Applied Speech and Audio Processing: With matlab examples

4.2. Psychoacoustics
71
distinct echoes. For this reason, echoes are only noticeable in large rooms – they are
present in small rooms but we are unable to hear them.
Matlab
can be used to construct a demo of the Haas effect. First record a word or
two of clear speech into Matlab, then use the following code to listen to the speech
replayed with progressively longer unattenuated echoes. Fs is set to the sample rate
used to record the speech, and the echo starts at 10 ms, then increases in steps of 20 ms
up to 100 ms:
audio=reshape(audio,1,length(audio));
for echo=0.01:0.020:0.1
pad=zeros(1,fix(Fs*echo));
input(’Press any key to hear next echo’);
soundsc([audio,pad]+[pad,audio],Fs);
end
Note that the reshape() function is used to ensure that the audio vector is
(1 × N)
rather than
(N × 1) in dimension, so it can be combined with the variable sized padding.
One useful rule of thumb when working with speech is that echoes of 100 ms or
longer in two-way conversational speech, such as during a telephone call, will become
annoying and distracting to callers. This is a major quality factor for telephony systems,
and presents a hard-to-meet target for IP-based Internet telephony systems such as Skype
which use digital processing and relatively slow or congested communications networks.
4.2.16
Speech perception
Evidence exists to indicate that the human aural system processes speech in a completely
different way from other non-similar sounds [4]. One experiment which uses sinewave
speech to demonstrate this, was discussed in the introduction to Chapter 3. Whatever
the exact cause, certain brain mechanisms cause a listener to perceive two sentences of
speech as being similar when the physical differences between them may be very large
(for example, same speaker, same words, different acoustic situation). Two examples
of one speaker saying the same words in two different environments would be judged
by listeners as similar, irrespective of possibly major physical differences in amplitude,
timing, pitch, and so on. Speech can be detected and understood when the noise-to-signal
power is such that single tones would be inaudible.
Despite the evidence suggesting that speech processing in the brain is separate
from sound processing, speech perception still suffers from simultaneous and non-
simultaneous masking, binaural masking and auditory adaptation (indeed this may be
more pronounced: monotonic speech rapidly leads to drowsiness or lack of interest).
Speech perception interlinks speech production with the psychological aspects of the
communication channel, the subject matter and the state of mind of the recipient [3].

---

72