Applied Speech and Audio Processing: With matlab examples

Table 4.2. Binaural masking conditions and features (constructed from data presented
in [18]).
Percentage of words correctly identified
Phasic
Random
Antiphasic
stereo
phasic
18
27
35
antiphasic
43
27
16
mono
right ear
30
13
20
left ear
18
8
15
4.2.13
Binaural masking
The human brain can correlate the signals received by two ears to provide a processing
gain. This is measured by presenting a signal of noise plus tone to both ears, and adjusting
the tone level until it is just masked by the noise. From this situation a change is made,
such as inverting the tone phase to one ear, and the tone amplitude is again adjusted until
just barely audible. The difference in amplitude of the tone in the second case reveals
the processing gain. Table 4.1 (constructed from data presented in [4,9]) summarises the
results under different conditions.
When the signal is speech, intelligibility is reduced in anti-phasic (uncorrelated noise,
out of phase speech) conditions over phasic conditions (uncorrelated noise, speech in
phase) as revealed in Table 4.2.
The effects of binaural masking are greatest at lower frequencies, but depend upon
the frequency distribution of both the test signal and the noise.
Note that binaural is a term used by auditory professionals and researchers. It means
‘pertaining to both ears’, and is frequently confused with stereo. Stereo actually refers
to sound recorded for multiple loudspeakers, which is designed to be replayed several
metres in front of a listener, and generally enjoyed by both ears. Users of headphones are
thus exposed to a significantly different sound field to those listening with loudspeakers
– a fact which is not normally exploited by audio equipment manufacturers.

---

70
Hearing
4.2.14
Mistuning of harmonics
Two complex musical tones are perceived as separate when they have different fun-
damental frequencies, however the hearing process is capable of dealing with slight
mistuning of certain components, so almost-equal fundamentals can sometimes be per-
ceived as being equal.
Again, Matlab can be used to demonstrate this effect. The following section of
code creates a complex musical chord, in this case an A
4
, plus the notes a third and an
eighth of an octave above this (refer to Infobox 2.5: Musical notes on page 33 for an
explanation of the one-twelfth power used below):
note=440;
t1=tonegen(note, 8000, 1);
t2=tonegen(note*2ˆ(3/12), 8000, 1);
t3=tonegen(note*2ˆ(8/12), 8000, 1);
When replayed, this makes an obvious musical chord:
soundsc(t1+t2+t3, 8000);
Next, we will mistune the centre note in the chord by a factor of 5% and then listen to
the result:
m2=tonegen(note*1.05*2ˆ(3/12), 8000, 1);
soundsc(t1+m2+t3, 8000);
The resulting sound should still be perceived as a fairly pleasant-sounding musical chord,
with a different quality to the correctly tuned chord, but musically still compatible, to
the relief of piano tuners everywhere.
In general, a slight mistuning of one harmonic will result in a perception of reduced
amplitude, until the degree of mistuning becomes such that the harmonic is perceived
as a tone in its own right. Again, the effects depend on duration, amplitude and absolute
frequency (as well as person-to-person differences), but a rule of thumb is that 400 ms
long tones must be mistuned by over 3% for them to be heard separately [19]. Note that
this is not the same effect at all as the beats frequency caused by two interfering tones.
4.2.15
The precedence effect
The Haas or precedence effect ensures that if similar versions of a sound reach an
observer at slightly delayed times, then the observer will hear the first signal but suppress
the subsequent versions [3]. This effect, only acting on signals reaching the ear within
50 ms of each other, explains why we can still understand speech in an environment
containing multiple echoes (such as a small room). The first sound to reach the observer
will be heard in preference to further sounds even if the secondary sounds are up to 10 dB
louder.
Once echoes reach an observer with time delays of more than about 65 ms (corres-
ponding to a distance of approximately 20 m in air), they will be perceived as being

---