基于听觉外周模型与同时掩蔽的鲁棒基频（F0）估计方法

《Acoustics》：Analysis of Fundamental Frequency Changes in Astronaut Speech in Microgravity and in Terrestrial Conditions Natalia Repyuk, Anton Konev, Vladimir Faerman, Dmitry Rulev and Grigory Yashchenko

　　

摘要——本文提出一种基于听觉外周模型（Auditory Periphery Model）与同时掩蔽（Simultaneous Masking）的鲁棒基频（Fundamental Frequency，F0）估计方法。研究人员采用Gammatone滤波器组模拟基底膜频率分解特性，通过对各滤波通道信号进行正交解调获得正弦与余弦分量，并引入心理声学同时掩蔽效应抑制临界带内弱分量受强分量掩蔽的干扰，进而生成感知显著的时间—频率可听区域图（Perceptually Audible Region Map）。该方法在噪声环境下能有效突出与基频相关的谐波结构，提升F0检测的精度与稳健性。研究结果表明，融入生理听觉特性的掩蔽处理可减少谱相邻非显著能量的影响，使基频估计更贴合人耳感知机制。

研究背景与动机

传统基频（F₀）估计算法（如自相关、倒谱法等）在强背景噪声或谐频缺失情况下性能显著下降，且多未考虑人类听觉系统对频谱成分的感知选择性——即强频率成分会在临界带（Critical Band）内同时掩蔽（Simultaneous Masking）相邻的弱成分。已有研究证实Zwicker等人提出的心理声学掩蔽模型能描述此现象，但较少被系统性地整合入F₀估计流程。为此，研究人员开展此项研究，旨在将听觉外周滤波（Auditory Periphery Filtering）与基于心理声学的同时掩蔽判定相结合，构建生理启发式的F₀前端分析框架，增强噪声环境下对语音谐波结构的提取能力。本文发表于《Acoustics》。

关键技术方法

研究人员采用以下主要步骤实现所提算法：（1）依据基底膜（Basilar Membrane）频率分布设置Gammatone滤波器组，中心频率F(x_k)按耳蜗位置x_k分布，每个通道引入时延T_d(x_k)模拟行波延迟；（2）以高斯窗G(t,x)加窗后，输入信号S(τ)与各通道冲激响应h(t-τ,k)做卷积得到y(t,k)；（3）对滤波后信号进行正交解调，分离出正弦分量y_s(t,k)与余弦分量y_c(t,k)；（4）按通道计算局部能量y_c²+y_s²，通过加权函数W₀(t,z)在相邻通道间积分求掩蔽阈值M₀(t,k)；（5）比较局部能量与M₀(t,k)，生成二值可听区域图P₀(t,k)，仅保留未被掩蔽的频率—时间点供后续F₀分析。

研究结果

3.1 Auditory Filterbank and Signal Decomposition（听觉滤波器组与信号分解）

研究人员使用Gammatone脉冲响应h(t,k)=G(t,x_k)·sin[2πF(x_k)·(t-T_d(x_k))]，其中高斯窗G(t,x)=(2πF(x)/2.4Q(x)√π)·exp{-[2πF(x)(t-T_d(x))/2.4Q(x)]²}，Q(x)为等效矩形带宽（Equivalent Rectangular Bandwidth，ERB）品质因数。输入信号经卷积y(t,k)=∫_-∞^Th(t-τ,k)S(τ)dτ后，通过乘以sin与cos载波并低通滤波获得正交分量y_s(t,k)、y_c(t,k)。结论：该步骤模拟人耳频率分解与相位延迟，将时域信号映射至具有生理意义的时—频子带复数表示。

3.2 Simultaneous Masking Technique（同时掩蔽技术）

研究人员定义掩蔽函数M₀(t,k)=∫₀^x_m[(y_c(t,k)²+y_s(t,k)²)·W₀(t,z)]dz，权重W₀源自滤波器对谐波输入的响应特性。可听区域图P₀(t,k)定义为：当y_c²+y_s²-M₀(t,k)≥0时取1（保留），否则取0（掩蔽剔除）。结论：利用相邻通道能量相关性及临界带掩蔽阈值可有效抑制被强成分掩盖的弱谱线，突出对基频感知有贡献的谐波峰结构。

讨论与结论

研究人员得出结论：将Gammatone听觉滤波器组与基于心理声学临界带的同时掩蔽判据结合，可在时—频域生成反映人耳感知显著性的能量分布图。该预处理减少了非显著背景谱与谐波间相互干扰对F₀提取的不利影响，使后续基频检测聚焦于听觉上可感知的谐波成分，从而提高噪声环境下的估计稳健性。此方法具备生理合理性，其输出可直接接入传统F₀提取模块（如.summary autocorrelation或模板匹配），为符合听觉机理的基频估计提供前置处理方案。