🎵 Акустика · Когнітивна наука
📅 Березень 2026⏱ 11 хв🟡 Середній
·
Останнє оновлення: 28 травня 2026 р.
Психоакустика: як ми чуємо звук
Коливання частотою 440 Гц проходить крізь повітря, потрапляє у слуховий прохід, змушує вібрувати барабанну перетинку, рухає три крихітні кісточки, зміщує рідину у згорнутій спіраллю трубці, згинає 15 000 волоскових клітин і запускає нейронний код, який ваш мозок інтерпретує як «ноту Ля». Психоакустика — це наука, що пов'язує цей фізичний процес із суб'єктивним сприйняттям, і її висновки лежать в основі всього: від стиснення MP3 до проєктування концертних залів.
1. Вухо як аналізатор спектра
Завитка (cochlea) виконує біологічний аналіз частот, подібний до перетворення Фур'є. Її базилярна мембрана — це звужувана структура: широка та гнучка на вершині (реагує на низькі частоти), вузька й жорстка біля основи (реагує на високі частоти):
Тонотопічна карта (характеристичні частоти вздовж базилярної мембрани):
Основа (basal): ~20,000 Hz
Середина: ~1,000 Hz
Вершина: ~20 Hz
Приблизно: логарифмічний розподіл — кожна октава займає однакову довжину мембрани (~3.5 mm)
Уся мембрана: ~35 mm → ~10 октав → ~3.5 mm на октаву
Внутрішні волоскові клітини (IHC): первинні слухові рецептори (~3,500 на завитку)
Відхилення стереоцилій → відкриває канали K⁺ та Ca²⁺ (кінчикові зв'язки)
→ рецепторний потенціал → вивільнення глутамату → збудження нейронів спірального ганглія
Кожна IHC контактує з ~10-15 аферентними волокнами → високоточне кодування
Зовнішні волоскові клітини (OHC): клітини-підсилювачі (~12,000 на завитку)
Білок престин у латеральній стінці → електрорухливість (до 70,000 MHz!)
Активний процес → підсилює рух базилярної мембрани на ~40 dB (100×)
Першими гинуть при шумовій втраті слуху → чутливість + частотна
роздільна здатність знижуються одночасно
2. Сприйняття гучності
Рівень звукового тиску (dB SPL):
L_p = 20 · log₁₀(p / p_ref)
де p_ref = 20 μPa (поріг чутності на 1 kHz)
Ключові рівні:
0 dB SPL: поріг чутності на 1 kHz
20 dB SPL: шепіт
60 dB SPL: звичайна розмова
85 dB SPL: пошкодження слуху при тривалому впливі (NIHL)
120 dB SPL: поріг болю
194 dB SPL: теоретичний максимум у повітрі (надлишковий тиск = атмосферний тиск)
Криві рівної гучності Флетчера–Мансона (1933), стандартизовані як ISO 226:
На 1 kHz: рівень гучності (фон) = dB SPL за визначенням.
На інших частотах: потрібно більше dB для досягнення такої ж відчутної гучності.
На 1 kHz (поріг): 0 dB SPL = 0 фон
На 100 Hz (поріг): потрібно ~40 dB SPL, щоб досягти порога
→ Ми набагато менш чутливі до низьких частот за малої гучності.
Практичний наслідок: підсилення басів за тихого прослуховування (кнопка «loudness»
на підсилювачах) компенсує знижену чутливість до низьких частот.
Шкала сон (величина відчутної гучності):
1 сон = гучність тону 1 kHz при 40 dB SPL
Подвоєння гучності (фон +10): кількість сон подвоюється
Приблизно: S = 2^((P-40)/10) де P = гучність у фонах
3. Сприйняття висоти тону
Висота тону — це перцептивний відповідник основної частоти, проте цей зв'язок не такий простий:
- Теорія місця (фон Гельмгольц, 1863): Висота тону визначається тим, ДЕ на базилярній мембрані виникає максимальна вібрація. Добре пояснює розрізнення частот на високих частотах (>5 kHz). Але саме лише розташування передбачає розрізнення значно гірше, ніж спостерігається на низьких частотах.
- Часова (темпоральна) теорія: Для низьких частот (<4-5 kHz) збудження волоскових клітин синхронізоване за фазою зі стимулом — вони збуджуються переважно у певні фази. Мозок зчитує патерн міжімпульсних інтервалів → виокремлює період → визначає висоту тону. Пояснює ілюзію «відсутньої основної частоти» (складний тон, де f₀ прибрано, але гармоніки присутні — висота все одно сприймається на f₀).
- Сучасний синтез: Дуплексна теорія — свій внесок роблять і місце, і час. Низькі частоти: домінує час. Високі частоти: домінує місце. Середні частоти: внесок роблять обидва.
Шкала мел (сприйняття висоти тону компресивне й нелінійне):
Мели приблизно відповідають рівним відчутним інтервалам висоти тону.
m = 2595 · log₁₀(1 + f/700)
Висота тону зростає логарифмічно з частотою (кожна октава фортепіано = 2× частота).
JND (ледь помітна різниця) у частоті:
На 1 kHz: Δf ≈ 3 Hz (0.3%)
На 8 kHz: Δf ≈ 40 Hz (0.5%)
Досвідчені музиканти: ~1–2 центи (1 цент = 1/100 півтону ≈ 0.06% на 1 kHz)
4. Критичні смуги та маскування
Критична смуга (CBW):
Діапазон частот, у межах якого діють маскування та певні ефекти
перцептивного групування. Пов'язана з інтегрувальною смугою фільтра базилярної мембрани.
Шкала барк (Цвікер, 1961): 24 критичні смуги в чутному діапазоні.
Кожна критична смуга охоплює:
~100 Hz на низьких частотах (нижче 500 Hz)
~20% центральної частоти на вищих частотах
Формула барк: z(f) = 13·arctan(0.76f/kHz) + 3.5·arctan((f/7.5kHz)²)
Одночасне маскування:
Маскувальний тон частотою f_m маскує (робить нечутними) сусідні тони.
Маскування найефективніше для тонів У МЕЖАХ однієї критичної смуги.
«Висхідне поширення маскування»: тони нижчих частот маскують вищі легше,
ніж навпаки (асиметричне поширення).
Часове маскування:
Премаскування: маскер подається ПІСЛЯ цілі, але все одно маскує її (ретроактивне)
Тривалість: ~20 ms (обробка мозком, спрямована назад у часі)
Постмаскування (пряме): після замовкання маскера залишкове маскування триває ~100-200 ms
Застосування — психоакустичне стиснення MP3 / AAC:
Перцептивна модель виявляє тони/шум нижче порога маскування.
Вони нижчі за поріг чутності → їх можна кодувати меншою кількістю бітів.
Типовий MP3 128 kbps досягає коефіцієнта стиснення ~1:11 з
мінімальною помітною втратою якості (усуває психоакустично нечутний вміст)
5. Бінауральний слух і локалізація
Два вуха забезпечують кілька акустичних ознак для локалізації звуку у трьох вимірах:
- Міжвушна різниця в часі (ITD): Звук справа надходить до правого вуха на ~700 μs раніше, ніж до лівого (для азимута 90°). Слуховий стовбур мозку (верхній оливарний комплекс, модель ліній затримки Джеффреса) виявляє ITD аж до 10–20 μs. Домінантна ознака азимута на низьких частотах (<1500 Hz).
- Міжвушна різниця рівнів (ILD): Голова затінює вищі частоти → різниця амплітуд між вухами. Домінантна ознака азимута на високих частотах (>2000 Hz).
- Передавальна функція голови (HRTF): Вушна раковина (зовнішнє вухо) діє як залежний від напрямку фільтр. Спектральне забарвлення від вушної раковини дає ознаки висоти джерела та розрізнення спереду/ззаду. Персоналізовані HRTF уможливлюють переконливе 3D-аудіо (просторовий звук у навушниках, Apple AirPods Spatial Audio).
«Конус невизначеності»: Точки, рівновіддалені на уявному конусі навколо міжвушної осі, дають однакові ITD та ILD — це «конус невизначеності». Спектральні ознаки вушної раковини усувають цю неоднозначність. Без функціонуючої вушної раковини (або із заткнутими вухами) плутанина спереду/ззаду та похибки у висоті джерела різко зростають. Саме тому внутрішньовушні та накладні навушники відрізняються за якістю просторового звуку.
6. Ефект вечірки з коктейлями
На галасливій вечірці з безліччю розмов ви можете зосередитися на одному мовцеві й стежити за ним, відфільтровуючи інших, — навіть коли акустика не виокремлює жодного голосу окремо. Ця дивовижна здатність задіює кілька перцептивних механізмів:
- Просторова увага: Бінауральні ознаки (ITD/ILD) розділяють джерела за розташуванням. Звуки з різних напрямків активують різні популяції нейронів → увага може обирати за просторовим потоком.
- Сегрегація слухових потоків (ASA): Брегман (1990) показав, що одночасні звуки групуються в перцептивні «потоки» на основі близькості частот, часової узгодженості, схожості тембру та просторового походження. Щойно формується цільовий потік, конкурентні потоки приглушуються увагою згори вниз.
- Передбачення згори вниз: Мовні знання, очікувана просодія та семантичний контекст дають сильні передбачення, що покращують виявлення цілі в шумі (заповнені шумом прогалини перцептивно доповнюються за контекстом — «фонемне відновлення»).
- Нейронні механізми: Слухова увага вибірково підсилює нейронні відповіді на ті звуки, на які звернено увагу, у слуховій корі (еквівалент покращення SNR на ~10 dB). Лобові поля зору та тім'яна кора здійснюють контроль згори вниз через кортикофугальні проєкції до медіального колінчастого тіла.
7. Слухові ілюзії
- Тон Шепарда: Накладання тонів, розділених октавою, усі з регульованою амплітудою. Поки тони повільно підвищуються за частотою, амплітудна обвідна залишається незмінною — тож коли вони починають виходити за верхню межу й стають нечутними, нові тони з'являються знизу. Перцептивний результат: висота тону здається такою, що зростає нескінченно. Крістофер Нолан використовував його протягом усього фільму «Дюнкерк», щоб створити нескінченну напругу.
- Відсутня основна частота: Складний тон, що складається з гармонік 200, 300, 400, 500 Hz (але НЕ 100 Hz). Сприймана висота: 100 Hz. Слухова система виводить основну частоту з гармонічного патерну, а не з прямого стимулу. Цілеспрямовано використовується телефонними інженерами (голос, стиснений до 300–3400 Hz, усе одно несе інформацію про висоту через гармоніки).
- Парадокс тритону (Дойч): Два тони, розділені тритоном (½ октави), — одні люди сприймають патерн як висхідний, інші як низхідний. Сприйняття залежить від засвоєної слухачем тональної області, що виявляє вплив мовного акценту на сприйняття висоти тону.
- Ефект Гааса / ефект передування: Коли однаковий звук досягає обох вух, але одна версія затримана на 1–40 ms, сприйманий звук надходить лише з напрямку першого приходу (навіть якщо другий трохи гучніший — до 10 dB). Використовується у звукопідсилювальних системах, щоб зберегти сприйняття звуку зі сцени, поки фронтальні гучномовці підсилюють гучність.