はじめに
バイオリンが音を弾いているのを聞くと、周波数だけでなくピッチ、振幅だけでなく音量、スペクトルだけでなく音色も認識します。物理的な音波から主観的な聴覚体験への変換は、音響心理学 の領域です。これは、人間の聴覚系が音をどのように処理し、解釈するかを研究するものです。この分野は、聴覚が音響イベントの受動的な記録ではなく、私たちの音楽体験を深く形成する能動的で建設的なプロセスであることを明らかにしています。
スペクトラムアナライザーとしての耳
人間の耳は、非常に洗練された周波数アナライザーとして機能します。音は外耳道に入り、鼓膜を振動させ、その振動は中耳の3つの小さな骨を通って内耳の蝸牛に伝わります。蝸牛は、機械的振動を神経信号に変換する約15,000個の有毛細胞を含む、液体で満たされた螺旋状の器官です。
蝸牛は 周波数から場所への変換 を実行します。高周波は蝸牛の基部の有毛細胞を刺激し、低周波は頂点の細胞を刺激します。これは、蝸牛が周波数を位置に物理的にマッピングし、生物学的なフーリエ変換と同じように機能することを意味します。脳はこの空間マップを読み取り、入ってくる音の周波数成分を判断します。
クリティカルバンドと周波数選択性
耳の周波数分析は無限に細かいわけではありません。代わりに、周波数スペクトルを クリティカル バンド、つまり一緒に処理される周波数の範囲に分割します。クリティカルバンドの幅はおよそ次のとおりです。
$$\デルタ f \約 25 + 75 \cdot f / 1000 \text{ Hz}$$
低周波数では、臨界帯域は狭くなります (500 Hz で約 100 Hz)。高周波数では、幅が広がります (15 kHz で約 3,500 Hz)。この非線形周波数分解能は、私たちが高周波よりも低周波の周波数差に敏感である理由を説明しています。
臨界帯域の概念は、多くの音響現象を説明します。同じ臨界帯域内にある 2 つのトーンは、ラフネス、つまり荒々しさや鼓動の感覚を生み出します。異なる臨界帯域のトーンがよりスムーズにブレンドされます。これが、協和音の音程が音を別々の臨界帯域に配置する周波数比に対応するのに対し、不協和音の音程は同じ帯域内に収まることで粗さを生み出す理由です。
ラウドネスの知覚
音量の知覚は、物理的な強度に直線的に対応しません。耳の反応はほぼ対数であるため、デシベルスケールが開発されました。ただし、音量の知覚は周波数にも依存します。耳は人間の音声が含まれる [1 ～ 4 kHz] (色: 赤) の周波数に最も敏感です。
等ラウドネス等高線 (フレッチャー・マンソン曲線) は、100 Hz トーンが同じ音量として知覚されるためには、1 kHz トーンよりも約 20 dB 大きくなければならないことを示しています。これは実際的な意味を持ちます。つまり、音楽は大音量時と小音量時で異なって聞こえます。低いリスニングレベルでは低音域が消えてしまうように見えるため、多くのアンプには、小さな音量で低音と高音をブーストするラウドネス補正回路が組み込まれています。
音量の知覚は継続時間にも依存します。短い音 (約 200 ミリ秒未満) は、同じ強度の持続音よりも静かであると認識されます。このため、パーカッシブなアタックが同じ音量として認識されるためには、持続音よりも物理的に大きくなければなりません。
ピッチの知覚と基礎の欠如
脳によるピッチの解釈は驚くほど洗練されています。複雑なトーンが提示された場合、基本音が物理的に存在しない場合でも、知覚されるピッチは通常 基本周波数 のピッチとなります。これが基本音の欠落現象です。
たとえば、200 Hz の複合トーンから基本音を削除し、400、600、800 Hz などの倍音を残した場合でも、ピッチは 200 Hz として認識されます。脳は高調波の間隔から基本波を推測します。これが、低周波を再生できない小型スピーカーでも低音の印象を与えることができる理由です。脳は、可聴倍音から欠落している基本音を再構築します。
ピッチの知覚は状況にも影響されます。同じ周波数でも、周囲の音、音楽のキー、リスナーの期待に応じて、異なるピッチとして知覚されることがあります。この 状況依存のピッチ知覚 が、ミュージシャンがエンハーモニック変調などのテクニックを使用して、驚くべき音楽効果を生み出すことができる理由です。
聴覚マスキング
【聴覚マスキング】(色:青)とは、ある音が他の音を聞こえなくしてしまう現象です。 2 つの音が同時に発生する場合、同じ臨界帯域内にあると、大きい音が小さい音をマスクしてしまう可能性があります。これは、MP3 や AAC などの 非可逆オーディオ圧縮 アルゴリズムの基礎です。
MP3 エンコーダーはオーディオ信号を分析し、マスクされた成分、つまり近くのより大きな周波数によってマスキングされるために聞こえない周波数を特定します。これらのマスクされたコンポーネントは、品質の低下を認識することなく破棄する (またはより少ないビットで表現する) ことができます。エンコーダーは、はっきりと聞こえるマスクされていない周波数により多くのビットを割り当て、知覚品質を維持しながら 10:1 以上の圧縮率を達成します。
フォワードマスキングは、大きな音が後続の小さな音に対する感度を一時的に低下させるときに発生します。この一時的なマスキングは、マスキング音が終了してから約50-200ms続きます。逆マスキング (逆方向マスキング) は、小さな音の後に大きな音がマスクされる場合に発生しますが、この効果は弱く、短いものです。
バイノーラル聴覚と空間認識
人間は 2 つの耳で聴覚を持ち、脳は 2 つの耳の信号の差を利用して音源の位置を特定します。 2 つの主要なバイノーラル キューは次のとおりです。
両耳間時間差 (ITD): 近くの耳に届く音は、反対側の耳に数百マイクロ秒早く届きます。脳はこの遅延を利用して、水平面上で音の位置を特定します。
両耳間レベル差 (ILD): ヘッドは音響の影を作り、特に高周波で遠くの耳に届く音のレベルを下げます。このレベルの違いにより、追加のローカリゼーション情報が提供されます。
これらのバイノーラル キューは、バイノーラル録音 または処理技術を使用してヘッドフォンが空間感覚を作り出すことができる理由を説明しています。また、片耳の難聴によって音源を特定する能力が著しく損なわれる理由も説明されています。
概要
音響心理学は、聴覚が能動的で創造的なプロセスであることを明らかにしています。脳は単に音波を記録するだけでなく、そこから豊かな知覚体験を構築します。重要な帯域は私たちの調和と不協和音の認識を形成し、欠けている基音により小さなスピーカーからの低音を知覚することができ、聴覚マスキングにより効率的な音声圧縮が可能になり、バイノーラル処理が音響空間の感覚を生み出します。これらの現象を理解すると、人間の聴覚システムの力と優雅さの両方に対する認識が深まります。