Nauka o słyszeniu. Wykład V Barwa dźwięku: ostrość chropowatość, siła fluktuacji. Anna Preis,

Podobne dokumenty
Barwa dźwięku muzycznego i metody jej skalowania. II rok reżyserii dźwięku AM_2_2016

Nauka o słyszeniu Wykład IV Głośność dźwięku

Nauka o słyszeniu. Wykład III +IV Wysokość+ Głośność dźwięku

Słuchanie w przestrzeni i czasie

Nauka o słyszeniu Wykład IV Wysokość dźwięku

Słuchanie w czasie i przestrzeni. III rok Reżyserii Dźwięku Anna Preis AM_6_2014

Nauka o słyszeniu. Wykład I Dźwięk. Anna Preis,

Wpływ hałasu i drgań na człowieka

Nauka o słyszeniu Wykład I Słyszenie akustyczne

Wpływ hałasu i drgań na człowieka

Słyszenie w środowisku

Wysokość dźwięku w muzyce. III rok Reżyserii Dźwięku Anna Preis AM_5_2014

Rozpoznawanie twarzy metodą PCA Michał Bereta 1. Testowanie statystycznej istotności różnic między jakością klasyfikatorów

Akustyka Muzyczna. Wykład IV Analiza scen słuchowych. Anna Preis, AM_4_2014

Machine Learning for Data Science (CS4786) Lecture11. Random Projections & Canonical Correlation Analysis

Dlaczego skrzypce nie są trąbką? o barwie dźwięku i dźwięków postrzeganiu

Uniwersytet Przyrodniczy w Poznaniu Wydział Technologii Drewna

Proposal of thesis topic for mgr in. (MSE) programme in Telecommunications and Computer Science

Helena Boguta, klasa 8W, rok szkolny 2018/2019

OpenPoland.net API Documentation

Raport bieżący: 44/2018 Data: g. 21:03 Skrócona nazwa emitenta: SERINUS ENERGY plc

Zakopane, plan miasta: Skala ok. 1: = City map (Polish Edition)

Karpacz, plan miasta 1:10 000: Panorama Karkonoszy, mapa szlakow turystycznych (Polish Edition)

Tychy, plan miasta: Skala 1: (Polish Edition)

SSW1.1, HFW Fry #20, Zeno #25 Benchmark: Qtr.1. Fry #65, Zeno #67. like

Nazwa projektu: Kreatywni i innowacyjni uczniowie konkurencyjni na rynku pracy

Percepcja dźwięku. Narząd słuchu

Ponieważ zakres zmian ciśnień fal akustycznych odbieranych przez ucho ludzkie mieści się w przedziale od 2*10-5 Pa do 10 2 Pa,

Weronika Mysliwiec, klasa 8W, rok szkolny 2018/2019

Jak zasada Pareto może pomóc Ci w nauce języków obcych?

Uniwersytet Medyczny w Łodzi. Wydział Lekarski. Jarosław Woźniak. Rozprawa doktorska

Nauka o słyszeniu. Wykład VII. Słyszenie a słuchanie : klasyczne i kognitywne podejście do słyszenia

Nauka o słyszeniu Wykład II System słuchowy

Politechnika Łódzka. Instytut Systemów Inżynierii Elektrycznej

Domy inaczej pomyślane A different type of housing CEZARY SANKOWSKI

Instrukcja do laboratorium z Fizyki Budowli. Temat laboratorium: CZĘSTOTLIWOŚĆ

CYFROWE PRZETWARZANIE SYGNAŁÓW

Algorytmy detekcji częstotliwości podstawowej

ARNOLD. EDUKACJA KULTURYSTY (POLSKA WERSJA JEZYKOWA) BY DOUGLAS KENT HALL

NIEPEWNOŚĆ POMIARÓW POZIOMU MOCY AKUSTYCZNEJ WEDŁUG ZNOWELIZOWANEJ SERII NORM PN-EN ISO 3740


Teorie opisujące naturalne słyszenie przestrzenne

QUANTITATIVE AND QUALITATIVE CHARACTERISTICS OF FINGERPRINT BIOMETRIC TEMPLATES

Egzamin maturalny z języka angielskiego na poziomie dwujęzycznym Rozmowa wstępna (wyłącznie dla egzaminującego)

Słyszenie w środowisku

Country fact sheet. Noise in Europe overview of policy-related data. Poland

Wydział Fizyki, Astronomii i Informatyki Stosowanej Uniwersytet Mikołaja Kopernika w Toruniu


Efekt Lombarda. Czym jest efekt Lombarda?

Katowice, plan miasta: Skala 1: = City map = Stadtplan (Polish Edition)

Dźwięk dźwiękowi nierówny, czyli o tym jak brzmi XXI wiek

Systemy multimedialne. Instrukcja 5 Edytor audio Audacity

Stargard Szczecinski i okolice (Polish Edition)

MaPlan Sp. z O.O. Click here if your download doesn"t start automatically

Akustyka muzyczna. Wykład 8 Instrumenty dęte. dr inż. Przemysław Plaskota

Latent Dirichlet Allocation Models and their Evaluation IT for Practice 2016

2LO 6 lu L 92, 93, 94 T3.5.2 Matematyczny opis zjawisk falowych cd. Na poprzednich lekcjach już było mamy to umieć 1. Ruch falowy 1.

Wojewodztwo Koszalinskie: Obiekty i walory krajoznawcze (Inwentaryzacja krajoznawcza Polski) (Polish Edition)

ERASMUS + : Trail of extinct and active volcanoes, earthquakes through Europe. SURVEY TO STUDENTS.

Evaluation of the main goal and specific objectives of the Human Capital Operational Programme

Dźwięk. Cechy dźwięku, natura światła

Camspot 4.4 Camspot 4.5

Drgania i fale sprężyste. 1/24

EuroWeek Szkoła Liderów 2015

Skale i systemy strojenia. III rok Reżyserii Dźwięku Anna Preis AM_5_2015


Revenue Maximization. Sept. 25, 2018

Ankiety Nowe funkcje! Pomoc Twoje konto Wyloguj. BIODIVERSITY OF RIVERS: Survey to students

Wykład 3: Jak wygląda dźwięk? Katarzyna Weron. Matematyka Stosowana

Wybrzeze Baltyku, mapa turystyczna 1: (Polish Edition)

CYFROWE PRZETWARZANIE SYGNAŁÓW

Ocena skuteczności preparatów miejscowo znieczulających skórę w redukcji bólu w trakcie pobierania krwi u dzieci badanie z randomizacją

LEARNING AGREEMENT FOR STUDIES

Angielski Biznes Ciekawie

Elektroniczne instrumenty muzyczne DŹWIĘK MUZYCZNY. Właściwości, analiza i resynteza addytywna

Wojewodztwo Koszalinskie: Obiekty i walory krajoznawcze (Inwentaryzacja krajoznawcza Polski) (Polish Edition)

Warsztaty Ocena wiarygodności badania z randomizacją

Machine Learning for Data Science (CS4786) Lecture 24. Differential Privacy and Re-useable Holdout

Dominika Janik-Hornik (Uniwersytet Ekonomiczny w Katowicach) Kornelia Kamińska (ESN Akademia Górniczo-Hutnicza) Dorota Rytwińska (FRSE)

Data wykonania ćwiczenia: Ćwiczenie prowadził:

Dźwięk, gitara PREZENTACJA ADAM DZIEŻYK

DUAL SIMILARITY OF VOLTAGE TO CURRENT AND CURRENT TO VOLTAGE TRANSFER FUNCTION OF HYBRID ACTIVE TWO- PORTS WITH CONVERSION

Ocena częstości występowania bólów głowy u osób chorych na padaczkę.

Przebieg sygnału w czasie Y(fL

Fale dźwiękowe. Jak człowiek ocenia natężenie bodźców słuchowych? dr inż. Romuald Kędzierski

Machine Learning for Data Science (CS4786) Lecture 11. Spectral Embedding + Clustering

Katedra Metrologii i Systemów Diagnostycznych Laboratorium Metrologii II. 2013/14. Grupa. Nr ćwicz.

Wykład FIZYKA I. 11. Fale mechaniczne. Dr hab. inż. Władysław Artur Woźniak

Is there a relationship between age and side dominance of tubal ectopic pregnancies? A preliminary report

Podstawa prawna: Art. 70 pkt 1 Ustawy o ofercie - nabycie lub zbycie znacznego pakietu akcji

Knovel Math: Jakość produktu

Extraclass. Football Men. Season 2009/10 - Autumn round

Ćwiczenie 3,4. Analiza widmowa sygnałów czasowych: sinus, trójkąt, prostokąt, szum biały i szum różowy

Fig 5 Spectrograms of the original signal (top) extracted shaft-related GAD components (middle) and

Fale akustyczne. Jako lokalne zaburzenie gęstości lub ciśnienia w ośrodkach posiadających gęstość i sprężystość. ciśnienie atmosferyczne


Patients price acceptance SELECTED FINDINGS

International Baccalaureate Diploma Programme. w Prywatnym Liceum Ogólnokształcącym im. Melchiora Wańkowicza

Formularz dla osób planujących ubiegać się o przyjęcie na studia undergraduate (I stopnia) w USA na rok akademicki

Mapa akustyczna Torunia

Transkrypt:

Nauka o słyszeniu Wykład V Barwa dźwięku: ostrość chropowatość, siła fluktuacji Anna Preis, email: apraton@amu.edu.pl 18.11.2015

Głośność

Głośność ff 50m = ff/2500, ff=2500* ff 50m pp=2500 * ff 50m/128, pp=20* ff 50m pp=(1/128) ff Odpowiedź powinna być jedna głowa z odległości 1 m śpiewająca pp powinna być oceniona jako głośniejsza a jest odwrotnie! Dlaczego?

Wytłumaczenie eksperymentu Podstawowa przesłanka dotycząca głośności to intensywność dźwięku. W tym eksperymencie słuchacz wybrał zmianę w barwie sugerującą wysiłek osoby śpiewającej jako wskazówkę dotyczącą głośności. Od pp do ff zmienia się kształt obwiedni widma, składowe o wyższych częstotliwościach dominują, środek ciężkości widma przesuwa się w kierunku od podstawowej.

Widmowe przesłanki

Wytłumaczenie eksperymentu A co gdy zamiast śpiewaczek byłyby dwa głośniki generujące głośniejszy i cichszy dźwięk bez różnic widmowych? Odpowiedź byłaby dalszy dźwięk ale tylko w obecności odbić. Stosunek energii fali odbitej do fali bezpośredniej jest wskazówką dla percepcji odległości. Jak słuchacz w naszym eksperymencie użył tej wskazówki do stwierdzenia że dalszy dźwięk jest głośniejszy?

Przesłanki dotyczące odległości i odbić Cook 78 a. Jak w radiu, stały spadek b. Zmniejszony wysiłek c. Stosunek r/d stały ciszej w ustalony punkcie d. Tak samo jak w a tylko r/d wzrasta dźwięk dochodzi z dalszej odległości

Słuchowa perspektywa Ocena głośności źródła dźwięku zależy od: widmowe przesłanki odległościowe przesłanki (odbicia) gdy nie ma przesłanek widmowychodległościowe wystarczą do oceny głośności źródła dźwięku gdy nie ma odbić intensywność jest jedyną przesłanką do oceny głośności

Barwa dźwięku Dwie definicje barwy dźwięku -dwa dźwięki o tej samej wysokości i głośności jeśli się czymś różnią to różnią się barwą - identyfikacja różnych instrumentów muzycznych

Natura dźwięku muzycznego

Proste drganie harmoniczne Wszystkie systemy drgające takie jak struny, słup powietrza, podlegają temu ruchowi

Dźwięki periodyczne Teoria Fouriera- każda fala periodyczna może być rozłożona na sumę fal sinusoidalnych o odpowiednich częstotliwościach, amplitudach i fazach Taki proces to analiza Fouriera przedstawiona zwykle w postaci częstotliwościowego widma prążkowego lub dyskretnego

Przykłady dźwiękowe Widma o różnych obwiedniach spektralnych Cook 19 Holy widma Cook 20 Skrzypce bez i z pudłem rezonansowym Cook 21

Dźwięki nieperiodyczne Analiza Fouriera zastosowana do dźwięków nieperiodycznych daje częstotliwościowe widmo ciągłe

Analiza Fouriera sygnału zmiennego w czasie

Reprezentacja zmian częstotliwości i amplitudy przy zastosowaniu spektrogramu

Trzy typy eksperymentów identyfikacyjnych Skalowanie ocen na skalach przymiotnikowych: szybki wolny, twardy-miękki (używana metoda do identyfikacji jakości głosu) Bezpośrednie porównanie na podstawie podobieństwa pomiędzy dźwiękami (używana do opisu barwy instrumentów) Manipulacje w porównywanych sygnałach, coś zmieniamy i pytamy się o identyfikację

Instrumenty hybrydowe

Wyznaczniki barwy dźwięku Ocena semantyczna - niezależne skale, niezależne parametry akustyczne decydują o skalowaniu na tych skalach (przykład pracy Bismarcka) Ocena podobieństwa i wielowymiarowe skalowanie

Sharpness: Weighted first moment of distribution of critical band rates of specific loudness, proportion of high-frequency spectral components to low-frequency ones Roughness/: Fluctuation strength: Time structure of the sound signal, modulation factor and level difference determine roughness amplitudeand frequency modulation Tonality: Share of tonal, narrow-band components of a sound signal, depending on frequency, level difference and bandwidth

white noise Sharpness: Comparison von Bismark Aures of Bismark / Aures white noise and amplification of 8 khz von Bismark Aures

Ostrość Przykład dźwiękowy wąskopasmowy szum o częstotliwości środkowej f=1 khz szum jednakowo pobudzający wysoko pasmowy szum z częstotliwością odcięcia f=3 khz

74,2 db 75,1 db 74,7 db Same A-level, Same Third Octave Spectrum

Siła fluktuacji Przykład dźwiękowy amplitudowo modulowany szerokopasmowy szum amplitudowo modulowane tony częstotliwościowo modulowane tony z częstotliwościami modulacji:1 Hz, 4 Hz,16 Hz Maksimum siły fluktuacji dla 4 Hz

Przykład dźwiękowy Chropowatość ton o f=1 khz modulowany amplitudowo z częstotliwością 70 Hz zmieniać się będzie stopień modulacji : 1.0, 0.7, 0.4, 0.25, 0.125, 0.1, 0. Trzy różne dźwięki są prezentowane amplitudowo modulowany szerokopasmowy szum, amplitudowo modulowane tony, częstotliwościowo modulowane tony z różnymi częstotliwościami modulacji: 20 Hz, 70 Hz i 200 Hz

Ostrość: 26, 27, 28 duża 14, 16, 21 mała 13, 19, 20 równa ostrość

Muzyczna barwa Interpretacja trzech wymiarów uzyskanych dla badań Grey a 1977. 12 instrumentów 16 dźwięków I wymiar zakres częstotliwości, energia II wymiar - synchroniczność składowych III wymiar transjent łagodny, gwałtowny. Oznaczenia: 01,02 obój, C1,C2-klarnet, X1,X2,X3 saksofon, EH- angielski róg, FHfrancuski, FL-flet, TM-wytlum. puzon, TPtrąbka, BN-fagot, S1,S2,S3-wiolonczela

Identyfikacja instrumentu na podstawie pojedynczego dźwięku W różnych eksperymentach procent poprawnej identyfikacji był różny dla różnych instrumentów Nie można budować dźwięków o jednakowej barwie powielając charakterystyki częstotliwościowe i czasowe jednego dźwięku

Dźwięk g

Expert and Non-expert Judgments of Musical Instruments: Subjective Evaluation vs Acoustical Characteristics of Musical Sound Anna Preis, Marta Chudzicka Institute of Acoustics, Adam Mickiewicz University, Poznan, Poland apraton@main.amu.edu.pl

Objectives of the study Comparison of the subjective rankings of instruments obtained for musicians and non-musicians Search for an acoustic criterium corresponding to the subjective ranking of the instruments

Method The experienced, professional violinist played J. S. Bach's "Partita d-moll" on 17 instruments It was a mono recording with a Neuman microphone, type U-87, and DAT Professional PCM 2600 Only the 15s excerpt of this performance was subject to acoustical analysis and to subjective assessment performed by musicians and nonmusicians subjects

Psychoacoustic Experiments Experiment I - sounds from 17 instruments were presented in 136 pairs. Each pair was constructed in the following way: 15s - first instrument, 0.5s pause, 15s - second instrument, 4s pause. Experiment II - sounds of 8 instruments investigated in the Experiment I were selected. These were sounds judged as very good (4 instruments) and as not so good (4 instruments). They were artificially equalized in loudness and assessed.

Apparatus Both experiments were controlled by the PC computer Subjects were listening to the sounds diotically through the headphones TONSIL type 5D-524 Sounds were presented randomly from the playlists created in Sound Forge 4.5

Subjects Experiment I - 100 subjects participated: 48 musicians and 52 non-musicians with normal-hearing They were between 20 and 50. Experiment II - 5 subjects participated: 2 musicians and 3 non-musicians, from 20 to 23.

Procedure You will listen to the same piece of music played on two instruments. Please mark which of the two instruments presented in a pair you would choose if you had a choice The order of the stimuli in pair was randomized The subject listened to the first stimulus, then, after a 500ms pause, to the second stimulus, and next, the subject had 4s to mark her/his judgment in a special form

Procedure cont. Experiment I - each of the 100 subjects made 136 preference judgments, and each instrument occurred 16 times. Each subject judged each pair of instruments only once Experiment II - each of 5 subjects made 28 preference judgments and each instrument occurred 7 times. The number of subjects was reduced but each subject judged 28 pairs of sounds in 5 repetitions

Results It was calculated how many times each instrument was chosen by each subject Calculated numbers were added for all subjects and divided by the number of subjects Thus, the averaged subjects choice of the preferred instrument was calculated

11 12 13 14 15 16 17 19 Subjects' choices of preferred instrument [%] 100 80 60 40 20 musicians non-musicians 0 1 34 5 67 8 9 10 Number of the instrument

A1, A4

A16, A9

A16, A5

Experiment I - results The most frequently chosen was instrument No. 1 The least chosen was instrument No. 16 The differences in the results of musicians and non-musicians are not statistically significant

Musicians' choices of preferred instrument [%] 100 80 60 40 20 0 R 2 = 0,9305 0 20 40 60 80 100 Non-musicians' choices of preferred instrument [%]

Experiment I - results cont. Three groups of instruments were identified: 1, 3, 4, 5, 6 were judged as very good 7, 8, 10, 17 were judged as good, 9, 11, 12, 13, 14, 15, 16, 19 were judged as not so good

Experiment I results cont. The subjective ranking obtained in Experiment I highly correlated with the values of total loudness (R 2 =0.84) It indicates that the preference choices were primarily influenced by loudness Experiment II - 4 loudest and 4 softest violins were chosen. The total loudness of these 8 instruments (Table 1, column 5) was artificially equalized.

Violin Jansson,Niewczyk Present study N Ex.I [sone] N Ex.II [sone] 1 Good Very good 49.9 49.9 3 Good Very good 43.8-4 Very good Very good 46.6 50.3 5 Good Very good 48.4 49.3 6 Not so good Very good 48.3 49.3 7 Not so good Good 44.4-8 Not so good Good 45.0-9 Good Not so good 35.5 46.7 10 Good Good 41.2-11 Not so good Not so good 39.4-12 Very good Not so good 35.1 46.7 13 Not so good Not so good 37.0-14 Good Not so good 35.4 50.9 15 Not so good Not so good 40.3-16 Not so good Not so good 35.0 49.5 17 Good Good 43.3-19 Not so good Not so good 37.7 -

Experiment II results cont. The subjective ranking obtained in Experiment II is almost identical with the results obtained in Experiment I, (with the exception of the instrument No.14) However, the differences between the instruments 5, 6 and 9, 12, 14, 16 were smaller in Experiment II than in Experiment I

Subjects' choices of preferred instrument [%] Musicians I Non-musicians I Non-musicians II 100 90 80 70 60 50 40 30 20 10 0 1 2 3 4 5 6 7 8 Number of the instrument

Experiment II results cont. The time patterns of the instruments belonging to the same group are strongly similar. This is true for the pairs 1-4, 9-16. In the case of pair 5-6 they are identical The time patterns of the instruments belonging to the different groups are shifted both in time and in the amplitude (total loudness versus time) eg. pair 5-16

Total loudness [sone] No. 1 No.4 90 80 70 60 50 40 30 20 10 0 Time [s]

Total loudness [sone] No. 5 No. 16 90 80 70 60 50 40 30 20 10 0 Time [s]

Conclusions The preference judgments of the violins obtained for musicians do not differ from the preference judgments obtained for nonmusicians It is easy, even for a layman to make a preference judgment of the instruments presented in a pair. Judgment of a single instrument demands experience. This explains why judgments of musicians and non-musicians did not differ significantly. In the original recordings of the different violins the total loudness correlates best with the subjective judgments of the instrument