Applied Speech and Audio Processing: With matlab examples

4.5. Auditory scene analysis
77
Figure 4.6
Illustration of the feature of proximity. Two sequences of alternating tones are
shown. In plot (a) the absolute time difference between like tones is short, thus they exhibit
closer proximity compared to the larger time difference between like tones in plot (b).
basic principles [26,27] which relate complex sounds and sequences to perception, and
which we will consider in the following subsections.
4.5.1
Proximity
Sounds of similar proximity are those that are close in terms of amplitude, pitch, duration,
timbre, and so on. There is definitely a tendency for the brain to classify similar sounds
as belonging to the same parts of an auditory scene.
For example, when listening to a recording of a wind quartet, the brain would probably
be correct in assuming that each oboe-like sound originates from the same oboe. If, in
fact, two oboes are playing, then that may only become evident when both play different
notes simultaneously.
We shall use Matlab code to generate two sound sequences, each consisting of two
alternating tones. One first sequence plays the tones slowly, the other sequence plays
them quickly. The sequences are illustrated in Figure 4.6 showing a closer proximity in
the upper plot compared to the lower, due to increased gap between similar frequencies
in the latter. A rather simple Matlab demonstration, using the tonegen function of
Section 2.7.1, can illustrate this point:
ss=0.1;
%short sound length in seconds
ls=0.4;
%long sound length in seconds
Fs=8000;
%sample rate
short_a=tonegen(440,Fs,ss); %concert A4

---

78
Hearing
short_b=tonegen(932,Fs,ss); %B5
long_a=tonegen(440,Fs,ls);
long_b=tonegen(932,Fs,ls);
%Construct alternating sounds in a single matrix
short_mat=[short_a, short_b];
long_mat=[long_a, long_b];
%Repeat this matrix several times
long=repmat(long_mat,1,3);
short=repmat(short_mat,1,12);
The two tone sequences reside in vectors long and short respectively. Let us begin
by listening to the long duration tones:
soundsc(long, Fs);
Most likely this is heard as a single sequence consisting of two tones. However, when
listening to the faster sequence of short duration tones, it is more likely that listeners
notice two streams of sound – one high frequency, and one low frequency, but both are
pulsed:
soundsc(short, Fs);
To explain, both sequences exhibit no gaps between tones, thus there is close temporal
proximity between an A
4
and the following B
5
. Although there is not a great pitch
proximity between the A
4
and the B
5
(which is slightly over an octave higher), in the
slower sequence, the close temporal proximity dominates, leading the brain to associate
the tones together into one slow string.
In the faster sequence, however, the proximity of the like notes is increased – they
are now only 100 ms apart – and thus the proximity of one A
4
to the next is increased
over the slow sequence. Likewise, each B
5
is nearer to the next one. In this recording,
the close tonal proximity dominates, and thus two separate streams are heard. One is of
beeping A
4
notes and one is of beeping B
5
notes.
4.5.2
Closure
The closure principle allows the brain to fill any auditory ‘gaps’ to match its expectations
regarding continuity, origin, and so on. This is also known as auditory induction since our
brains do not just deduce the presence of missing audio, but actually induce a replacement
to cover the missing gaps. It seems our brains dislike sounds that do not fit into an ongoing
scene interpretation, to the extent that additional material will be created to bring the
user perceived audio in line with brain expectations. The same process is involved with
images, and is the basis for many optical illusions, from impossible three-dimensional
shapes, to discovering hidden faces within abstract images.

---