Моделирование особенностей бинаурального слуха и исследование спектрального состава звуковых сигналов | Статья в журнале «Молодой ученый»

Авторы: ,

Рубрика: Технические науки

Опубликовано в Молодой учёный №44 (178) ноябрь 2017 г.

Дата публикации: 05.11.2017

Статья просмотрена: 9 раз

Библиографическое описание:

Череданова Е. М., Мамченко Е. А. Моделирование особенностей бинаурального слуха и исследование спектрального состава звуковых сигналов // Молодой ученый. — 2017. — №44. — С. 21-24. — URL https://moluch.ru/archive/178/46277/ (дата обращения: 20.08.2018).



В статье проводится исследование трех моделей бинаурального восприятия, характеристик и демаскирующих признаков при бинауральном восприятии речевого сигнала, моделируются особенности бинаурального слуха с помощью применения языка разработки LabVIEW National Instruments, и их применение на акустической фазированной решетке на базе многофункционального модуля сбора данных.

Ключевые слова: бинауральное восприятие, демаскирование, речевой сигнал, порог слышимости, фазированная решетка, демаскирование, речевой сигнал, диаграмма направленности, корреляционный анализ

  1. Постановка задачи

Первичной задачей исследования является разработка программы в среде NI LabVIEW для определения границ применимости трех моделей бинаурального восприятия в азимутальной плоскости на основе теоретических данных. С помощью данной программы можно установить границы применимости всех трех моделей в условиях изменения различных данных (местоположение, частота, интенсивность и т. д.).

Вторичной задачей исследования является разработка программы в среде NI LabVIEW для спектрального анализа звуковых сигналов, поступающих на решетку акустической фазированной решетки, состоящей из восьми элементов, расположенных в одной плоскости нескольких микрофонов.

  1. Используемое оборудование ипрограммное обеспечение

Создание комплекса для решения поставленной задачи осуществлялось в среде программирования LabVIEW с модулями NI VISA, NI DAQmx [1]. В ходе реализации испытательного стенда был использован многофункциональный модуль сбора данных NI USB — 6210. Также была применена фазированная решетка с несколькими закрепленными на ней микрофонами.

На рисунке 4 приведена типовая система сбора данных (DAQ-система), которая дискретизирует сигналы, выполняет цифроаналоговые преобразования для генерации сигналов аналогового вывода, а также воспринимает сигналы цифрового ввода и формирует сигналы цифрового вывода.

Рис. 1. типовая DAQ-система

  1. Описание решения

Для определения границ применимости трех моделей бинаурального восприятиябыла создана программа в среде разработки LabVIEW, построенная на основе существующих теоретических сведениях о моделях бинаурального восприятия звука, ее листинг представлен на рисунке 4. Входными параметрами являются интенсивность источника звука, а также координаты трех точек: источник сигнала и два приемника. На основе математических формул [2], была рассчитана интенсивность звука двух приемников, рассчитанная, в зависимости от типа распространения волн (плоская или сферическая).

Рис. 2. Блок-диаграмма программы границ применимости трех моделей бинаурального восприятия

Рис. 3. Моделирование интенсивностной модели бинаурального восприятия

По итогам проведенных результатов получены следующие результаты: интенсивностная модель бинаурального восприятия работает при разностной интенсивности в 11 %; при увеличении уровня сигнала значительно снижался уровень посторонних шумов, а при демаскировании сигнала порог слышимости снижался на 3 дБ. Полученные данные нам необходимы при решении вторичной задачи.

В программе Adobe Audition были созданы и воспроизведены сигналы (тоновый сигнал на частотах 100, 500 и 2000 Гц, а также речевой сигнал с параметром normalize amplitude 60 %), данные о приеме которых фиксировались в программе, созданной в среде разработки NI LabVIEW. Осциллограммы используемых сигналов показаны на рисунках 4–7. Производилась запись и постобработка с помощью корреляционного анализа (рисунок 4).

Рис. 4. Блок-диаграмма проведения измерений

Рис. 5. Полученные осциллограммы для тонового сигнала с частотой 100Гц

Рис. 6. Полученные осциллограммы для тонового сигнала с частотой 500Гц

Рис. 7. Полученные осциллограммы для тонового сигнала с частотой 1000Гц

Рис. 8. Полученные осциллограммы для речевого сигнала

По итогам проведенных результатов получены следующие результаты: при увеличении количества приемников сигнала спектр становится более информативным, из него можно более точно определить местоположение источника звука, распределение его по частотам, уровень основных гармоник. Также значительно снижается влияние шумов. C помощью разработанной модели можно определить как меняется уровень звукового давления при разных расстояниях до источника звука. При средних расстояниях до источника звука 3–15 м приближение и удаление источника звука сопровождается изменением его интенсивности [3]. В данном случае на увеличение расстояния уровень звукового давления уменьшился на 6 дБ.

  1. Внедрение иего перспективы

Данный программно-аппаратный комплекс будет внедрен в МГТУ им. Н. Э. Баумана на кафедре ИУ10 в качестве лабораторно-обучающего стенда для проведения дальнейших исследований в области существующих моделей бинаурального восприятия.

Литература:

  1. http://www.ni.com/data-acquisition/ — раздел на сайте National Instruments
  2. Сапожков М. А. Электроакустика: Учебник для вузов. (Москва: Издательство «Связь», 1978)
  3. Вахитов Я. Ш. Слух и речь, Конспект лекций. 1973.
Основные термины (генерируются автоматически): бинауральное восприятие, речевой сигнал, тоновой сигнал, граница применимости, модель, многофункциональный модуль сбора данных, корреляционный анализ, звуковое давление, вторичная задача, USB.


Похожие статьи

Предварительная обработка речевых сигналов для системы...

Первичные признаки выделяются посредством анализа спектральных характеристик речевого сигнала.

Использование преобразования Гильберта-Хуанга для формирования моделей фонем русского языка в задаче распознавания речи.

Сегментация, шумоподавление и фонетический анализ в задаче...

При обработке речевых сигналов, как правило

— 168 с. 2. Фланаган Дж.Л. Анализ, синтез и восприятие речи / пер. с англ. А. А. Пирогова.

Использование преобразования Гильберта-Хуанга для формирования моделей фонем русского языка в задаче распознавания речи.

Выделение границ фонем речевого сигнала с помощью...

Применение вейвлет-анализа для очистки речевого сигнала от шума. Определение оптимального разложения речевого сигнала в адаптивном вейвлет-базисе в задаче сжатия речевого сигнала.

Аналоговый и цифровой сигналы | Статья в журнале...

Голос является аналоговым сигналом, поскольку голосовые колебания могут иметь различную амплитуду в любой точке звукового диапазона.

OFDM-сигналы в телекоммуникационных системах беспроводной передачи данных. Языки описания цифровой аппаратуры.

Модели артикуляции звуков как эффективный метод коррекции...

Несовершенное фонематическое восприятие, с одной стороны, отрицательно влияет на становление детского звукопроизношения, с другой — тормозит, усложняет формирование навыков звукового анализа, без которых полноценное чтение и письмо невозможны.

Подходы к выделению речи из исходного сигнала для системы...

Рассмотрим алгоритм выделения границы речевого сигнала на основе нормального распределения.

Определение оптимального разложения речевого сигнала в адаптивном вейвлет-базисе в задаче сжатия речевого сигнала.

Определение оптимального разложения речевого сигнала...

Исходными данными для задачи являются: оцифрованный речевой сигнал и список

Применение вейвлет-анализа для очистки речевого сигнала от шума. Выделение границ фонем речевого сигнала с помощью мел-частотных спектральных коэффициентов.

Анализ потенциальной точности оценки задержки по огибающей...

Для некоторых сигналов ПШК складывается по модулю 2 с информационной последовательностью.

Заключение. В данной статье был проведен анализ точности оценки задержки по огибающей сигналов с модуляцией BPSK и перспективных сигналов с...

Алгоритмы преобразования Фурье и их применение при анализе...

При анализе звуковой информации одним из наиболее важных параметров исходного звукового сигнала является его спектр.

Таким образом, задача вычисления спектра сводится к следующим операциям: вычислить два полинома и , имеющие степень не выше n/2 d в точках

Обсуждение

Социальные комментарии Cackle

Похожие статьи

Предварительная обработка речевых сигналов для системы...

Первичные признаки выделяются посредством анализа спектральных характеристик речевого сигнала.

Использование преобразования Гильберта-Хуанга для формирования моделей фонем русского языка в задаче распознавания речи.

Сегментация, шумоподавление и фонетический анализ в задаче...

При обработке речевых сигналов, как правило

— 168 с. 2. Фланаган Дж.Л. Анализ, синтез и восприятие речи / пер. с англ. А. А. Пирогова.

Использование преобразования Гильберта-Хуанга для формирования моделей фонем русского языка в задаче распознавания речи.

Выделение границ фонем речевого сигнала с помощью...

Применение вейвлет-анализа для очистки речевого сигнала от шума. Определение оптимального разложения речевого сигнала в адаптивном вейвлет-базисе в задаче сжатия речевого сигнала.

Аналоговый и цифровой сигналы | Статья в журнале...

Голос является аналоговым сигналом, поскольку голосовые колебания могут иметь различную амплитуду в любой точке звукового диапазона.

OFDM-сигналы в телекоммуникационных системах беспроводной передачи данных. Языки описания цифровой аппаратуры.

Модели артикуляции звуков как эффективный метод коррекции...

Несовершенное фонематическое восприятие, с одной стороны, отрицательно влияет на становление детского звукопроизношения, с другой — тормозит, усложняет формирование навыков звукового анализа, без которых полноценное чтение и письмо невозможны.

Подходы к выделению речи из исходного сигнала для системы...

Рассмотрим алгоритм выделения границы речевого сигнала на основе нормального распределения.

Определение оптимального разложения речевого сигнала в адаптивном вейвлет-базисе в задаче сжатия речевого сигнала.

Определение оптимального разложения речевого сигнала...

Исходными данными для задачи являются: оцифрованный речевой сигнал и список

Применение вейвлет-анализа для очистки речевого сигнала от шума. Выделение границ фонем речевого сигнала с помощью мел-частотных спектральных коэффициентов.

Анализ потенциальной точности оценки задержки по огибающей...

Для некоторых сигналов ПШК складывается по модулю 2 с информационной последовательностью.

Заключение. В данной статье был проведен анализ точности оценки задержки по огибающей сигналов с модуляцией BPSK и перспективных сигналов с...

Алгоритмы преобразования Фурье и их применение при анализе...

При анализе звуковой информации одним из наиболее важных параметров исходного звукового сигнала является его спектр.

Таким образом, задача вычисления спектра сводится к следующим операциям: вычислить два полинома и , имеющие степень не выше n/2 d в точках

Задать вопрос