客 387

电力系统分析 | Matlab实现源荷场景生成---蒙特卡洛法场景生成启发式同步回带削减

电力系统分析 | Matlab实现源荷场景生成---蒙特卡洛法场景生成启发式同步回带削减

前程算法屋的博客 814

精雕软件(JDpaint) 5.5 绿色版

精雕软件(JDpaint) 5.5 绿色版精雕软件(JDpaint) 5.5 绿色版精雕软件(JDpaint) 5.5 绿色版

科哥开发的SenseVoice Small镜像,让语音识别更智能更简单

本文介绍了基于星图GPU平台自动化部署“SenseVoice Small根据语音识别文字和情感事件标签 二次开发构建by科哥”镜像的实践方法。该镜像集成语音转写、情感识别与声学事件检测功能,适用于客服质检、视频内容打标等AI应用开发场景,助力开发者快速构建智能语音分析系统。

weixin_32535825的博客 1021

WINCC7.3破解文件

WINCC7.3硬件够破解文件,有需要的下载!WINCC7.3硬件够破解文件,有需要的下载!

上一篇: Shine 和 8hz-mp3
下一篇: 数字音视频编解码技术标准工作组会员单位
xiaomantoubaba
博客等级 码龄23年 75粉丝 44原创
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
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
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
实付元
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