谐波性在复调音乐中人声分离中的作用：基于声学线索的听觉场景分析研究

本研究针对复调音乐中人声分离的机制展开探索，通过操纵谐波性（harmonicity）和声部数量，揭示了谐波性对音乐场景分析的关键作用。研究人员采用MIDI生成的女声音频片段，通过频率偏移（±10%/±30% F0）构建非谐波（inharmonic）刺激，结合计数（Experiment 1）和旋律追踪（Experiment 2）任务，发现谐波性破坏会降低人声分离准确性，但任务表现仍显著高于随机水平。该研究发表于《Scientific Reports》，为音乐感知的听觉场景分析（ASA）理论提供了新证据，并揭示了谐波性与声部数量的交互效应。

　　

在嘈杂的餐厅里，人们能轻松分辨不同的对话声，这种被称为“鸡尾酒会效应”的现象，体现了听觉系统强大的场景分析能力。然而，当面对复调音乐中交织的多个声部时，人脑如何分离和追踪特定旋律？这一问题长期困扰着音乐认知研究者。传统观点认为，谐波性（harmonicity）——声音中频率成分的整数倍关系——是声源分离的关键线索，但其在音乐感知中的作用机制尚不明确。Lisanne G. Bogaard团队在《Scientific Reports》发表的研究，首次系统探索了谐波性破坏对复调音乐感知的影响。

为回答这一问题，研究人员设计了两项创新实验：通过MIDI技术生成四秒女声音乐片段，操纵前30个谐波的频率偏移（±0%/±10%/±30% F₀）创建谐波（harmonic）与非谐波（inharmonic）刺激，并严格控制音色一致性。实验1要求受试者判断1-5个同步声部的数量，实验2则通过提示音-探测音范式评估受试者追踪特定声部的能力。

Experiment 1: 声部可数性

结果显示，谐波性对声部计数影响显著（p<0.001），尤其在1-2声部时差异最大（OR=34.1，inharm30 vs harmonic）。但随着声部增加至4-5个，谐波性优势消失，响应趋于低估（图2）。

混淆矩阵（图3）进一步揭示错误多集中在±1声部的偏差范围内。

Experiment 2: 旋律追踪能力

在需主动追踪声部的任务中，谐波性效应更持久（p<0.001），d'值从谐波条件的1.68降至inharm30的1.02（2声部）。控制实验证实任务依赖真实的场景分析（图6），边缘声部（edge voice）优势显著（p<0.001）。

这项研究首次证明：谐波性虽能增强复调音乐中的声部分离，但并非必要条件。当谐波结构被破坏时，听觉系统仍能通过其他线索（如时间异步性）完成任务。这一发现拓展了听觉场景分析理论在音乐领域的应用，为音乐信息检索算法设计提供了新思路。研究还揭示了音乐训练效应的复杂性——音乐家仅在特定条件下（如2-3声部谐波条件）表现更优，暗示专业训练可能优化而非重构听觉处理策略。未来研究可进一步探索音色异质性（timbral heterogeneity）与谐波性的交互作用，以更贴近真实音乐场景。