基于全息希尔伯特谱分析的频率拓扑效应对转置音调时间性基频感知的影响

本研究通过系统设计多音调刺激的振幅调制(AM)与载波频率组合，结合音高辨别、匹配及旋律轮廓识别任务，首次揭示人类耳蜗频率拓扑区域中单一AM包络主导音高感知的神经机制。非线性Holo-Hilbert谱分析证实最高能量AM频率决定音高感知，颠覆传统多包络整合理论，为复杂音调处理中包络-载波互作机制提供新见解。

　　

在充满音高的声音世界中，从人际交流到交响乐章，听觉系统如何编码复杂声音的基频(Fundamental Frequency, F0)始终是听觉科学的未解之谜。传统理论认为音高感知依赖两种机制：通过听觉神经纤维相位锁定活动追踪波形时间模式的时间编码(temporal pitch)，或通过耳蜗频率拓扑激活模式的频谱编码(spectral pitch)。然而，当面对由多个周期性波形组成的复杂音调时，听觉系统如何整合不同频率区域的振幅调制(Amplitude Modulation, AM)包络信息形成统一音高感知，仍是悬而未决的核心问题。尤其令人困惑的是，即便缺乏物理存在的基频成分，人类仍能感知"缺失基频"现象——这一现象曾被视作时间编码理论的有力证据，但近年研究发现耳蜗频率拓扑位置对AM包络的加工具有选择性影响，暗示频谱-时间信息的整合可能比想象更复杂。

为破解这一难题，台湾大学的研究团队在《Biological Psychology》发表了一项创新研究。通过设计转置音调(transposed tones)——即用低频音调作为包络调制高频载波的复合刺激，研究者系统考察了多音调刺激中AM包络与载波频率的交互作用。研究采用音高辨别、音高匹配和旋律轮廓识别三项行为实验，结合非线性全息希尔伯特谱分析(Holo-Hilbert Spectral Analysis, HHSA)技术，首次证明人类音高感知并非如传统认为的整合所有AM包络信息，而是由最低频率载波上的单一AM包络主导。这一发现不仅挑战了现有理论框架，更揭示了耳蜗频率拓扑位置在决定音高感知中的关键作用。

关键技术方法
研究招募15名正常听力成人，通过G*Power软件计算确保统计效力。实验采用转置音调设计：三组谐波低频音调分别调制三个高频载波，构成多音调刺激。行为实验包括音高比较任务(实验1)、频率差异阈限测量(实验2)、音高匹配任务(实验3)及旋律轮廓识别(实验4)。声学分析采用HHSA技术，该技术基于经验模态分解(Empirical Mode Decomposition, EMD)，可同时解析信号中的载波频率和AM频率二维特征，特别适合短时程声音分析。

研究结果

Experiment 1
音高比较任务显示，当转置三音调与转置单音调共享最低频率载波的AM包络时，被试判断两者音高相同的准确率显著提高(>80%)；而当差异仅存在于高频载波包络时，辨别准确率降至随机水平(约50%)。这表明音高感知锚定于最低频率载波的AM信息。

Experiment 2
频率差异阈限测量发现，被试对最低频率载波AM变化的敏感度极高(<8%差异)，而对高频载波AM变化几乎不敏感，进一步验证频率拓扑位置的优先性。

Experiment 3
音高匹配任务中，被试能精确将转置多音调的音高匹配至对应AM频率的单音调，匹配误差显著低于高频载波条件(p<0.001)。

Experiment 4
旋律轮廓识别任务证实，基于最低频率AM包络的音高信息足以支持音乐性任务，识别准确率达92%，显著高于高频条件(53%)。

HHSA分析
非线性频谱分析显示，感知音高始终对应能量最高的AM频率分量，且该分量恒定为最低频率载波的调制包络。这种对应关系不受载波数量或频率拓扑偏移影响。

结论与意义
该研究通过创新性的转置音调范式与HHSA技术，首次阐明复杂音调感知中AM包络的"低频优先"原则：听觉系统并非整合所有频率区域的AM信息，而是选择性提取最低频率载波的包络特征作为音高判断依据。这一发现为音高感知的频谱-时间整合理论提供关键证据：

1. 耳蜗频率拓扑位置决定AM包络的感知权重，低频区域具有加工优势；
2. 最高能量AM频率是音高感知的物理基础，HHSA技术为听觉神经编码研究提供新工具；
3. 时间编码的有效性高度依赖频谱匹配，支持Shamma(2004)提出的谱时整合假说。

研究不仅推进了对音乐感知和语音理解神经机制的认识，更为人工耳蜗等听觉辅助设备优化提供理论依据——通过强化低频区域的AM信息编码，可能显著改善复杂声学环境下的音高感知能力。第一作者I-Hui Hsieh与通讯作者Chao-Yin Kuo强调，未来研究需进一步探索这种频率拓扑效应在听觉皮层periodotopic组织中的神经表征，以及其在听觉障碍人群中的变异模式。