Applied Speech and Audio Processing: With matlab examples

4.2. Psychoacoustics
63
4.2.2
Cochlea echoes
When the ear is stimulated with tones, active processing produces components with
differing frequencies and amplitudes from the stimulating tones [4]. For example, if
only two tones (f 1 and f 2 with f 2
> f 1) are present then one may perceive a tone at a
frequency of 2f 1
− f 2. This effect is well-known to musicians who exploit it to induce
musical harmony. Note that a similar effect is found when complex harmonic structure,
with fundamental frequency removed is perceived as having a frequency equal to the
fundamental (see Section 4.2.12).
4.2.3
Phase locking
As noted previously, neural excitation by the hair cells only occurs at the rarefaction part
of the sound wave, at approximately fixed phase, although cells can vary considerably
as to their individual phase positions. The average firing frequency for all cells will be
of the correct frequency and correct phase. Some cells only fire every two, four or six
cycles but this does not alter the overall firing rate [6]. Due to this cycle averaging process
that the ear seems to use to distinguish between frequencies, it is possible for the ear to
become attuned to a particular frequency, with hair cells firing in time with a rarefaction
and not recovering until a short time later. Another rarefaction in this recovery period
may be missed. The result being that a louder than usual amplitude will be required in
order for a second tone (causing the additional rarefaction) to be heard [4].
This phase locking, as it is called, may well be part of the explanation for why a
single tone will suppress tones of similar frequency and lower amplitude, part of the
simultaneous masking phenomenon discussed in Section 4.2.8.
4.2.4
Signal processing
Cells in the auditory cortex are excited by a variety of acoustic signals, however cells
do not in general respond to single tones, but require more complex sounds [6]. Natural
processing in the human brain can detect tone start, tone stop, tone pulse, frequency
slide up, frequency slide down, amplitude variation and noise burst conditions. One
experiment has even determined the position of a group of brain cells that specialises in
detecting ‘kissing’ sounds [4]. One wonders at the experimental methods employed.
4.2.5
Temporal integration
The ear’s response with respect to time is highly nonlinear. For a tone duration below
200 ms, the intensity required for detection increases with decreasing duration, linearly
proportional to the duration multiplied by the intensity required for detection of a constant
tone of that frequency. Tones of longer duration – above about 500 ms – are detected
irrespective of their duration, complexity and pattern [4].
In a similar way, periods of silence introduced into a constant tone are detectable to
an extent which is dependent upon duration up to a duration exceeding about 200 ms.

---

64
Hearing
4.2.6
Post-stimulatory auditory fatigue
After an abnormally loud sound the ear’s response is reduced during a recovery period,
after which it is returned to normal [3]. This is termed temporary threshold shift (TTS)
[4]. The degree of TTS depends upon the intensity of the fatiguing stimulus, its duration,
frequency and the recovery interval. It is also frequency specific, in that the TTS effect
is distributed symmetrically about the frequency of the fatiguing tone and is limited
to its immediate neighbourhood, but the actual frequency spread of the TTS curve is
related to the absolute frequency. It is also related to the amplitude of the tone, and to the
logarithm of the duration of the fatiguing tone (although the middle ear reflex muscle
action reduces TTS for low frequencies, and a tone duration of over five minutes will
produce no appreciable increase in TTS). When the fatiguing noise is broadband, TTS
occurs mostly between 4 and 6 kHz, begins immediately and may still be noticeable up
to 16 hours after the noise onset [9]. Tones louder than about 110 or 120 dB
SPL
cause
permanent hearing loss, but TTS is most prominent for amplitudes of 90 to 100 dB
SPL
.
4.2.7
Auditory adaptation
The response of a subject to steady-state tones will decline to a minimum over time,
although an amplitude of about 30 dB
SPL
is needed to trigger the effect. For the user
this might be noted as a particular interfering sound becoming less noticeable with time.
However it is worth noting that this effect appears to be highly subjective, with some
subjects experiencing tones disappearing totally whilst others only experience a 3 dB
or smaller reduction. The auditory system cannot adapt to truly broadband noise, and
literature reports that high frequency tones are easier to adapt to than low frequency
tones [4]. Despite these reports concerning broadband noise, it appears anecdotally that
on long aeroplane journeys, an initial high level of cabin noise (which is subjectively
quite broadband) becomes almost unnoticed by the end of a flight.
4.2.8
Masking
Masking deserves a chapter by itself, and indeed will form the basis of psychoacoustic
modelling later in this book, but for now a basic introduction is sufficient. Masking
in general is defined by the American standards agency as ‘the process by which the
threshold of audibility for one sound is raised by the presence of another sound’ and ‘the
amount by which the threshold of audibility of sound is raised by the presence of another
sound’. The frequency selectivity of the basilar membrane may be considered similar
to the functionality provided by a bank of bandpass filters with a threshold of audibility
in each filter being dependent upon the noise energy falling within its passband [10].
The filters each have similarly shaped responses with bandwidths approximately 100 Hz
up to frequencies of about 1 kHz. Above this, bandwidth increases in a linear fashion
with frequency up to a 3 kHz bandwidth at 10 kHz. Each ‘filter’ in the array is termed a
critical band filter [11]. We will return to these filters later in Section 4.3.2.

---