[发明专利]个性化的声音处理系统和设备

说明书

技术领域

本发明涉及信号处理、心理声学和听觉生理学，更具体的说，本发明涉及一种个性化的声音处理系统，用于测试用户听力特征，报告用户的听力健康状况，并基于该用户的听力特征，将普通的音乐文件，加工成更加好听的、有利于该用户听力健康的、适于长期聆听的音乐文件。 

背景技术

一些本发明中使用的词汇，其涵义分别列出如下。 

人耳解剖结构——包括外耳、中耳、内耳、听神经、脑干和听神经中枢等。声音在外耳得到增强，中耳将空气振动转换成机械震动，内耳将机械震动转换成神经脉冲，神经脉冲经过听通路，最终到达听神经中枢，使人感觉到声音。 

声学测试——本发明所述的声学测试包括两种：心理声学测试和听觉生理学测试。心理声学是研究声音和听觉之间关系的学科，而心理声学测试是测试一个人的听觉特征的实验。在物理学中，一个声音可以从频率、幅度和相位来描述；而心理声学的描述则不同，它从人类心理的角度把一个声音的属性描述为音高、响度和音色。 

听觉生理学测试——发出声音给人听，然后记录下在听到声音之后这个人的物理特征的变化，如脑电和脑磁场的变化，这称为听觉生理学测试。常见的听觉生理学测试，包括听觉脑干响应（Auditory Brainstem Response，ABR），畸变产物耳声发射（Distortion Product Oto-Acoustic Emissions，DPOAE)，复合动作电位(Compound Action Potential，CAP)和脑电图（Electroencephalography，EEG）。 

声压强——是一种声音强度的度量单位，通常缩写为SPL (Sound Pressure Level)，也称为声压级、声音强度或强度。它的单位是 dBSPL(Decibel Sound Pressure Level)。它是一个客观的描述音量大小的物理量。0 dBSPL是人类大约能听到的最小声音，痛苦的门限值为135 dBSPL。安静的背景音乐，通常在50 dBSPL，交响乐通常达到110 dBSPL或者更高，而很响的摇滚乐可以达到120 dBSPL。 

纯音——只含有一个单一频率的声音。例如，1000Hz的正弦声波发出的声音，是一个1000赫兹的纯音。 

谐波——由一个纯音，以及它的整数倍的频率，叠加共同组成的复合声音。 

基音——谐波中最小的那个频率称为基音，也称为基频。 

泛音——谐波中，除了基音，所有其它更高的整数倍的频率成分都称为泛音。 

残余音——对于纯音, 它的音高主要决定于频率；而对于由基音和泛音组成的复合音，其音高较为复杂。自亥姆霍兹以来,普遍认为复合声的音高决定于基音的频率，因为基音的振幅在频谱中占优势。但是测试表明,若复合声的基频很弱,甚至完全被滤掉，它的音高仍维持基频的音高不变。这种失去基频仍保持音高不变的复合音，被称为残余音[1]。 

单轨录音——用单一轨道，将所有现场的声音一起录下来的技术。 

多轨录音——在音乐的制作过程中，使用许多轨将乐器和人声分别录进电脑；在后期处理中，经过合成后混为一个成品。多轨录音的作用和优势明显，它避免了“单轨录音”的两个缺点：缺点一，如果一个演奏者出了偏差，全部演奏者都要重来；缺点二，所有的乐器都录在一起，后期制作的时候，无法针对每件乐器做精细的调整。 

耳蜗群延迟效应——当声音传播到了人耳的耳蜗，对不同的频率，耳蜗会产生不同的延迟时间。也就是说，进过耳蜗之后，高频的声音到达听觉神经较快，而低频的声音到达的较慢。这种效应，称为耳蜗群延迟效应。可以看出，耳蜗群延迟扭曲了声音的相位。对于耳蜗对相位的扭曲，研究者已经确定了其特性[2,3]。德波尔(De Boer)推导出了一种调频脉冲信号，该信号能够恰好补偿人类耳蜗带来的相位扭曲[2]。 

临界频带——当两个声音的频率靠的很近时，人耳不能够区分出来。这个最小的频率差值，就称为临界频带。临界频带的宽度，一般认为1/3-1/6音程。人耳会倾向于合并在临界频带内的声音。不仅如此，不同的频带给人的感觉差异巨大， 16～60赫兹频段能给音乐以力度；提升60～250赫兹能够使音乐丰满；250～2000赫兹能赋予音色号角般的色彩；2000～4000赫兹人耳的灵敏度最好；4000～6000赫兹为清晰、明亮和主观感受的频段；5000赫兹稍加衰减定会使声音产生距离感和透明感；6000～20000赫兹则控制着声音的明亮与清晰，若稍加调整即可产生轻松、清脆和光泽感。