编辑推荐:
这篇综述系统探讨了鸣叫时间占比(PTV)这一声音活动度量指标,认为相较于传统的鸣叫时长和频率,PTV是衡量发声动物唤醒水平和声音信号感知冲击力更为一致且信息丰富的指标。它整合了时长与频率,能更好地反映发声强度,并在感知层面与听众的困扰度密切相关。文章提倡在生物声学和相关研究中更广泛地应用和报告PTV。
声音活动的基本方面之一是量化其总体水平。人们普遍认为动物在兴奋或紧张时会发出更多声音,但“更活跃地发声”意味着什么?个体鸣叫持续时间的增加及其重复率是报告最多的唤醒时间标志,但根据对43项先前研究的再分析,鸣叫时间占比(Proportion of Time Vocalising, PTV)似乎随着唤醒水平的增加表现得更为一致。从感知角度看,PTV与响度相结合,非常适合捕捉听觉刺激的强度。事实上,在近期的心理声学实验中,PTV成为预测人类听众被重复声音干扰和困扰程度的最佳时间预测因子。除了根据平均鸣叫时长和频率计算的平均PTV外,作者建议通过关于唤醒调制的相关时间尺度或回声听觉记忆的持续时间等简单假设,对随时间变化的瞬时PTV进行建模。如此定义的PTV,无论是在较长时间尺度上还是在单个发声片段内,都是一个简单、强大、直观、信息丰富但尚未被充分利用的声音活动度量指标。
动物叫声的时间结构是有关动物状态和意图的丰富生物信息来源。例如,长串响亮的叫声证明了雄性狒狒的耐力,而鸣叫频率的增加是高度唤醒的普遍标志。接收者密切关注这些信息。因此,在量化动物交流中的声音活动总量时,通常很重要。然而,相关的度量指标并不总是显而易见。主要的候选指标包括鸣叫频率、鸣叫时长、鸣叫间隔(或音节间隔)以及动物用于发声的时间占比(PTV)。已知其中任意两个,就可以直接计算出另外两个。然而,在增加单个鸣叫的频率和时长之间存在根本性的权衡。当鸣叫间的停顿相对于鸣叫时长较长时,这两个参数是解耦的,但随着PTV接近100%,声音活动会达到饱和,超过这个点,延长鸣叫只能以降低鸣叫频率为代价,反之亦然。那么,我们如何定义最相关的统计量来判断动物是发声更多还是更少?例如,如果鸣叫频率随时间增加但单个鸣叫变短,这构成了声音活动的增加还是减少?
这个问题可以根据所考虑的发声类型以不同方式回答。对于持续时间变化不大的相对刻板的叫声,其片段的时间结构可以仅通过其节奏(如等时或可变)和平均鸣叫频率来描述,但在许多情况下,单个叫声的持续时间确实会变化,无论是在一个鸣叫片段内部还是片段之间。由于持续时间和频率不能同时无限增加,在非常强烈的发声过程中,它们可能并且确实会向相反方向变化。然而,本文认为,在许多情况下,动物是以更快的频率发声还是产生更长的叫声实际上并不重要:更相关的问题是动物用于发声的时间是更多还是更少。作者从两个角度考虑PTV的用处:(1)在生产层面,作为动物唤醒的标志;(2)在感知层面,作为对听众听觉影响的衡量。本综述重点关注四足动物的声音活动,但PTV也适用于非声音的声学信号和其他动物类群。
声音产生:PTV作为唤醒的度量
评估声学特征(此处为声音活动水平)生物学意义的第一个角度,是询问它传递了关于发声者的哪些信息:其身份、适应性、身体状况、动机状态等。鉴于有大量文献涉及该主题,此处重点关注声音活动与唤醒之间的联系。
声音活动是一种广播信号的行为,会产生一定的成本并带来潜在收益。成本包括捕食风险升高和发声产生的直接代谢成本。收益多种多样,但在所有情况下,信号必须被预期的接收者听到和注意才能发挥其功能。因此,从发声者的角度来看,一个重要目标是在最小化能量消耗和暴露于危险的同时,传递一个显著的信号。如果一系列快速的短叫声可以完成工作,那么产生长串的叫声似乎是一种浪费。另一方面,长时间发声的行为本身可以直接证明适应度(例如,作为身体耐力的指标),或通过累赘原理证明。假设高唤醒的发声发生在更紧急的情况下,并需要更立即的反应,功能主义的预测是,它们的声学形式(包括时间结构)将最大化其显著性,即使以增加发声者对潜在捕食者的显著性和增加声音活动的代谢成本为代价。
另一条推理思路得出了类似的预测,即发声强度的增加是高唤醒的自然结果。特别是,战斗或逃跑反应引起的交感神经系统激活会增加呼吸频率和声门下压力(导致叫声更响、谐波更强),提高喉部肌肉的紧张度(提高基频f0),并使声门上声道因唾液减少而变得紧张和干燥,这减少了声学损失并使声道共振(共振峰)更加突出。事实上,现已充分证实,情绪的强度、情况的紧急性以及从其行为和生理标志物估计的唤醒水平,与发声频率相关,并且通常也与其持续时间、响度和f0相关。因此,高唤醒的声学标志在各种动物类群中大体相似,以至于人类听众能够相当好地区分各种四足动物(甚至是不熟悉的动物)的高唤醒和低唤醒叫声。
高唤醒应该简单地导致“一切更多”(更长、更响、更快的叫声,并以更大的发声努力产生),这似乎是不言自明的,但实际上发声存在许多限制。除了已经提到的鸣叫时长和频率之间的数学权衡外,四足动物中最大的鸣叫时长最终受到生命肺活量的限制。此外,呼吸周期在可能的鸣叫频率方面限制了发声的产生。交感神经系统增加呼吸频率,但也减少呼吸深度,可能在高唤醒状态下有利于响亮、快速但短促的发声。叫声的节奏也可能受到身体活动的限制,这是由于运动和呼吸之间以及一般运动和发声之间的机械耦合。一个有趣的特例是在呼气(呼出性发声)和吸气(吸入性发声)时都发声,这可能会使PTV增加一倍,并使动物能够几乎连续发声。吸入性发声在鸟类和包括人类在内的类人猿中很常见,在某些情况下,它们可能对总发声量有显著贡献。
总结理论预测和先前的研究结果,高唤醒无疑会导致鸣叫频率增加,但尚不清楚它如何影响鸣叫时长。作者建议从另一个角度看待相同的数据,并考虑动物在高唤醒与低唤醒状态下花费多少时间发声。PTV最常在长期观察的背景下被报告。它在秒和分钟的时间尺度上作为唤醒的声学指标的使用,最持续地由Volodins及其同事倡导,他们认为PTV的优势在于将鸣叫频率、鸣叫持续时间和鸣叫间隔的信息整合到一个单一的声音活动指数中。迄今为止,PTV的采用非常有限。然而,许多原始出版物都报告了鸣叫持续时间和鸣叫频率(或鸣叫间隔),因此可以使用图表中的公式重新计算缺失的统计数据,包括PTV。
作者因此检索了有关唤醒时间相关性的文献,并在可能时根据报告的统计数据计算了鸣叫时长、鸣叫频率和PTV。在43项选定的出版物中,有28项报告了或可以从包含的统计数据或图表中估算出所有三个感兴趣的时间特征——鸣叫时长、鸣叫频率和PTV。在14/28的情况下,鸣叫时长和鸣叫频率(因此也包括PTV)都随着唤醒而增加。有趣的是,每当只报告一个度量指标随唤醒增加时——要么是鸣叫时长,要么是鸣叫频率,但不是两者都增加——PTV也会增加。事实上,在三种情况下,鸣叫时长和鸣叫频率向相反方向变化,但PTV总是增加。具体来说,Slocombe和Zuberbühler报告说,黑猩猩在遭受严重攻击与轻微攻击时发出的尖叫声持续时间更长、基频更高,且以更慢的频率产生更长的序列。PTV未被报告,但从其图3估计,在有旁观者的情况下,严重攻击与轻微攻击的PTV分别约为71.5%和59.5%。因此,尖叫声持续时间的大幅增加大大弥补了其频率的降低。同样在黑猩猩中,Siebert和Parr发现,在攻击性与中性情境下产生的尖叫声持续时间更短,但以更高的频率产生,再次导致更高的PTV。类似地,人类婴儿在最痛苦的手术包皮环切阶段哭得更快,但音节更短。根据Porter等人的表2重新计算,强烈疼痛期间的平均哭声持续时间从1.6秒下降到1.2秒,但频率从0.045次/秒增加到0.11次/秒,这对应于PTV从约7.3%几乎翻倍至13.3%。
只有两种情况PTV在高唤醒情境中可能较低。首先,Monticelli等人发现,豚鼠幼崽随着与母亲分离时间的增加,发声略少,产生更少和更短的叫声。其次,猫鼬对更紧急的地面威胁发出更快、音节更短(且PTV更高)的警报声,但对更紧急的空中威胁则发出更少的叫声。对此一个可能的解释是,受惊的动物僵住了:它们停止移动和发声以避免捕食者。在许多方面,僵住反应是与典型的交感神经系统战斗或逃跑反应(伴有典型的发声爆发)相反的反应,是唤醒水平升高会加强声音活动这一原则的一个重要例外。
然而,在绝大多数报告的情况下,当动物处于压力、疼痛或其他与高唤醒水平相关的情境时,它们花费更大比例的时间发声。即使当鸣叫持续时间或鸣叫频率之一减少时,情况也是如此,因为另一参数会成比例地更大增加而得到补偿。因此,PTV是生产层面高唤醒的声学指标的有力候选,它整合了鸣叫时长和频率。正如接下来所示,它也是从接收者角度衡量动物“更活跃发声”意味着什么的、高度相关的感知指标。
声音感知:PTV作为声学冲击力的度量
上一节的重点是声音活动所传递的关于发声者的信息。一个补充的方法是考虑其对接收者的感知影响。关于鸣叫时长、鸣叫频率和PTV的感知影响,理论上有什么期望?在吸引听众注意力方面,似乎更倾向于增加鸣叫频率,因为每次发声都构成一个新的声学事件,如果在鸣叫开始时有响度的快速增加,或者其不可预测的时间违反了听众的预期,则可能特别显著。另一方面,更长的叫声传递连续的听觉刺激,其感知影响会随时间累积。此外,长尖叫或哀鸣中的内部变化(例如,由于f0调制和伴有频率跳跃及其他非线性发声现象的不规则发声)可能在保持注意力方面同样有效,而无需将信号分割成更短的叫声。因此,理论上,增加鸣叫时长和频率都应增强声音序列的显著性和感知影响。然而,很难预测时长和频率之间的权衡在理论上应如何展开,并且相关的实证证据很少。当然,有许多研究表明动物叫声片段的时间特征会影响接收者的反应,但作者不知道有任何尝试区分鸣叫时长、鸣叫频率和PTV的感知效应的研究,除了一些人类心理声学实验。
在这些研究中,第一项研究要求人类参与者操纵合成声音序列的时间结构和音质,使其尽可能令人厌烦,然后由独立的听众样本对结果进行评分。声音厌烦感最一致的时间预测因子是PTV,以及受不规则发声(伴有非线性发声现象)影响的叫声比例。声学事件(即单个叫声和叫声内发声机制之间的转换)的频率被操纵声学刺激的受试者增加了,但它对听众的厌恶反应没有显著贡献。在另一项心理声学实验中,人类听众指出他们发现由动物叫声和各种噪音组合而成的序列有多分心和烦人,这些序列具有各种节奏,持续时间约10秒,包含多达70个单独的叫声。虽然节奏操纵对评分没有影响,但更高的PTV确实使序列更加分心和烦人,其感知重要性仅次于响度。有趣的是,在控制了音节持续时间或音节频率后,PTV仍然是烦人和分心评级的可靠预测因子,而音节持续时间或音节频率在考虑了PTV后没有独立的影响。
虽然目前的证据有限且仅基于人类的反应,但它指向PTV是决定叫声片段的显著性或侵入性的关键时间参数。一种可能性是,声音序列吸引听众注意力和引发反应的能力在很大程度上取决于它产生的听众听觉系统中的活动量——单位时间内声音的声学冲击力。这种冲击力又是PTV和听觉刺激强度的乘积,而听觉刺激强度主要由声音的感知响度决定,但也可能由其他心理声学特征(如粗糙度和调制深度)决定:冲击力 = PTV × 感官刺激强度。只要PTV高,发声者可能在如何实现这一点上有相当大的回旋余地。可以产生一系列停顿极短的快速叫声——例如,狗吠或土拨鼠的警报哨声,这可能对高效吸引注意力是最佳的。或者,可以产生非常长的叫声,允许在它们之间有稍长的呼吸停顿。这对于许多哺乳动物(包括类人猿和人类婴儿)的痛苦尖叫和哭泣更为典型。采用哪种策略可能取决于物种特定的限制,如肺活量和发声控制量、伴随的运动活动、片段的总持续时间、其主要目标(例如吸引注意力、展示身体威慑力、引发援助)以及其他因素。然而,在所有情况下,为了获得最佳的感知影响,PTV应该较高。
虽然这是假设性的,但这种解释提请注意PTV作为一个感知上重要的特征,值得在未来研究中加以调查,或至少一致地报告,以便能够更精细地分析其在物种和情境中的作用。为了促进和鼓励这项未来的工作,以下作者就如何计算PTV提出了一些方法学建议。
瞬时PTV
在某些观察期内的平均鸣叫时长、鸣叫频率、鸣叫间隔和PTV可以通过简单的算术获得。当知道每个单独鸣叫的时间时,我们可以做得比仅仅在整个声学序列中平均鸣叫时长、鸣叫频率和PTV更好:我们可以分析声音活动随时间的变化。最明显的方法是为每个鸣叫-停顿对计算时间参数。虽然可以在这些离散值之间进行插值,但时间分辨率仍将限于单个周期,因此如果音节数量多且相对于感兴趣的时间窗口较短,则此方法效果最佳。
一个更灵活的方法是将信号分成比最短叫声持续时间短得多的时间仓,根据每个仓是否与叫声重叠,为其分配值1或0。由此产生的二进制轮廓可以进行低通滤波,以获得随时间变化的平滑PTV轮廓。虽然与唤醒和声音活动之间联系的、更基于神经学的解释相比,这种方法显得粗糙,但这种简单的方法对潜在机制的假设很少。通过改变截止频率,我们可以在秒(例如,将PTV轮廓低通滤波至1赫兹以下)、分钟(<1赫兹)甚至小时(<1/60赫兹)的尺度上描述声音活动的动态。简单的低通滤波不太适合模拟PTV的感知方面,因为它忽略了时间单向流动的事实,听众不会受到他们尚未听到的叫声的影响。为了使时间t的瞬时PTV仅依赖于之前的片段,忽略时间t之后的内容,我们可以用半高斯滤波器对二进制PTV轮廓进行卷积。如果半高斯滤波器的宽度对应于前注意回声记忆的保留时间,则得到的PTV轮廓有一个自然的心理声学解释,即听众在每个时间点整合的声音活动量。例如,人类感觉记忆最多存储几秒钟的听觉输入;当然,更长的序列可以保留在工作记忆中,但这需要任务导向的注意力。因此,用大约0.5-1秒的时间常数计算的瞬时PTV可以看作是人类听众可能如何体验未注意的背景噪声密度随时间变化的近似值。这两种从音频记录中提取瞬时PTV的方法都在R包soundgen的segment函数中实现。当然,可以在包络上(或更优选地,在主观响度轮廓上)执行类似的分析,而不是在二进制PTV轮廓上。
最后,如果研究问题涉及跨多个观察到的叫声片段或动物的声音活动时间动态,时间数据可以用回归模型处理。一种方法是为每个录音提取二进制PTV轮廓,并预测每个时间仓(设置为比观察到的最短叫声短数倍)中发声的概率是时间的函数。可以添加自回归项来解释相邻时间仓的非独立性。例如,这种模型曾被用来证明狗幼崽在与母亲分离后,发出哀鸣的时间比例逐渐增加。瞬时PTV的模型可以通过对时间效应使用非线性项(例如薄板样条平滑)和具有广义加性混合模型的多层结构而变得非常灵活。鸣叫时长和频率随时间的变化也可以以任意高的时间分辨率建模,而不是仅为每个鸣叫-停顿对计算鸣叫频率。例如,瞬时PTV和瞬时鸣叫频率都被建模以描述人类性交发声活动的时间动态,其中组合的声学唤醒指数的峰值指示了性高潮的时间。这样的模型可能计算量大,但它们利用了所有可用数据,并且避免需要做出临时决定,例如比较录音前10秒和后10秒的鸣叫频率,或在观察期开始和结束时分析固定数量的叫声,或一些类似的标准。
结论
本文的目的是提高人们对PTV作为一种信息丰富的声音活动度量指标的认识,以应用于动物叫声片段,并作为任何声学序列感知影响的度量指标。更常规的做法是报告鸣叫时长和鸣叫频率,或者鸣叫时长和鸣叫间隔,并且可以从这些度量中重新计算PTV。但直接报告PTV更可取,特别是在声音活动水平如此之高以至于动物面临鸣叫频率和持续时间之间不可避免的权衡时。在某些情况下,PTV可能调和否则矛盾的趋势,例如鸣叫频率的同时增加和鸣叫持续时间的下降。瞬时PTV的动态也可能具有很高的信息量,特别是在观察具有大量声学变异性的长叫声片段时,例如婴儿哭泣或乞食叫声。
一个重要的附带条件是,当动物在整个事件中产生相同类型的叫声时,时间描述符最有意义。例如,如果仔猪在饥饿时从呼噜声切换到尖叫声,由此产生的鸣叫时长和PTV的增加部分反映了叫声类型之间的声学差异,而不是类型内部的变化,这对于任何声学特征来说都是一个重要的区别:可以说,类型内部的变化反映了发送者的唤醒,而叫声类型的选择则取决于额外的认知过程。更一般地说,分析的声学序列可能包含不同叫声类型或来自一个或多个个体的声音信号的混合,在这种情况下有两种可能性。首先,可以同时计算所有声音的PTV——例如,描述一群动物中声音活动的总量。其次,可以在分析之前将录音分成多个通道,每个通道包含一个单独的个体或一个感兴趣的单一声音信号。
总之,PTV绝不是一个万能解决方案,但与许多其他生物声学测量方法相比,它非常容易计算,因此系统地报告它的成本非常低,并且很容易被其作为唤醒的广泛适用的声学指标以及声学序列预期感知显著性的简单时间度量的前景所抵消。