Moore响度的三种计算方法

    0 引 言

    响度是声质量评定中的重要参数，自从 1933 年Fletcher 提出响度（loudness）概念以来，响度一直是心理声学领域的研究热点。人们建立了多种响度计算模型，其中 Stevens 响度计算模型[1-2]和 Zwicker 响度计算模型[3]都比较成功，成为 1975 年的国际标准[4]。然而，Zwicker 模型和 Stevens 模型均采用图表法，在计算精度方面有所欠缺。Moore在 Zwicker 模型的基础上进行了改进[5-6]，其计算模型基于解析式，理论上可针对频谱、声压连续变化的声音信号进行响度计算，该模型成为了 2005 年的美国国家标准[7]。然而，Moore 模型仅给出了可参数化描述的典型信号的响度计算方法，对现场采集的非参数化描述声音信号，必须通过 FFT 算法等手段提取信号的特征参数，将其转换为 Moore 模型能够计算的参数化描述的标准信号类型，然后才能进行响度计算。

    1 用FFT算法计算Moore响度

    1.1 Moore 模型的运算流程

    Moore模型的计算流程如图 1 所示，它模拟了人体听觉系统的整个过程。首先人体的头部、躯干以及人耳由于其特定的生理结构对不同频率的信号成分具有不同的放大和衰减作用。Moore 模型中的外、中耳传递函数模拟了人体外耳和中耳对信号的这一滤波作用，经过外、中耳滤波处理，可以获得信号到达耳蜗的有效声压级。接下来由信号的有效声压级分布特征来确定 372 个耳蜗滤波器，用于模拟内耳的掩蔽机理。将信号的有效声压级作为输入，用 372 个激励模式。根据激励大小的不同，利用相应的计算公式，便可由频域激励求得372 个特性响度。将特性响度连接为 1 条曲线，求解曲线下的面积即为单耳响度。Moore 认为双耳响度为单耳响度的 2 倍，所以单耳响度乘以 2，即可得总响度。

    1.2 Moore 模型需要的信号参数

    根据 Moore 的描述，要想计算一个声音信号的响度，首先必须确定该信号的频谱。信号的频谱可以用以下 4 种参数化方式[7]给出：

   （1）频谱由复合音信号的离散频率成分确定，则需要给出各成分的频率和声压级。

   （2）频谱由几个带宽确定的噪声确定，则首先需要给出噪声的个数。这里的噪声既可以是白噪声（此处特指在通带内具有恒定的声压谱级），也可以是粉红噪声（此处特指在通带内声压谱级随频率的增加而衰减，衰减率为 3dB/octave）。对于白噪声，需要给出上、下截止频率和声压谱级；对于粉红噪声，需要给出上、下截止频率和基准频率以及基准频率处的声压谱级。