综述:鸡尾酒会中的音高:研究选择性注意的比较方法

《Biology》:Pitch at the Cocktail Party: A Comparative Approach to Studying Selective Attention Joel Ward, Veronica M. Tarka, Artem Diuba and Kerry M. M. Walker

【字体: 大 中 小 】 时间:2026年04月22日 来源:Biology 3.5

编辑推荐:

  这篇综述性论文深入探讨了音高在复杂声学场景(如嘈杂的谈话环境,即“鸡尾会问题”)中引导选择性听觉注意的神经机制。作者通过整合人类和动物模型的行为学与神经生理学证据,提出音高通过“自下而上的基于音高的特征绑定”和“自上而下的目标声音增强”两阶段过程支持选择性聆听。文章总结了并发元音、失谐谐波、多说话者语音和双音流等经典范式的研究进展,并指出未来需通过跨物种、更自然的范式来解决关于“解析谐波与非解析谐波作用”、“目标增强与掩蔽抑制的神经环路机制”等关键问题,以理解衰老和听力损失伴随的聆听困难。

  

1. 引言

在嘈杂的餐厅中跟随对话是一个常见的挑战,尤其在老龄化或听力损失时变得尤为困难。理解大脑如何解决这个“鸡尾会问题”是听觉神经科学的核心目标,通常被概念化为一个两阶段过程。在第一阶段,即“特征绑定”阶段,上行听觉通路提取复杂的声学特征(如谐波结构、时间同步性和空间位置),并将其绑定为感知对象。在第二阶段,“自上而下的注意”选择并增强听觉系统中目标声音的表征。音高是声音分离最有效的线索之一,然而其在单个神经元和微环路水平上如何引导注意力仍知之甚少。
音高通常被定义为声音在从低到高尺度上的音调品质,是语音和其他谐波声音的一个显著感知特征。在声学上,我们听到的音高对应于声音的基频。能唤起音高的声音通常以F0为周期,其所有频率分量(谐波)都是F0的整数倍。动物和人类一样,能够检测、辨别和排序音高,并且许多哺乳动物物种的听觉皮层中都已描述了音高的神经表征。对任务相关声源的注意会调节人类和非人类动物的听觉皮层反应。对基于音高的选择性聆听的研究,支持了将仅在动物模型中可行的环路水平测量和神经操控,转化到人类特有的认知和语言过程。因此,整合人类和动物研究对于揭示基于音高的选择性聆听的神经机制至关重要。
长期以来,对选择性聆听的见解来自于使用纯音或谐波复合音的实验。确定纯音的频率对听觉系统来说在机制上是简单的,因为它表现为在频率拓扑图上的兴奋位置,不需要跨多个谐波提取F0。虽然这些简单刺激能很好地分离声学线索,但它们未能捕捉重叠人声、波动噪声和动态频谱-时间模式等自然场景的复杂性。更具生态学相关性的范式使用语音、发声和其他环境声音,它们具有高度复杂的神经表征,可能更好地探究绑定和注意在现实情境中如何运作。超越纯音刺激对于将研究发现转化为临床应用至关重要,因为大多数听力损失患者在嘈杂环境中难以跟随对话,即使他们的纯音听力图仅轻度受损。
本综述综合了人类和动物模型中关于音高感知如何引导选择性聆听(尤其是在言语交流背景下)的行为学和神经生理学证据。我们强调了当前理解中的空白,并提出了如何通过方法学创新和跨物种比较来解决该领域的开放性问题。

2. 基于音高的选择性聆听的行为学证据

音高促进了日常聆听中声音的分离。由于音高差异,听者能更容易地在男性声音背景下跟随女性声音,反之亦然。事实上,当说话者的F0相差约100 Hz时,听者表现出的可懂度改善相当于信噪比增益6 dB。即使1-4个半音的微小音高差异也能改善对两个同时呈现的元音的识别。因此,音高可能在分离在位置和时间上重叠的声音方面扮演特别重要的角色。
谐波性指的是声音的频率分量是F0整数倍的程度,音高的这个声学相关物可能在绑定中扮演特别重要的角色。将复合音中的单个谐波失谐1-3%就可能导致其被听作一个独立的听觉对象,这证明了谐波融合的强度。谐波性改善了在噪声中或与竞争说话者同时呈现的语音的检测和辨别。至少其中一些分离效应可以用谐波声音中频率分量的等间距(频谱规则性)来解释,即使这些分量不是共同F0的倍数。然而,谐波性对于在噪声背景下做出的音高判断尤其重要,这表明我们绑定听觉对象的谐波分量是为了将其与其他声源分离。
经典的双音流范式使用交替的低频(A)和高频(B)纯音序列来探究频率对听觉特征绑定的使用。在这些任务中,音高通常以重复的ABA-序列呈现。A和B之间较小的频率差异(<10%)产生具有“奔腾”节奏的单个听觉对象的融合感知,而较大的差异则被感知为两个分离的A和B流。这些效应推广到谐波复合音,其中F0和频谱包络独立地对分组有贡献。流范式允许通过参数化控制F0差异来量化音高对声音分离的影响。然而,它们依赖“一个流与两个流”的主观报告,这给在动物模型中实施这些任务带来了挑战。
很少有研究直接在动物身上训练基于音高的选择性聆听任务,但有证据表明谐波性有助于它们对自然声音进行感知绑定。例如,动物可以检测复合音中的失谐谐波。调整双音流范式用于动物提供了一种有前景的比较方法。这些在动物身上的范式不是依赖一个或两个流的主观报告,而是测量在需要有效流分离的任务上的客观行为表现。例如,如果A和B流被分离,人类听者对A流中旋律的识别能力会提高。Izumi采用了这种方法,训练猕猴在忽略干扰流中类似轮廓的同时检测目标音流中的频率轮廓。Ma等人在雪貂中训练了类似的双音流任务。在这两种情况下,当A和B流具有较大的频率差异时,动物表现得更好,这反映了人类听者中观察到的效应。在非人类动物中训练ABA-流任务的另一种方法是先训练动物区分单个A流中的奔腾节奏和等时节奏,然后在各种ABA-流上测试它们。这种方法已成功用于展示鸣禽甚至金鱼中频率依赖的行为。这些任务能够直接比较频率分离对选择性聆听影响的跨物种研究,并且可以在各种动物模型中训练。然而,与人类对应物相比,它们对感知流的证明较不直接。迄今为止动物流研究的一个局限性是它们集中于纯音流,因此尚未测试F0在分离频谱重叠声音中的作用。
用更自然的任务(特别是涉及语音的任务)研究选择性聆听在动物中仍然具有挑战性。Geissler和Ehret改变了小鼠幼崽叫声中单个谐波相对于基频的起始时间,并显示哺乳母亲对这些改变叫声的反应可能性降低。这种行为效应可能反映了从背景噪声中分离叫声的困难,或更普遍的叫声识别受损。动物的心理物理学设计,在无法进行言语指令的情况下,必须小心防止替代的聆听策略。例如,动物可能检测流内的短暂频谱-时间线索,而不是持续注意目标。这些问题可以通过包含捕捉试验来测量动物维持注意力的程度,或通过使用任务切换范式来缓解。这些方法非常适合捕捉类似于人类鸡尾酒会场景的动态注意力控制方面。
总之,音高在人类的绑定和选择性注意中扮演关键角色,这一点在一系列心理物理学范式中得到证明。适当的行为学工具已经存在,可以在动物模型中更广泛地研究这一过程,但这些研究必须超越纯音刺激,以探索复杂音高在引导注意力中的作用。

3. 解析谐波与时间音高线索在选择性聆听中的作用

至少有两种声学特性决定声音的音高。首先,波形以F0的重复率周期性,使听觉神经能够将其峰值同步到此时序线索(“相位锁定”)。其次,声音的频率分量都是共同F0的谐波,这些谐波的间距在频率拓扑图上表现为位置编码。F0的位置编码仅针对较低的谐波(人类听者中的前5-8个谐波)是“解析的”。调谐到较高谐波的神经元的频率带宽在线性频率尺度上更宽,包括相邻谐波,因此这些是“非解析的”。人类心理物理学研究表明,解析谐波和时间包络都有助于音高感知,但解析谐波提供更精细的音高敏锐度。其他哺乳动物也显示出这种双重音高提取策略的证据,但由于耳蜗频率分辨率较差,非人类动物通常更依赖时间音高。
解析谐波和非解析谐波都可以在流任务中支持声音分离。人类听者使用这两种音高线索在流构建和注意流中的奇异项检测方面表现出相似的效果,但当谐波音包含更多解析谐波时,基于音高的流效应往往更强,而当更依赖非解析谐波时则较弱。相比之下,Madsen等人在多说话者聆听任务中未发现谐波可解析性的影响。然而,他们通过低通和高通滤波语音来分离谐波的过程破坏了对于可懂度和任务表现至关重要的共振峰线索。未来的工作可以通过仅操作语音的谐波分量,保持噪声填充的共振峰结构完整,来最小化这种影响。
不同物种可用的解析谐波数量的差异性为理解音高如何用于选择性聆听提供了一个比较框架。例如,我们可以预测雪貂和啮齿动物可能更有效地利用非解析谐波分离声音,这与人类听者相反。迄今为止,不同音高线索在选择性聆听表现中的作用在动物行为中仍未探索。同时,动物的神经生理学研究为这两种F0线索如何在神经发放反应中表征提供了见解。绒猴和雪貂听觉皮层中的一部分神经元专门处理解析谐波F0线索,而其他神经元则从非解析谐波中提取F0的周期性。在群体水平上,猕猴初级听觉皮层中的神经元可以将解析谐波模式表示为位置编码,而低F0也通过神经元相位锁定到F0来表征。
当向动物呈现双音流刺激时,听觉皮层神经元在A和B声音的F0差异较大时表现出更不同的发放反应,即使对于仅在其时间周期性上不同的非解析谐波复合音也是如此。这为人类听者对相同序列的时间音高流分离提供了神经相关。此外,神经对A和B复合音反应的差异在序列呈现的前5-20秒内发展,反映了人类感知中流构建的时间框架。通过这种方式,流构建为动物模型中的流提供了客观度量。这些发现来自被动聆听的动物,神经活动与注意效应之间的联系尚未确认。然而,神经分离在没有主动任务参与的情况下发生,这表明个体音高线索,如非解析谐波的时间包络,可以支持这些物种中听觉对象的绑定。

4. 支持基于音高的选择性聆听的神经活动

选择性聆听需要听觉系统内外广泛分布的大脑区域之间的协调活动。即使是感知孤立声源音高的神经基础也知之甚少;听觉皮层被认为在音高感知中扮演关键角色,但仍不清楚音高是在专门的音高中心内处理,还是通过分布在多个听觉皮层区域的表征来处理。理解整合自下而上的音高特征绑定与自上而下的注意选择的更广泛神经过程是一个更艰巨的挑战。常用于研究人类大脑功能的非侵入性方法(脑电图、脑磁图和功能性磁共振成像)以及最近在癫痫患者中使用的皮层脑电图,非常适合采样如此广泛的神经激活模式。
脑电图结合了神经活动的广泛空间采样和快速时间保真度,并提供了选择性聆听是两阶段过程的生理证据。使用并发元音或失谐谐波作为刺激的研究观察到,当两个声音以足够不同的音高呈现时,即使受试者没有注意它们,也会出现早期的对象相关负性,这被认为是反映了自下而上的特征绑定。仅当参与者积极聆听声音以执行行为任务时,才会出现较晚的正性事件相关电位,因此可能源于自上而下的注意。功能性磁共振成像可以更好地将神经活动源定位到特定大脑区域,研究表明当听者分离以不同音高同时呈现的两个元音、谐波音或语音片段时,左听觉丘脑和听觉皮层的活动增加。
人类电生理学方法也被应用于更自然的多说话者任务,其中听者被要求注意一个声音而忽略另一个。大量的脑电图研究表明,注意选择性地增强了目标语音包络的神经表征。然而,这些研究通常将两个说话者呈现于头部的不同侧面,因此分离将主要源于空间线索而非音高。少数研究改为将男性和女性声音双耳呈现,此时音高线索将主导分离,这些研究也显示目标语音包络的皮层追踪增强,被忽略语音的神经特征较弱。癫痫患者的皮层脑电图记录为选择性聆听效应的皮层分布提供了进一步见解。虽然初级听觉皮层的神经活动在多说话者聆听任务中表征两种声音,即使在选择性注意一种声音时,高级听觉皮层区域更动态地、排他地追踪被注意的说话者。可以从这些高级皮层反应中重建被注意(而非被忽略)声音的频谱图。总之,这些研究表明选择性注意增强了被注意说话者的表征,尤其是在次级听觉皮层。然而,男女说话者设计的局限性在于它们没有仔细分离或参数化音高线索;音色也可能在这些实验中用于分离声音。呈现同一声音在不同音高范围的研究能更好地检验音高在多说话者分离中的具体作用。
双音流序列也被用于识别听觉场景分析的神经标记,其中音高在分离中的作用得到了更好的控制。早期使用该范式的脑电图研究显示,当纯音序列被感知分离为两个流时,对纯音序列的正性诱发反应或失匹配负性反应增加。功能性磁共振成像进一步表明,对分离的纯音流增加的响应定位于听觉皮层。至少有一项研究表明,纯音频率流的神经生物学基础可能扩展到频谱重叠的谐波复合音的音高:Gutschalk等使用功能磁共振成像和脑磁图显示,当听者基于F0分离感知两个流时,初级和次级听觉皮层激活增加。总之,上述研究表明人类听觉皮层,特别是非初级区域,可能在基于频率和音高的选择性聆听中发挥关键作用。
由于在动物身上训练选择性聆听任务的挑战,大部分检查声源分离神经相关的工作是在被动聆听或麻醉的动物身上进行的。两个同时呈现的谐波声音的音高在听觉神经水平就以频率拓扑位置码和包络锁定的时间发放模式的组合形式表征。谱重叠声音的F0在听觉系统的皮层下核团中继续被表征,因此保留了后期在皮层进行基于音高分离所需的信息。在初级听觉皮层水平,每对谐波声音的F0在神经元群体中表现为不同的速率-位置码。动物模型中尚未明确音高处理的侧化,而人类听觉皮层常报告左半球优势。研究尚未测试动物中的这些神经相关是否能驱动这些物种的选择性注意,但这仍是未来在清醒、行为动物中研究的目标。
基于上述人类脑电图和皮层脑电图研究,我们预计当动物投入注意时,听觉皮层神经元的反应将变得以目标声音的表征为主导。许多研究表明,即使在被动聆听或麻醉的动物中,听觉皮层也为动态声音“前景”在静态“背景”噪声存在的情况下提供稳定的表征,但这些神经机制可能与分离仅音高不同的两个动态声音的相关性较低。噪声声码会降解音高信息,降低了在整个听觉皮层下和皮层通路中对噪声背景下发声的解码性能,这可能表明音高线索至少部分促进了上述研究中观察到的噪声不变性。然而,F0对分离的影响需要在控制频谱音色和较慢时间调制线索的情况下更直接地研究。
虽然双音流范式很少在动物身上训练,但ABA-或AB纯音序列的神经相关已在被动聆听的动物中进行了广泛研究,包括在猕猴、雪貂、蝙蝠、大鼠、豚鼠和鸣禽中的微电极记录。这些研究在单个神经元水平上证实并扩展了人类神经生理学工作的结果。在这些范式中,当A和B频率接近时,B音引发减少的发放反应,反映了人类流中观察到的感知融合。分离可以在单个神经元中解码,但群体水平的信号与人类听者观察到的整合与分离之间的感知边界非常一致。这表明群体动态可能比任何一个神经元的输出对感知组织更重要。研究这些群体码在技术上具有挑战性,特别是对于基于音高的选择性聆听,因为在大多数哺乳动物中,音高表征广泛分布在听觉皮层。从分布的音高表征解码听觉对象的计算模型可以为基于音高的选择性聆听的神经机制提供可检验的预测。还需要使用谐波、频谱重叠刺激且动物主动聆听的流研究,以理解选择性注意如何在单个神经元水平上体现。
总之,人类和动物的神经生理学研究指出了听觉皮层在音高引导的选择性聆听中的关键作用,其在一个分层网络中,利用自下而上的音高表征进行感知绑定,并通过选择性调制分离的目标来实现自上而下的注意。

5. 注意是增强目标还是抑制干扰?

一个关键的机制问题是选择性聆听主要通过“目标增强”(增加听觉皮层中谐波目标表征的增益)、“掩蔽抑制”(抑制竞争性谐波背景声音的表征)还是两者兼而有之。这在人类的并发元音识别任务中得到了探讨,研究发现当掩蔽元音是谐波而非非谐波时,目标识别能力提高。这导致了“谐波消除”假说,该假说认为谐波掩蔽被分组并从混合物中移除,以更好地揭示目标。
最近的研究对谐波消除假说提出了挑战。在一项噪声中语音任务中,Steinmetzger和Rosen通过等量频移所有频谱分量创建了非谐波掩蔽,从而在破坏谐波性的同时保留了频谱规则性。他们发现,无论掩蔽F0是静态还是动态,谐波和非谐波掩蔽之间的目标语音可懂度没有差异。他们认为,早期并发元音实验中谐波掩蔽的优势可能源于频谱瞥见的机会和掩蔽中时间包络波动的减少,而非掩蔽谐波性本身。总之,人类心理物理学数据表明,掩蔽谐波性的任何优势都是依赖于情境的,因此难以就目标和掩蔽对注意调制的相对重要性得出结论。值得注意的是,在现实世界的聆听环境中,人们经常面临分离多个谐波声源的问题,但并非Steinmetzger和Rosen所使用的频移刺激。
即使在现代神经生理学方法下,在人类大脑中解开兴奋和抑制的贡献仍然很困难,而动物模型中采用的技术允许对这些过程进行细胞和环路水平的研究。可以比较听觉皮层中兴奋性和抑制性神经元之间的神经反应,并且可以通过操控目标神经元类型的活动来测试因果关系。先前在基于音高的聆听情境之外对听觉注意的研究说明了这种方法的潜力。例如,对于在鸟鸣合唱背景中检测目标歌曲的斑胸草雀,高级听觉皮层中的宽发放神经元以噪声鲁棒的方式编码目标歌曲。该研究进一步使用药理学方法证明目标选择性源于GABA依赖的前向抑制。在小鼠中,抑制听觉皮层中的小清蛋白阳性中间神经元会削弱在静态宽带噪声中对动态声音的皮层表征。这些研究表明抑制性环路如何塑造听觉皮层中的前景-背景编码。未来的工作应利用这些方法来测试抑制机制是否优先介导掩蔽抑制,而兴奋性增益和自上而下的反馈是否优先驱动目标增强,以及谐波性能否指导这些过程。

6. 结论

自然谐波声音中共同基频的存在使其频率分量能够轻松绑定成单个听觉对象。然后,这些绑定的特征表征可以被注意系统靶向,以增强目标对象的神经表征。因此,我们对音高的感知为选择性聆听提供了宝贵的线索。上述大部分工作集中在语音感知,但音高也有助于音乐中乐器的分离。超越人类语音和音乐的声音景观,音高在绑定和分离广泛自然谐波声源(从鸟鸣到风声)中扮演更基本、跨物种的角色。
感觉神经性听力损失常伴随衰老发生,并与较差的音高辨别能力以及在多说话者聆听任务中使用音高线索的困难相关。音高感知在人工耳蜗使用者中退化更严重。因此,音高处理缺陷可能导致听力受损者在嘈杂环境中跟随对话时所面临的挑战。它也可能在他们升高的痴呆症风险中起作用,突出了该领域研究的临床意义。
多种范式已被用于证明人类和其他动物如何将注意力导向音高线索。虽然已经描述了基于音高的选择性注意的皮层相关,但关于这些神经生物学机制的许多基本问题仍然存在。例如,虽然已知注意选择性地增强听觉皮层中的目标表征,但仍不清楚这些表征是如何被缺乏声学细节的注意脑区解剖学上靶向的。此外,注意调制是涉及目标表征的增强、背景声音的抑制,还是两者结合?我们建议,通过协调三个分析水平,可以实现对跨物种基于音高的选择性聆听的更好理解:
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号