Tembr

Najtrudniejszym subiektywnie odczuwalnym parametrem jest barwa. Wraz z definicją tego terminu pojawiają się trudności porównywalne z definicją pojęcia „życie”: wszyscy rozumieją, co to jest, ale nauka od kilku stuleci zmaga się z naukową definicją. Podobnie jest z terminem „barwa”: wszyscy rozumieją, o czym mówimy, gdy mówią „piękna barwa głosu”, „nudna barwa instrumentu” itp., ale… Nie można powiedzieć „mniej więcej”, „wyższy lub niższy” o barwie ”, do jej opisania używa się dziesiątek słów: suchy, dźwięczny, miękki, ostry, jasny itp. (O terminach opisujących barwę porozmawiamy osobno).

Tembr(barwa-francuski) oznacza „jakość tonu”, „kolor tonu” (jakość tonu).

Barwa i właściwości akustyczne dźwięku
Nowoczesne technologie komputerowe umożliwiają wykonanie szczegółowa analiza struktura czasowa dowolnego sygnału muzycznego - może to zrobić prawie każdy edytor muzyczny, na przykład Sound Forge, Wave Lab, SpectroLab itp. Przykłady struktury czasowej (oscylogramy) dźwięków o tej samej wysokości (uwaga „C” pierwszej oktawy) tworzone przez różne instrumenty (organy, skrzypce).
Jak widać z przedstawionych postaci falowych (tj. zależności zmiany ciśnienia akustycznego od czasu) w każdym z tych dźwięków można wyróżnić trzy fazy: natarcie dźwięku (proces powstawania), część stacjonarną oraz proces rozkładu. W różnych instrumentach, w zależności od zastosowanych w nich metod wytwarzania dźwięku, odstępy czasowe tych faz są różne – widać to na rysunku.

Instrumenty perkusyjne i szarpane, takie jak gitary, mają krótki okres fazy stacjonarnej i ataku oraz długi okres fazy zaniku. W dźwięku piszczałki organowej widać dość długi odcinek fazy stacjonarnej i krótki okres zaniku itp. Jeśli wyobrazimy sobie odcinek nieruchomej części dźwięku bardziej rozciągnięty w czasie, to wyraźnie dostrzeżemy okresowa struktura dźwięku. Ta okresowość ma fundamentalne znaczenie przy określaniu wysokości dźwięku muzycznego, ponieważ układ słuchowy może określić wysokość dźwięku tylko dla sygnałów okresowych, a sygnały nieokresowe są przez niego odbierane jako szum.

Według teorii klasycznej, rozwijanej począwszy od Helmholtza przez niemal sto lat, percepcja barwy zależy od struktury widmowej dźwięku, czyli od składu alikwotów i stosunku ich amplitud. Przypomnę, że alikwoty to wszystkie składowe widma powyżej częstotliwości podstawowej, a alikwoty, których częstotliwości są w całkowitych stosunkach z tonem podstawowym, nazywane są harmonia.
Jak wiadomo, aby otrzymać widmo amplitudowe i fazowe należy wykonać transformatę Fouriera na funkcję czasu (t), czyli zależność ciśnienia akustycznego p od czasu t.
Stosując transformatę Fouriera, dowolny sygnał czasowy można przedstawić jako sumę (lub całkę) składowych prostych sygnałów harmonicznych (sinusoidalnych), a amplitudy i fazy tych składowych tworzą odpowiednio widma amplitudowe i fazowe.

Wykorzystując stworzone na przestrzeni ostatnich dziesięcioleci cyfrowe algorytmy szybkiej transformacji Fouriera (FFT), operację wyznaczania widm można przeprowadzić także w niemal każdym programie do przetwarzania dźwięku. Na przykład program SpectroLab jest ogólnie analizatorem cyfrowym, który umożliwia konstruowanie widma amplitudowego i fazowego sygnału muzycznego w różnych postaciach. Formy prezentacji widma mogą być różne, chociaż reprezentują te same wyniki obliczeń.

Rysunek pokazuje widma amplitudowe różnych instrumenty muzyczne(którego oscylogramy pokazano na wcześniejszym rysunku). Pasmo przenoszenia reprezentuje tutaj zależność amplitudy alikwotów w postaci poziomu ciśnienia akustycznego w dB od częstotliwości.

Czasami widmo jest reprezentowane jako dyskretny zestaw alikwotów o różnych amplitudach. Widma można przedstawić w postaci spektrogramów, gdzie oś pionowa to częstotliwość, oś pozioma to czas, a amplituda jest reprezentowana przez intensywność koloru.

Ponadto istnieje forma reprezentacji w postaci trójwymiarowego (skumulowanego) widma, co zostanie omówione poniżej.
Aby skonstruować widma wskazane na poprzednim rysunku, w stacjonarnej części oscylogramu wybiera się pewien przedział czasu i oblicza się średnie widmo w tym przedziale. Im większy ten segment, tym dokładniejsza jest rozdzielczość częstotliwości, ale może zostać utracona (wygładzona) poszczególne części struktura czasowa sygnału. Takie widma stacjonarne mają indywidualne cechy charakterystyczne dla każdego instrumentu muzycznego i zależą od mechanizmu powstawania w nim dźwięku.

Na przykład flet wykorzystuje rurę otwartą na obu końcach jako rezonator i dlatego zawiera w widmie wszystkie parzyste i nieparzyste harmoniczne. W tym przypadku poziom (amplituda) harmonicznych szybko maleje wraz z częstotliwością. Klarnet wykorzystuje rurę jako rezonator, zamkniętą z jednej strony, więc widmo zawiera głównie nieparzyste harmoniczne. W widmie rury znajduje się wiele harmonicznych o wysokiej częstotliwości. W związku z tym barwy dźwiękowe wszystkich tych instrumentów są zupełnie inne: flet jest miękki, delikatny, klarnet jest matowy, matowy, trąbka jest jasna, ostra.

Badaniu wpływu składu widmowego alikwotów na barwę poświęcono setki prac, gdyż problem ten jest niezwykle ważny zarówno przy projektowaniu instrumentów muzycznych, jak i wysokiej jakości sprzętu akustycznego, zwłaszcza w związku z rozwojem Hi- sprzętu Fi i High-End oraz do odsłuchowej oceny fonogramów i innych zadań stojących przed inżynierem dźwięku. Zgromadzone ogromne doświadczenie słuchowe naszych wspaniałych inżynierów dźwięku - P.K. Kondrashina, V.G. Dinova, E.V. Nikulsky, S.G. Shugal i inni – mogliby dostarczyć bezcennych informacji na ten temat (zwłaszcza gdyby pisali o tym w swoich książkach, czego im życzę).

Ponieważ tych informacji jest niezwykle dużo i często są ze sobą sprzeczne, przedstawimy tylko część z nich.
Analiza ogólnej struktury widm różne instrumenty, pokazana na rysunku 5, pozwala na wyciągnięcie następujących wniosków:
- przy braku lub braku alikwotów, zwłaszcza w dolnym rejestrze, barwa dźwięku staje się nudna, pusta - przykładem jest sygnał sinusoidalny z generatora;
- obecność w widmie pierwszych pięciu do siedmiu harmonicznych o odpowiednio dużej amplitudzie nadaje pełnię i bogactwo barwy;
- osłabienie pierwszej harmonicznej i wzmocnienie wyższych (od szóstej-siódmej i wyżej) daje barwę

Analiza obwiedni widma amplitudy dla różnych instrumentów muzycznych pozwoliła ustalić (Kuzniecow „Akustyka instrumentów muzycznych”):
- płynny wzrost obwiedni (zwiększenie amplitudy określonej grupy alikwotów) w zakresie 200...700 Hz pozwala uzyskać odcienie soczystości i głębi;
- wzrost w obszarze 2,5…3 kHz nadaje barwie lekkość i dźwięczność;
- wzrost w obszarze 3…4,5 kHz nadaje barwie ostrość, przenikliwość itp.

Jedną z wielu prób klasyfikacji cech barwy w zależności od składu widmowego dźwięku pokazano na rysunku.

Liczne eksperymenty oceniające jakość dźwięku (a co za tym idzie barwę) systemów akustycznych pozwoliły ustalić wpływ różnych szczytów i spadków pasma przenoszenia na zauważalność zmian barwy. W szczególności wykazano, że zauważalność zależy od amplitudy, położenia na skali częstotliwości oraz współczynnika jakości szczytów i spadków na obwiedni widma (tj. od odpowiedzi częstotliwościowej). W środkowym zakresie częstotliwości progi zauważalności szczytów, czyli odchyleń od poziomu średniego, wynoszą 2...3 dB, a zauważalność zmian barwy w szczytach jest większa niż w dolinach. Wąskie odstępy (poniżej 1/3 oktawy) są prawie niewidoczne dla ucha - najwyraźniej tłumaczy się to tym, że właśnie takie wąskie odstępy wprowadzają pomieszczenie do pasma przenoszenia różnych źródeł dźwięku, a ucho jest do nich przyzwyczajone.

Grupowanie alikwotów w grupy formantów ma istotny wpływ, zwłaszcza w obszarze maksymalnej wrażliwości słuchowej. Ponieważ to właśnie lokalizacja obszarów formatu jest głównym kryterium rozróżnialności dźwięków mowy, obecność zakresów częstotliwości formantów (tj. podkreślonych alikwotów) znacząco wpływa na percepcję barwy instrumentów muzycznych i głosu śpiewającego: na przykład na przykład grupa formantów w zakresie 2 ... 3 kHz nadaje lot, dźwięczność śpiewającemu głosowi i dźwiękom skrzypiec. Ten trzeci formant jest szczególnie wyraźny w widmie skrzypiec Stradivariusa.

Zatem z całą pewnością prawdziwe jest stwierdzenie teorii klasycznej, że postrzegana barwa dźwięku zależy od jego składu widmowego, czyli położenia alikwotów na skali częstotliwości i stosunku ich amplitud. Potwierdzają to liczne praktyki pracy z dźwiękiem na różnych polach. Nowoczesny programy muzycznełatwo to sprawdzić na prostych przykładach. Na przykład w Sound Forge możesz syntetyzować warianty dźwięków o różnym składzie widmowym za pomocą wbudowanego generatora i słuchać, jak zmienia się barwa ich dźwięku.

Z tego wynikają jeszcze dwa bardzo ważne wnioski:
- barwa muzyki i mowy zmienia się w zależności od zmian głośności i transpozycji wysokości.

Zmiana głośności powoduje zmianę postrzegania barwy. Po pierwsze, wraz ze wzrostem amplitudy drgań wibratorów różnych instrumentów muzycznych (struny, membrany, płyty rezonansowe itp.) zaczynają pojawiać się w nich efekty nieliniowe, a to prowadzi do wzbogacenia widma o dodatkowe podteksty. Rysunek przedstawia widmo fortepianu przy różnych siłach uderzenia, gdzie kreska oznacza część widma związaną z szumem.

Po drugie, wraz ze wzrostem poziomu głośności zwiększa się wrażliwość układu słuchowego na percepcję niskich i niskich dźwięków wysokie częstotliwości(O krzywych jednakowej głośności pisano już w poprzednich artykułach). Dlatego wraz ze wzrostem głośności (do rozsądnej granicy 90...92 dB) barwa staje się pełniejsza, bogatsza niż przy ciche dźwięki. Wraz z dalszym wzrostem głośności na źródła dźwięku i narząd słuchowy zaczynają oddziaływać silne zniekształcenia, co prowadzi do pogorszenia barwy.

Transpozycja melodii w tonacji zmienia również postrzeganą barwę. Po pierwsze, widmo jest zubożone, gdyż część podtekstów wpada w niesłyszalny zakres powyżej 15...20 kHz; po drugie, w obszarze wysokich częstotliwości progi słyszalności są znacznie wyższe, a podteksty o wysokiej częstotliwości stają się niesłyszalne. W dźwiękach o niskim rejestrze (na przykład w organach) alikwoty są wzmocnione ze względu na zwiększoną wrażliwość słuchu na częstotliwości średnie, więc dźwięki o niskich rejestrach brzmią bogatsze niż dźwięki o średnich rejestrach, gdzie nie ma takiego wzrostu alikwotów. Należy zauważyć, że ponieważ krzywe jednakowej głośności, a także utrata wrażliwości słuchu na wysokie częstotliwości, są w dużej mierze indywidualne, wówczas zmiana percepcji barwy przy zmianie głośności i wysokości również jest bardzo zróżnicowana między różni ludzie.
Jednak zgromadzone dotychczas dane eksperymentalne pozwoliły ujawnić pewną niezmienność (stabilność) barwy w szeregu warunków. Na przykład podczas transpozycji melodii wzdłuż skali częstotliwości odcienie barwy oczywiście się zmieniają, ale ogólnie barwę instrumentu lub głosu można łatwo rozpoznać: słuchając na przykład saksofonu lub innego instrumentu przez radia tranzystorowego, można rozpoznać jego barwę, choć widmo zostało znacznie zniekształcone. Podczas słuchania tego samego instrumentu w różne punkty Halla, zmienia się także jego barwa, ale podstawowe właściwości barwy właściwe dla tego instrumentu pozostają.

Niektóre z tych sprzeczności zostały częściowo wyjaśnione w ramach klasycznej spektralnej teorii barwy. Wykazano na przykład, że dla zachowania głównych cech barwy podczas transpozycji (przeniesienia wzdłuż skali częstotliwości) zasadnicze znaczenie ma zachowanie kształtu obwiedni widma amplitudowego (tj. jego struktury formantowej). Przykładowo z rysunku wynika, że ​​przy przesunięciu widma o oktawę w przypadku zachowania struktury obwiedni (opcja „a”) zmiany barwy są mniej znaczące niż przy przesunięciu widma przy zachowaniu stosunku amplitudy (opcja „b”).

Wyjaśnia to fakt, że dźwięki mowy (samogłoski, spółgłoski) można rozpoznać niezależnie od wysokości (częstotliwości tonu podstawowego) w jakiej są wymawiane, jeśli zachowane zostanie wzajemne położenie ich obszarów formantów.

Zatem podsumowując wyniki uzyskane przez klasyczną teorię barwy, biorąc pod uwagę wyniki ostatnich lat, możemy powiedzieć, że barwa oczywiście w znacznym stopniu zależy od średniego składu widmowego dźwięku: liczby alikwotów, ich względnego położenia na skali częstotliwości, na stosunku ich amplitud, czyli na obwiedni widmowej kształtu (AFC), a dokładniej na widmowym rozkładzie energii w częstotliwości.
Kiedy jednak w latach 60. rozpoczęły się pierwsze eksperymenty z syntezą brzmień instrumentów muzycznych, próby odtworzenia brzmienia zwłaszcza trąbki na podstawie znanego składu jej średniego widma zakończyły się niepowodzeniem – barwa była zupełnie inna od dźwięków instrumentów dętych blaszanych. Podobnie jest z pierwszymi próbami syntezy głosu. To właśnie w tym okresie, wykorzystując możliwości, jakie daje technologia komputerowa, rozpoczął się rozwój innego kierunku - ustalenia związku między percepcją barwy a strukturą czasową sygnału.
Zanim przejdziemy do wyników uzyskanych w tym kierunku, należy powiedzieć, co następuje.
Pierwszy. Dość powszechnie uważa się, że pracując z sygnałami audio wystarczy uzyskać informacje o ich składzie widmowym, gdyż zawsze można przejść do ich postaci czasowej za pomocą transformaty Fouriera i odwrotnie. Jednakże jednoznaczne powiązanie między reprezentacją czasową i widmową sygnału istnieje tylko w układach liniowych, a układ słuchowy jest układem zasadniczo nieliniowym, zarówno przy wysokich, jak i niskich poziomach sygnału. Dlatego przetwarzanie informacji w układzie słuchowym odbywa się równolegle zarówno w domenie widmowej, jak i czasowej.

Twórcy wysokiej jakości sprzętu akustycznego stale spotykają się z tym problemem, gdy zniekształcenie odpowiedzi częstotliwościowej systemu akustycznego (to znaczy nierówność obwiedni widmowej) dochodzi niemal do progów słuchowych (nierówność 2 dB, szerokość pasma 20 Hz). ..20 kHz itp.), a eksperci lub inżynierowie dźwięku mówią: „skrzypce brzmią zimno” lub „głos jest metaliczny” itp. Zatem informacja uzyskana z obszaru widmowego nie jest wystarczająca dla układu słuchowego; potrzebne są informacje o strukturze czasowej. Nic dziwnego, że metody pomiaru i oceny sprzętu akustycznego znacznie się zmieniły na przestrzeni lat. ostatnie lata- pojawiła się nowa metrologia cyfrowa, która umożliwia wyznaczenie do 30 parametrów, zarówno w dziedzinie czasowej, jak i widmowej.
W związku z tym układ słuchowy musi odbierać informacje o barwie sygnału muzycznego i mowy zarówno ze struktury czasowej, jak i widmowej sygnału.
Drugi. Wszystkie wyniki uzyskane powyżej w klasycznej teorii barwy (teoria Helmholtza) opierają się na analizie widm stacjonarnych uzyskanych ze stacjonarnej części sygnału z pewnym uśrednieniem, ale fakt, że w rzeczywistych sygnałach muzycznych i mowy praktycznie nie ma stałe, nieruchome części są zasadniczo ważne. Muzyka na żywo to ciągła dynamika, ciągła zmiana, a to wynika z głębokich właściwości narządu słuchowego.

Badania fizjologii słuchu wykazały, że w narządzie słuchowym, szczególnie w jego wyższych odcinkach, znajduje się wiele tzw. neuronów „nowych” lub „rozpoznawczych”, czyli neuronów, które włączają się i zaczynają przewodzić wyładowania elektryczne tylko wtedy, gdy istnieje zmiana sygnału (włączenie, wyłączenie, zmiana poziomu głośności, wysokości dźwięku itp.). Jeśli sygnał jest stacjonarny, neurony te nie są włączane, a sygnał jest kontrolowany przez ograniczoną liczbę neuronów. Zjawisko to jest powszechnie znane z Życie codzienne: jeśli sygnał się nie zmienia, często po prostu przestają go zauważać.
W przypadku występów muzycznych wszelka monotonia i stałość są katastrofalne: neurony nowości słuchacza zostają wyłączone i przestaje on postrzegać informacje (estetyczne, emocjonalne, semantyczne itp.), dlatego podczas występów na żywo zawsze jest dynamika (muzycy i śpiewacy szeroko stosować różne modulacje sygnału – vibrato, tremolo itp.).

Ponadto każdy instrument muzyczny, łącznie z głosem, posiada specjalny system produkcji dźwięku, który narzuca własną strukturę czasową sygnału i dynamikę jego zmian. Porównanie czasowej struktury dźwięku pokazuje zasadnicze różnice: w szczególności czasy trwania wszystkich trzech części – ataku, części stacjonarnej i wybrzmienia – różnią się czasem trwania i formą dla wszystkich instrumentów. Instrumenty perkusyjne mają bardzo krótką część stacjonarną, czas ataku 0,5...3 ms i czas zaniku 0,2...1 s; dla instrumentów smyczkowych czas ataku wynosi 30...120 ms, czas zaniku 0,15...0,5 s; organ ma atak 50...1000 ms i zanik 0,2...2 s. Ponadto kształt koperty czasu jest zasadniczo inny.
Eksperymenty wykazały, że jeśli usuniesz część tymczasowej struktury odpowiadającej atakowi dźwięku, zamienisz atak i zanik (gra w przeciwnym kierunku) lub zastąpisz atak jednego instrumentu atakiem drugiego, to identyfikacja barwa danego instrumentu staje się prawie niemożliwa. W konsekwencji do rozpoznania barwy brana jest pod uwagę nie tylko część stacjonarna (której średnie widmo stanowi podstawę klasycznej teorii barwy), ale także okres powstawania struktury tymczasowej, a także okres tłumienia (zaniku) są istotnymi elementami.

Rzeczywiście, słuchając w dowolnym pomieszczeniu, pierwsze odbicia docierają do układu słuchowego po ataku i słychać już początkową część części stacjonarnej. Jednocześnie na zanik dźwięku wydobywającego się z instrumentu nakłada się proces pogłosu pomieszczenia, co w znaczący sposób maskuje dźwięk i w naturalny sposób prowadzi do modyfikacji w percepcji jego barwy. Słuch ma pewną bezwładność, a krótkie dźwięki odbierane są jako kliknięcia. Dlatego czas trwania dźwięku musi być dłuższy niż 60 ms, aby rozpoznać wysokość i odpowiednio barwę. Najwyraźniej stałe powinny być blisko.
Niemniej jednak czas pomiędzy początkiem nadejścia dźwięku bezpośredniego a momentem nadejścia pierwszych odbić okazuje się wystarczający, aby rozpoznać barwę dźwięku pojedynczego instrumentu – okoliczność ta oczywiście determinuje niezmienność (stabilność) rozpoznawania barwy różnych instrumentów w różnych warunkach odsłuchowych. Nowoczesne technologie komputerowe pozwalają wystarczająco szczegółowo przeanalizować procesy ustalania brzmienia różnych instrumentów i wyróżnić najważniejsze cechy akustyczne, które są najważniejsze dla określenia barwy.

Struktura jego stacjonarnego (uśrednionego) widma ma istotny wpływ na percepcję barwy instrumentu muzycznego lub głosu: skład alikwotów, ich umiejscowienie na skali częstotliwości, ich stosunki częstotliwościowe, rozkłady amplitud i kształt widma obwiedni, obecności i kształtu obszarów formantów itp., co w pełni potwierdza założenia klasycznej teorii barwy, zawartej w pracach Helmholtza.
Jednakże materiały eksperymentalne uzyskane na przestrzeni ostatnich dziesięcioleci wykazały, że równie istotną, a być może znacznie ważniejszą rolę w rozpoznawaniu barwy odgrywa niestacjonarna zmiana struktury dźwięku, a co za tym idzie, proces rozkładania jego widma w czasie. , przede wszystkim na etap początkowy ataki dźwiękowe.

Proces zmiany widma w czasie można „zobaczyć” szczególnie wyraźnie za pomocą spektrogramów lub widm trójwymiarowych (można je zbudować za pomocą większości edytorów muzycznych Sound Forge, SpectroLab, Wave Lab itp.). Ich analiza pod kątem dźwięków różnych instrumentów pozwala na identyfikację charakterystycznych cech procesów „rozwijania” widm. Na przykład rysunek przedstawia trójwymiarowe widmo dźwięku dzwonu, gdzie na jednej osi przedstawiono częstotliwość w Hz, a na drugiej czas w sekundach; na trzeciej amplitudzie w dB. Wykres wyraźnie pokazuje, jak przebiega proces wzrostu, ustanawiania i zanikania obwiedni widmowej w czasie.

Porównanie ataku tonu C4 dla różnych instrumenty drewniane pokazuje, że proces ustalania drgań dla każdego instrumentu ma swój specyficzny charakter:

W klarnecie dominują harmoniczne nieparzyste 1/3/5, przy czym trzecia harmoniczna pojawia się w widmie 30 ms później niż pierwsza, następnie wyższe harmoniczne stopniowo „układają się”;
- w oboju ustalanie oscylacji rozpoczyna się od drugiej i trzeciej harmonicznej, następnie pojawia się czwarta i dopiero po 8 ms zaczyna pojawiać się pierwsza harmoniczna;
- najpierw pojawia się pierwsza harmoniczna fletu, dopiero po 80 ms stopniowo wchodzą wszystkie pozostałe.

Na rysunku przedstawiono proces powstawania drgań grupy instrumentów dętych blaszanych: trąbki, puzonu, rogu i tuby.

Różnice są wyraźnie widoczne:
- trąbka ma zwarty wygląd grupy wyższych harmonicznych, w puzonie najpierw pojawia się druga harmoniczna, potem pierwsza, a po 10 ms druga i trzecia harmoniczna. Tuba i róg wykazują koncentrację energii w pierwszych trzech harmonicznych, wyższe harmoniczne są praktycznie nieobecne.

Analiza uzyskanych wyników pokazuje, że proces ataku dźwięku w istotny sposób zależy od fizycznej natury wytwarzania dźwięku na danym instrumencie:
- z zastosowania nauszników lub lasek, które z kolei dzielą się na pojedyncze lub podwójne;
- z różne formy rury (proste o wąskim otworze lub stożkowe o szerokim otworze) itp.

Determinuje to liczbę harmonicznych, czas ich pojawienia się, prędkość narastania ich amplitudy, a co za tym idzie, kształt obwiedni czasowej struktury dźwięku. Niektóre instrumenty, takie jak flety,

Obwiednia w okresie ataku ma gładki wykładniczy charakter, a w niektórych, np. fagocie, dudnienia są wyraźnie widoczne, co jest jedną z przyczyn znacznych różnic w ich barwie.

Podczas ataku wyższe harmoniczne czasami poprzedzają ton podstawowy, więc mogą wystąpić wahania wysokości tonu, a zatem wysokość całego tonu narasta stopniowo; Czasami te zmiany okresowości mają charakter quasi-losowy. Wszystkie te znaki pomagają układowi słuchowemu „zidentyfikować” barwę konkretnego instrumentu w początkowym momencie dźwięku.

Aby ocenić barwę dźwięku, ważny jest nie tylko moment jego rozpoznania (czyli umiejętność odróżnienia jednego instrumentu od drugiego), ale także umiejętność oceny zmiany barwy dźwięku w trakcie wykonania. Najważniejszą rolę odgrywa tu dynamika zmian obwiedni widmowej w czasie na wszystkich etapach dźwięku: ataku, części stacjonarnej, zaniku.
Zachowanie każdego alikwotu w czasie niesie również istotne informacje na temat barwy. Na przykład w dźwięku dzwonów szczególnie wyraźnie widać dynamikę zmian, zarówno w składzie widma, jak i charakterze zmiany w czasie amplitud jego poszczególnych alikwotów: jeśli w pierwszej chwili po uderzeniu kilku w widmie wyraźnie widać kilkanaście składowych widmowych, co tworzy szumowy charakter barwy, po czym po kilku sekundach w widmie pozostaje kilka podstawowych alikwotów (ton podstawowy, oktawa, dwunastnica i tercja mała w odstępie dwóch oktaw), reszta zanika się, co tworzy specjalną barwę dźwięku.

Przykład zmian amplitud tonów głównych w czasie dla dzwonu pokazano na rysunku. Można zauważyć, że charakteryzuje się krótkim atakiem i długim okresem zanikania, natomiast prędkość wejścia i zanikania alikwotów różnych rzędów oraz charakter zmiany ich amplitud w czasie są znacząco różne. Zachowanie się różnych alikwotów w czasie zależy od rodzaju instrumentu: w brzmieniu fortepianu, organów, gitary itp. proces zmiany amplitud alikwotów ma zupełnie inny charakter.

Doświadczenie pokazuje, że addytywna synteza komputerowa dźwięków, uwzględniająca specyficzny rozwój poszczególnych alikwotów w czasie, pozwala uzyskać znacznie bardziej „realistyczny” dźwięk.

Zagadnienie dynamiki zmian, w których alikwoty niosą informację o barwie, wiąże się z istnieniem krytycznych pasm słyszenia. Błona podstawna w ślimaku działa jak szereg filtrów pasmowo-przepustowych, których szerokość zależy od częstotliwości: powyżej 500 Hz wynosi około 1/3 oktawy, poniżej 500 Hz wynosi około 100 Hz. Szerokość pasma tych filtrów słuchowych nazywana jest „krytyczną szerokością pasma słyszenia” (istnieje specjalna jednostka miary 1 szczeka, równa szerokości pasma krytycznego w całym zakresie słyszalnych częstotliwości).
W paśmie krytycznym słuch integruje dochodzące informacje dźwiękowe, co również odgrywa ważną rolę w procesach maskowania słuchowego. Jeśli przeanalizujesz sygnały na wyjściu filtrów słuchowych, zobaczysz, że pierwsze pięć do siedmiu harmonicznych w widmie dźwięku dowolnego instrumentu zwykle mieści się w swoim własnym paśmie krytycznym, ponieważ w takich przypadkach są one dość daleko od siebie; mówią, że harmoniczne „rozwijają” układ słuchowy. Wyładowania neuronów na wyjściu takich filtrów są zsynchronizowane z okresem każdej harmonicznej.

Harmoniczne powyżej siódmej są zwykle dość blisko siebie na skali częstotliwości i nie są „przemiatane” przez system słuchowy; kilka harmonicznych mieści się w jednym paśmie krytycznym, a na wyjściu filtrów słuchowych uzyskuje się złożony sygnał. Wyładowania neuronów w tym przypadku są zsynchronizowane z częstotliwością obwiedni, tj. ton podstawowy.

W związku z tym mechanizm przetwarzania informacji przez układ słuchowy dla harmonicznych rozszerzonych i nierozszerzonych jest nieco inny: w pierwszym przypadku informacje są wykorzystywane „w czasie”, w drugim „na miejscu”.

Jak wykazano w poprzednich artykułach, znaczącą rolę w rozpoznawaniu wysokości dźwięku odgrywa pierwszych piętnaście do osiemnastu harmonicznych. Eksperymenty z wykorzystaniem komputerowej syntezy addytywnej dźwięków pokazują, że największy wpływ na zmianę barwy ma także zachowanie tych konkretnych harmonicznych.
Dlatego też w szeregu badań proponowano uwzględnić wymiar barwy równy piętnastu do osiemnastu, a ocena jej zmiany w tej liczbie skal jest jedną z zasadnicze różnice barwa z takich cech percepcji słuchowej, jak wysokość lub głośność, które można skalować według dwóch lub trzech parametrów (na przykład głośności), w zależności głównie od intensywności, częstotliwości i czasu trwania sygnału.

Powszechnie wiadomo, że jeśli widmo sygnału zawiera dość dużo harmonicznych o liczbach od 7 do 15...18, o odpowiednio dużych amplitudach, np. w trąbce, skrzypcach, piszczałkach organów itp., to wówczas barwa jest postrzegana jako jasna, dźwięczna, ostra itp. Jeśli widmo zawiera głównie niższe harmoniczne, na przykład tuba, róg, puzon, wówczas barwę charakteryzuje się jako ciemną, matową itp. Klarnet, w którym dominują harmoniczne nieparzyste widmo, ma nieco „nosową” barwę itp.
Zgodnie ze współczesnymi poglądami najważniejszą rolą w percepcji barwy jest zmiana dynamiki rozkładu maksymalnej energii pomiędzy podtekstami widma.

Aby ocenić ten parametr, wprowadzono pojęcie „centrroidu widma”, który jest definiowany jako punkt środkowy rozkładu energii widmowej dźwięku, czasami określany jako „punkt równowagi” widma. Aby to ustalić, należy obliczyć wartość określonej częstotliwości średniej:

Gdzie Ai jest amplitudą składowych widma, fi jest ich częstotliwością.
W przykładzie pokazanym na rysunku wartość środka ciężkości wynosi 200 Hz.

F =(8 x 100 + 6 x 200 + 4 x 300 + 2 x 400)/(8 + 6 + 4 + 2) = 200.

Przesunięcie środka ciężkości w kierunku wysokich częstotliwości jest odczuwalne jako wzrost jasności barwy.
Znaczący wpływ rozkładu energii widmowej w zakresie częstotliwości i jej zmian w czasie na percepcję barwy wiąże się prawdopodobnie z doświadczeniem rozpoznawania dźwięków mowy po cechach formantów, które niosą informację o koncentracji energii w różnych obszarach mowy. widmo (nie wiadomo jednak, które było pierwotne).
Ta zdolność słyszenia jest niezbędna przy ocenie barwy instrumentów muzycznych, gdyż obecność obszarów formantów jest charakterystyczna dla większości instrumentów muzycznych, np. w skrzypcach w zakresie 800...1000 Hz i 2800...4000 Hz, w klarnety 1400...2000 Hz itp.
W związku z tym ich położenie i dynamika zmian w czasie wpływają na percepcję Cechy indywidulane tembr
Wiadomo, jak istotny wpływ na percepcję barwy śpiewającego głosu ma obecność wysokiego formanta śpiewającego (w zakresie 2100...2500 Hz dla basów, 2500...2800 Hz dla tenorów, 3000). ..3500 Hz dla sopranów). W tym obszarze śpiewacy operowi skupiają aż do 30% swojej energii akustycznej, co zapewnia dźwięczność i lot ich głosów. Usunięcie śpiewającego formantu z nagrań różnych głosów za pomocą filtrów (eksperymenty te przeprowadzono w badaniach prof. V.P. Morozowa) pokazuje, że barwa głosu staje się matowa, matowa i powolna.

Zmianie barwy podczas zmiany głośności wykonania i transpozycji wysokości dźwięku towarzyszy również przesunięcie środka ciężkości spowodowane zmianą liczby alikwotów.
Przykład zmiany położenia środka ciężkości dla dźwięków skrzypiec o różnej wysokości pokazano na rysunku (częstotliwość położenia środka ciężkości w widmie jest naniesiona wzdłuż osi odciętych).
Badania wykazały, że w przypadku wielu instrumentów muzycznych istnieje niemal monotoniczna zależność pomiędzy wzrostem intensywności (głośności) a przesunięciem środka ciężkości do obszaru wysokich częstotliwości, dzięki czemu barwa staje się jaśniejsza.

Podobno przy syntezie dźwięków i tworzeniu rozmaitych kompozycji komputerowych należy uwzględnić dynamiczną zależność pomiędzy intensywnością a położeniem środka ciężkości w widmie, aby uzyskać bardziej naturalną barwę.
Wreszcie różnica w postrzeganiu barw dźwięków rzeczywistych i dźwięków o „wirtualnej wysokości”, tj. dźwięków, których wysokość mózg „uzupełnia” według kilku całkowitych podtonów widma (jest to typowe np. dla dźwięków dzwonków), można wytłumaczyć położeniem środka ciężkości widma. Ponieważ dźwięki te mają podstawową wartość częstotliwości, tj. wysokość może być taka sama, ale położenie środka ciężkości jest inne z powodu inny skład podteksty, wówczas odpowiednio barwa będzie postrzegana inaczej.
Warto zauważyć, że ponad dziesięć lat temu zaproponowano nowy parametr do pomiaru sprzętu akustycznego, a mianowicie trójwymiarowe widmo rozkładu energii w częstotliwości i czasie, tzw. rozkład Wignera, który jest dość aktywnie wykorzystywany przez różnych firmom ocenę sprzętu, gdyż jak pokazuje doświadczenie, pozwala na ustalenie jak najlepszego dopasowania do jego jakości dźwięku. Biorąc pod uwagę wspomnianą powyżej właściwość układu słuchowego polegającą na wykorzystywaniu dynamiki zmian charakterystyki energetycznej sygnału dźwiękowego do określenia barwy, można założyć, że ten parametr rozkładu Wignera może być przydatny również do oceny instrumentów muzycznych.

Ocena barw różnych instrumentów jest zawsze subiektywna, jeśli jednak oceniając wysokość i głośność, można na podstawie subiektywnych ocen uporządkować dźwięki w określonej skali (a nawet wprowadzić specjalne jednostki miary „syn” dla głośności i „mel” dla wysokości dźwięku), wówczas ocena barwy jest zadaniem znacznie trudniejszym. Zazwyczaj, aby subiektywnie ocenić barwę, słuchacze przedstawiają pary dźwięków o identycznej wysokości i głośności i proszeni są o uszeregowanie tych dźwięków w kolejności. różne skale pomiędzy różnymi przeciwstawnymi cechami opisowymi: „jasny”/„ciemny”, „głos”/„nudny” itp. (O wyborze różnych terminów do opisu barw i zaleceniach międzynarodowych standardów w tej kwestii na pewno będziemy rozmawiać w przyszłości).
Istotny wpływ na określenie takich parametrów dźwięku jak wysokość, barwa itp. ma zachowanie czasowe pierwszych pięciu do siedmiu harmonicznych, a także szeregu harmonicznych „nierozszerzonych” do 15...17. .
Jak jednak wiadomo z prawa ogólne psychologii, pamięć krótkotrwała danej osoby może jednocześnie operować nie więcej niż siedmioma do ośmiu znakami. Jest zatem oczywiste, że przy rozpoznawaniu i ocenie barwy wykorzystuje się nie więcej niż siedem lub osiem istotnych cech.
Podjęto próby ustalenia tych cech poprzez usystematyzowanie i uśrednienie wyników eksperymentów, znalezienie uogólnionych skal, za pomocą których można byłoby zidentyfikować barwy dźwięków różnych instrumentów i powiązać te skale z różnymi czasowo-spektralnymi charakterystykami dźwięku. przez długi czas.

Do najbardziej znanych należy praca Graya (1977), w której przeprowadzono statystyczne porównanie szacunków dla różnych charakterystyk barw dźwięków różnych instrumentów strunowych, drewnianych, perkusyjnych itp. Dźwięki syntezowano na komputerze , co umożliwiło zmianę ich wartości czasowych i widmowych w wymaganych charakterystykach kierunków. Klasyfikacji cech brzmieniowych dokonano w przestrzeni trójwymiarowej (ortogonalnej), gdzie skale, na których ocena porównawcza stopień podobieństwa cech barwowych (od 1 do 30) wybrano:

Pierwsza skala to wartość centroidy widma amplitudowego (skala pokazuje przemieszczenie centroidy, czyli maksimum energii widmowej od niskich do wysokich harmonicznych);
- po drugie - synchroniczność fluktuacji widmowych, tj. stopień synchroniczności wejścia i rozwoju poszczególnych podtekstów widma;
- po trzecie - stopień obecności nieharmonicznej energii szumu o niskiej amplitudzie o wysokiej częstotliwości w okresie ataku.

Przetwarzanie wyników uzyskanych za pomocą specjalnego pakietu oprogramowania do analizy skupień ujawniło możliwość w miarę przejrzystej klasyfikacji instrumentów ze względu na barwę w zaproponowanej przestrzeni trójwymiarowej.

Próbę zobrazowania różnicy barwowej dźwięków instrumentów muzycznych zgodnie z dynamiką zmian ich widma w okresie ataku podjęto w pracy Pollarda (1982), czego wyniki przedstawiono na rysunku.

Trójwymiarowa przestrzeń barw

Aktywnie trwają poszukiwania metod wielowymiarowego skalowania barw i ustalenia ich powiązań z charakterystyką spektralno-czasową dźwięków. Wyniki te są niezwykle ważne dla rozwoju technologii komputerowej syntezy dźwięku, tworzenia różnorodnych elektronicznych kompozycji muzycznych, korekcji i przetwarzania dźwięku w praktyce inżynierii dźwięku itp.

Ciekawostką jest fakt, że na początku w wielki kompozytor XX-wieczny Arnold Schoenberg wyraził pogląd, że „...jeśli uznamy wysokość dźwięku za jeden z wymiarów barwy i nowoczesna muzyka zbudowane na wariacjach tego wymiaru, to dlaczego nie spróbować wykorzystać innych wymiarów barwy do tworzenia kompozycji.” Idea ta jest obecnie realizowana w twórczości kompozytorów tworzących muzykę spektralną (elektroakustyczną). Dlatego też istnieje zainteresowanie problematyką postrzeganie barwy i jej powiązanie z obiektywnymi cechami sprawia, że ​​dźwięk jest tak wysoki.

Uzyskane wyniki pokazują więc, że jeśli w pierwszym okresie badań percepcji barwy (w oparciu o klasyczną teorię Helmholtza) ustalono wyraźny związek pomiędzy zmianą barwy a zmianą składu widmowego nieruchomej części dźwięku (skład alikwotów, stosunek ich częstotliwości do amplitud itp.), to drugi okres tych badań (od początku lat 60. XX w.) pozwolił na ustalenie zasadniczego znaczenia charakterystyk spektralno-czasowych.

Jest to zmiana struktury obwiedni czasowej na wszystkich etapach rozwoju dźwięku: ataku (co jest szczególnie ważne przy rozpoznawaniu barw różnych źródeł), części stacjonarnej i wybrzmiewania. Jest to dynamiczna zmiana w czasie obwiedni widmowej, m.in. przesunięcie środka ciężkości widma, tj. przesunięcie w czasie maksimum energii widmowej, a także rozwój w czasie amplitud składowych widmowych, zwłaszcza pierwszych pięciu do siedmiu „nierozwiniętych” harmonicznych widma.

Obecnie rozpoczął się trzeci okres badań nad problematyką barwy, punkt ciężkości badań przesunął się w stronę badania wpływu widma fazowego, a także wykorzystania kryteriów psychofizycznych w rozpoznawaniu barw, które leżą u podstaw ogólnego mechanizmu rozpoznawania obrazu dźwiękowego ( grupowanie w strumienie, ocena synchroniczności itp.).

Barwa i widmo fazowe

Wszystkie zaprezentowane wyniki dotyczą ustalenia związku pomiędzy barwą postrzeganą a charakterystyką akustyczną sygnału związaną z widmem amplitudowym, a dokładniej z czasową zmianą obwiedni widmowej (przede wszystkim przemieszczeniem środka energetycznego widma amplitudowego – centroid) oraz rozwój w czasie poszczególnych alikwotów.

W tym kierunku wykonano najwięcej pracy i uzyskano wiele interesujących wyników. Jak już zauważono, przez prawie sto lat w psychoakustyce dominował pogląd Helmholtza, że ​​nasz system słuchowy nie jest wrażliwy na zmiany relacji fazowych pomiędzy poszczególnymi alikwotami. Jednakże stopniowo gromadzono dowody eksperymentalne na to, że aparat słuchowy jest wrażliwy na zmiany fazowe pomiędzy różnymi składowymi sygnału (prace Schroedera, Hartmana itp.).

W szczególności stwierdzono, że próg słyszalny dla przesunięcia fazowego w sygnałach dwu- i trójskładnikowych o niskich i średnich częstotliwościach wynosi 10...15 stopni.

Doprowadziło to w latach 80. XX wieku do stworzenia szeregu systemów głośnikowych z liniową charakterystyką fazową. Jak wiadomo z ogólna teoria systemów, dla niezakłóconej transmisji sygnału konieczne jest utrzymanie modułu transmitancji na stałym poziomie, tj. charakterystyka amplitudowo-częstotliwościowa (obwiednia widma amplitudowego) oraz liniowa zależność widma fazowego od częstotliwości, tj. φ(ω) = -ωТ.

Rzeczywiście, jeśli obwiednia amplitudy widma pozostaje stała, wówczas, jak wspomniano powyżej, nie powinno wystąpić zniekształcenie sygnału audio. Wymagania dotyczące zachowania liniowości fazowej w całym zakresie częstotliwości, jak wykazały badania Blauerta, okazały się wygórowane. Stwierdzono, że słuch reaguje przede wszystkim na szybkość zmiany fazy (czyli jej pochodną częstotliwościową), co nazywa się „ czas opóźnienia grupowego ": τ = dφ(ω)/dω.

W wyniku licznych badań subiektywnych skonstruowano progi słyszalności dla zniekształceń opóźnienia grupowego (tj. wielkości odchylenia Δτ od jego wartości stałej) dla różnych sygnałów mowy, muzyki i hałasu. Te progi słyszenia zależą od częstotliwości i w obszarze maksymalnej wrażliwości słuchowej wynoszą 1...1,5 ms. Dlatego też w ostatnich latach tworząc sprzęt akustyczny Hi-Fi kierowano się głównie powyższymi progami słuchowymi dla zniekształceń opóźnienia grupowego.

Widok przebiegu przy różnych stosunkach fazowych alikwotu; czerwony – wszystkie podteksty mają te same fazy początkowe, niebieski – fazy są rozmieszczone losowo.

Zatem, jeśli zależności fazowe mają słyszalny wpływ na wykrywanie wysokości dźwięku, wówczas można oczekiwać, że będą miały znaczący wpływ na rozpoznawanie barwy.

Do eksperymentów wybraliśmy dźwięki o tonie podstawowym 27,5 i 55 Hz oraz stu alikwotach, o jednolitym stosunku amplitudy charakterystycznym dla dźwięków fortepianu. Jednocześnie badano tony o ściśle harmonijnym wydźwięku i z pewną nieharmonijnością charakterystyczną dla dźwięków fortepianu, która powstaje na skutek skończonej sztywności strun, ich niejednorodności, obecności drgań podłużnych i skrętnych itp.

Badany dźwięk zsyntetyzowano jako sumę jego alikwotów: X(t)=ΣA(n)sin
Do eksperymentów słuchowych wybrano następujące zależności faz początkowych dla wszystkich alikwotów:
- A - faza sinusoidalna, przyjęto fazę początkową równy zeru dla wszystkich alikwotów φ(n,0) = 0;
- B - faza alternatywna (sinusoidalna dla parzystej i cosinus dla nieparzystej), faza początkowa φ(n,0)=π/4[(-1)n+1];
- C - losowy rozkład faz; fazy początkowe zmieniały się losowo w zakresie od 0 do 2π.

W pierwszej serii eksperymentów wszystkie sto alikwotów miało takie same amplitudy, różniły się jedynie ich fazami (ton podstawowy 55 Hz). Jednocześnie odsłuchane barwy okazały się inne:
- w pierwszym przypadku (A) słychać było wyraźną cykliczność;
- w drugim (B) barwa była jaśniejsza i słychać było inny ton o oktawę wyższy od pierwszego (chociaż ton nie był wyraźny);
– w trzecim (C) – barwa okazała się bardziej jednolita.

Warto zaznaczyć, że drugiego tonu słuchano wyłącznie w słuchawkach; przy odsłuchu przez głośniki wszystkie trzy sygnały różniły się jedynie barwą (wpływało to na pogłos).

Zjawisko to – zmiana wysokości tonu, gdy zmienia się faza niektórych składowych widma – można wytłumaczyć faktem, że analitycznie przedstawiając transformatę Fouriera sygnału typu B, można ją przedstawić jako sumę dwóch kombinacji alikwotów: sto alikwotów o fazie typu A i pięćdziesiąt alikwotów o fazie różnej o 3π/4 i amplitudzie większej niż √2. Ucho przypisuje tej grupie alikwotów odrębną wysokość. Dodatkowo przy przejściu z fazy A do fazy B środek ciężkości widma (maksymalna energia) przesuwa się w stronę wyższych częstotliwości, przez co barwa wydaje się jaśniejsza.

Podobne eksperymenty z przesunięciem fazowym poszczególnych grup alikwotów prowadzą również do pojawienia się dodatkowej (mniej wyraźnej) wysokości wirtualnej. Ta właściwość słyszenia polega na tym, że ucho porównuje dźwięk z pewną próbką brzmienia muzycznego, którą posiada, i jeśli jakieś harmoniczne wypadają z szeregu typowego dla danej próbki, to ucho identyfikuje je osobno i przypisuje im osobne boisko.

I tak wyniki badań Galembo, Askenfelda i innych wykazały, że zmiany fazowe w stosunkach poszczególnych alikwotów są dość wyraźnie słyszalne jako zmiany barwy, a w niektórych przypadkach wysokości.

Jest to szczególnie widoczne podczas słuchania rzeczywistych tonów muzycznych fortepianu, w którym amplitudy alikwotów zmniejszają się wraz ze wzrostem ich liczby, występuje specjalny kształt obwiedni widma (struktura formantu) i wyraźnie wyrażona nieharmonijność widma ( czyli przesunięcie częstotliwości poszczególnych alikwotów w stosunku do szeregu harmonicznego).

W dziedzinie czasu obecność nieharmonijności prowadzi do dyspersji, to znaczy, że składowe o wysokiej częstotliwości rozchodzą się wzdłuż struny z większą prędkością niż składowe o niskiej częstotliwości, a kształt fali sygnału ulega zmianie. Obecność niewielkiej nieharmonijności w dźwięku (0,35%) dodaje dźwiękowi ciepła i witalności, jednak jeśli ta nieharmonijność stanie się duża, w dźwięku będą słyszalne dudnienia i inne zniekształcenia.

Nieharmonijność prowadzi także do tego, że jeśli w początkowej chwili fazy alikwotów były w stosunkach deterministycznych, to w jej obecności zależności fazowe z czasem stają się losowe, szczytowa struktura kształtu fali ulega wygładzeniu, a barwa staje się bardziej jednolity - zależy to od stopnia nieharmonijności. Dlatego chwilowy pomiar regularności zależności fazowej pomiędzy sąsiednimi alikwotami może służyć jako wskaźnik barwy.

Zatem efekt mieszania faz z powodu nieharmonijności objawia się pewną zmianą w postrzeganiu wysokości i barwy. Należy zaznaczyć, że efekty te są słyszalne przy odsłuchu blisko płyty rezonansowej (w pozycji pianisty) i gdy mikrofon jest blisko, natomiast efekty słuchowe różnią się przy odsłuchu przez słuchawki i przez głośniki. W środowisku pogłosowym złożony dźwięk o wysokim współczynniku szczytowym (co odpowiada wysokiemu stopniowi uregulowania zależności fazowych) wskazuje na bliskość źródła dźwięku, ponieważ w miarę oddalania się od niego zależności fazowe stają się coraz bardziej losowe ze względu na odbicia w pokoju. Efekt ten może powodować odmienną ocenę dźwięku przez pianistę i słuchacza, a także odmienną barwę dźwięku rejestrowanego przez mikrofon na płycie rezonansowej i u słuchacza. Im bliżej, tym większa regularyzacja faz między alikwotami i bardziej określoną wysokością, im dalej, tym bardziej jednolita barwa i mniej wyraźna wysokość;

Prace nad oceną wpływu zależności fazowych na percepcję barwy dźwięku muzycznego są obecnie aktywnie badane w różnych ośrodkach (np. W IRCAM), a nowych wyników można spodziewać się w najbliższej przyszłości.

Barwa i ogólne zasady rozpoznawania wzorców słuchowych

Barwa jest identyfikatorem fizycznego mechanizmu powstawania dźwięku opartym na szeregu cech; pozwala zidentyfikować źródło dźwięku (instrument lub grupę instrumentów) i określić jego fizyczny charakter.

Odzwierciedla to ogólne zasady rozpoznawania wzorców słuchowych, które według współczesnej psychoakustyki opierają się na zasadach psychologii Gestalt (geschtalt, „obraz”), która stwierdza, że ​​w celu oddzielenia i rozpoznania różnych informacji dźwiękowych docierających do układu słuchowego z różnych źródeł jednocześnie (gra orkiestry, rozmowa wielu rozmówców itp.), narząd słuchowy (podobnie jak wzrokowy) kieruje się pewnymi ogólnymi zasadami:

- segregacja- podział na strumienie dźwiękowe, tj. subiektywna identyfikacja określonej grupy źródeł dźwięku, np. z polifonią muzyczną, ucho może śledzić rozwój melodii w poszczególnych instrumentach;
- podobieństwo- dźwięki o podobnej barwie grupuje się i przypisuje do tego samego źródła, np. dźwięki mowy o podobnej wysokości i podobnej barwie określa się jako należące do tego samego rozmówcy;
- ciągłość- system słuchowy może interpolować dźwięk z pojedynczego strumienia poprzez masker, na przykład, jeśli go włożysz krótki odcinek hałas, układ słuchowy może go nie zauważyć, strumień dźwięku będzie nadal odbierany jako ciągły;
- „wspólny los”- dźwięki, które rozpoczynają się i kończą, a także synchronicznie zmieniają amplitudę lub częstotliwość w pewnych granicach, przypisuje się jednemu źródłu.

W ten sposób mózg grupuje napływające informacje dźwiękowe zarówno sekwencyjnie, określając rozkład czasowy składników dźwięku w jednym strumieniu dźwięku, jak i równolegle, podkreślając składowe częstotliwości, które są obecne i zmieniają się jednocześnie. Ponadto mózg stale porównuje napływające informacje dźwiękowe z obrazami dźwiękowymi „zarejestrowanymi” w procesie uczenia się w pamięci. Porównując napływające kombinacje strumieni dźwiękowych z istniejącymi obrazami, albo z łatwością je identyfikuje, jeśli pokrywają się z tymi obrazami, albo lub, w przypadku niepełnych zbiegów okoliczności, przypisuje im jakieś specjalne właściwości(na przykład przypisuje wirtualną wysokość, jak w dźwięku dzwonów).

We wszystkich tych procesach rozpoznawanie barwy odgrywa zasadniczą rolę, ponieważ barwa jest mechanizmem, dzięki któremu właściwości fizyczne znaki określające jakość dźwięku: są zapisywane w pamięci, porównywane z już zarejestrowanymi, a następnie identyfikowane w niektórych obszarach kory mózgowej.

Obszary słuchowe mózgu

Tembr- wielowymiarowe wrażenie, zależne od wielu cech fizycznych sygnału i otaczającej przestrzeni. Prowadzono prace nad skalowaniem barwy w przestrzeni metrycznej (skale to różne charakterystyki widmowo-czasowe sygnału, patrz druga część artykułu w poprzednim numerze).

Jednak w ostatnich latach doszło do zrozumienia, że ​​klasyfikacja dźwięków w przestrzeni subiektywnej nie odpowiada zwykłej ortogonalnej przestrzeni metrycznej, istnieje klasyfikacja w „podprzestrzeniach” związanych z powyższymi zasadami, które nie są ani metryczne, ani ortogonalne.

Rozdzielając dźwięki na te podprzestrzenie, układ słuchowy określa „jakość dźwięku”, czyli barwę i decyduje, do której kategorii zaklasyfikować te dźwięki. Należy jednak zaznaczyć, że cały zbiór podprzestrzeni w subiektywnie odbieranym świecie dźwiękowym budowany jest w oparciu o informacje o dwóch parametrach dźwięku ze świata zewnętrznego – natężeniu i czasie, a częstotliwość determinowana jest czasem przybycia. identyczne wartości intensywność. Fakt, że słuch dzieli docierającą informację dźwiękową na kilka subiektywnych podprzestrzeni jednocześnie, zwiększa prawdopodobieństwo jej rozpoznania w jednej z nich. To właśnie na identyfikacji tych subiektywnych podprzestrzeni, w których następuje rozpoznawanie barw i innych cech sygnałów, skupiają się obecnie wysiłki naukowców.

Wniosek

Podsumowując, możemy powiedzieć, że główne cechy fizyczne, na podstawie których określa się barwę instrumentu i jego zmianę w czasie, to:
- wyrównanie amplitud alikwotów w okresie ataku;
- zmiana zależności fazowych pomiędzy alikwotami z deterministycznych na losowe (w szczególności ze względu na nieharmonijność alikwotów instrumentów rzeczywistych);
- zmiana kształtu obwiedni widmowej w czasie we wszystkich okresach rozwoju dźwięku: ataku, części stacjonarnej i zaniku;
- obecność nieregularności w obwiedni widmowej i położenie środka ciężkości widma (maksymalnie

Energia widmowa, która jest związana z percepcją formantów) i ich zmiana w czasie;

Ogólny widok obwiedni widmowych i ich zmiany w czasie

Obecność modulacji - amplituda (tremolo) i częstotliwość (vibrato);
- zmiana kształtu obwiedni widmowej i charakter jej zmian w czasie;
- zmiana natężenia (objętości) dźwięku, tj. charakter nieliniowości źródła dźwięku;
- obecność dodatkowych oznak identyfikacji instrumentu, na przykład charakterystyczny dźwięk smyczka, stukanie zaworów, skrzypienie śrub w fortepianie itp.

Oczywiście to wszystko nie wyczerpuje listy. znaki fizyczne sygnał określający jego barwę.
Poszukiwania w tym kierunku są kontynuowane.
Jednak podczas syntezy dźwięków muzycznych należy wziąć pod uwagę wszystkie cechy, aby stworzyć realistyczny dźwięk.

Werbalny (werbalny) opis barwy

Jeżeli istnieją odpowiednie jednostki miary do oceny wysokości dźwięków: psychofizyczne (kreda), muzyczne (oktawy, tony, półtony, centy); Istnieją jednostki głośności (synowie, tła), ale w przypadku barw nie da się skonstruować takich skal, ponieważ jest to koncepcja wielowymiarowa. Dlatego też, wraz z opisanymi powyżej poszukiwaniami korelacji pomiędzy percepcją barwy a obiektywnymi parametrami dźwięku, w celu scharakteryzowania barw instrumentów muzycznych, stosuje się opisy słowne, wybrane według cech przeciwieństwa: jasny - matowy, ostry - miękkie itp.

W literaturze naukowej istnieje duża liczba koncepcji związanych z oceną barwy dźwięku. Na przykład analiza terminów przyjętych we współczesnej literaturze technicznej ujawniła najczęściej występujące terminy pokazane w tabeli. Podjęto próbę zidentyfikowania najważniejszych spośród nich i skalowania barwy według przeciwstawnych cech, a także powiązania słownego opisu barw z niektórymi parametrami akustycznymi.

Podstawowe subiektywne terminy opisujące barwę, stosowane we współczesnej międzynarodowej literaturze technicznej (analiza statystyczna 30 książek i czasopism).

Kwaśno - kwaśny
mocny - wzmocniony
stłumiony – stłumiony
trzeźwy - trzeźwy (rozsądny)
antyk - stary
mroźno – mroźno
muhy - porowaty
miękki - miękki
łukowate - wypukłe
pełny - kompletny
tajemniczy – tajemniczy
uroczysty - uroczysty
wyrazisty – czytelny
rozmyty - puszysty
nosowo – nosowo
solidny - solidny
surowy – surowy
gazowany - cienki
schludnie – schludnie
ponury - ponury
gryźć, gryźć - gryźć
delikatny – delikatny
neutralny - neutralny
dźwięczny – dźwięczny
mdłe - insynuujące
upiorny – upiorny
szlachetny – szlachetny
stalowo – stalowo
rycząc – rycząc
szklisty - szklisty
nieokreślony – nie do opisania
napięty - napięty
beczenie - beczenie
błyszczące - genialne
nostalgiczny – nostalgiczny
ostry - skrzypiący
oddychający - oddychający
ponury - smutny
złowieszczy – złowieszczy
rygorystyczne - ograniczone
jasny - jasny
ziarnisty - ziarnisty
zwyczajny - zwyczajny
silny - silny
genialne – genialne
zgrzytanie - piskliwe
blady - blady
duszno – duszno
kruchy - mobilny
grób – poważny
namiętny – namiętny
stonowany – zmiękczony
brzęczący – brzęczący
growly - warczenie penetrujące - penetrujące
duszno - duszno
spokój - spokój
ciężko ciężko
piercing – piercing
słodki
noszenie - latanie
surowy - niegrzeczny
uszczypnięty - ograniczony
pikantny - zdezorientowany
skupiony – skoncentrowany
nawiedzający – nawiedzający
spokojny – spokojny
tarta - kwaśna
dźwięczny - dzwonienie
mglisty – niejasny
żałosny – żałobny
łzawienie - szalone
jasne, klarowne - jasne
serdeczny - szczery
ciężki – ciężki
przetarg - przetarg
pochmurno mgliście
ciężki - ciężki
potężny - potężny
napięty - napięty
szorstki - niegrzeczny
bohatersko – bohatersko
wybitny – wybitny
gruby - gruby
zimno zimno
ochrypły – ochrypły
ostry - żrący
cienki - cienki
kolorowo – kolorowo
pusty - pusty
czysty - czysty
grożąc – grożąc
bezbarwny - bezbarwny
trąbienie - brzęczenie (klakson samochodowy)
promienna - lśniąca
gardłowy - ochrypły
fajne fajne
hooty - brzęczenie
chropowaty - grzechoczący
tragiczny – tragiczny
trzaskanie – trzaskanie
husky - ochrypły
grzechotanie – grzechotanie
spokojny - uspokajający
rozbić się - zepsuty
żarzenie – żarzenie
trzcinowy - przenikliwy
przezroczysty - przezroczysty
kremowy - kremowy
ostry - ostry
wyrafinowany - wyrafinowany
triumfujący – triumfujący
krystaliczny - krystaliczny
niewyrażający - niewyrażający
zdalny - zdalny
tubby - w kształcie beczki
cięcie - ostre
intensywny - intensywny
bogaty - bogaty
mętny - błotnisty
ciemno - ciemno
introspektywny - dogłębny
dzwonienie - dzwonienie
napuszony - pompatyczny
głęboko głęboko
radosne – radosne
solidny - szorstki
nieskoncentrowany - nieskoncentrowany
delikatny - delikatny
marniejący - smutny
szorstki - cierpki
dyskretny - skromny
gęsty - gęsty
światło światło
zaokrąglone - okrągłe
zasłonięty – zasłonięty
rozproszony - rozproszony
przezroczysty - przezroczysty
piaszczysta - piaszczysta
aksamitny – aksamitny
ponury - odległy
płynny - wodnisty
dziki – dziki
wibrujący - wibrujący
odległy - wyraźny
głośno - głośno
krzyczeć – krzyczeć
istotne – istotne
marzycielski – marzycielski
świetlisty – genialny
sere - wytrawny, zmysłowy - bujny (luksusowy)
suchy suchy
bujny (soczysty) - soczysty
spokój, spokój - spokój
słaby - przyćmiony
nudno - nudno
liryczny – liryczny
zacieniony - zacieniony
ciepło ciepło
serio – poważnie
masywny - masywny
ostry - ostry
wodnisty – wodnisty
ekstatyczny – ekstatyczny
medytacyjny - kontemplacyjny
migotać - drżeć
słaby - słaby
eteryczny – eteryczny
melancholia – melancholia
krzyczeć - krzyczeć
ciężki - ciężki
egzotyczny – egzotyczny
łagodny - miękki
przenikliwy – przenikliwy
Biały biały
ekspresyjny – ekspresyjny
melodyjny - melodyjny
jedwabisty – jedwabisty
wietrznie - wietrznie
gruby gruby
grożący – grożący
srebrzysty - srebrzysty
wątły - cienki
ostry - twardy
metaliczny - metaliczny
śpiew - melodyjny
drzewny - drewniany
zwiotczały - zwiotczały
mgliste – niejasne
złowrogi – złowrogi
tęsknota - smutna
skupiony – skupiony
żałobny – żałobny
luz - luz
przeczucie - odpychające
błotnisty – brudny
gładka - gładka

Jednak głównym problemem jest brak jasnego zrozumienia różnych subiektywnych terminów opisujących barwę. Podane powyżej tłumaczenie nie zawsze odpowiada technicznemu znaczeniu, jakie przypisuje się każdemu słowu przy opisywaniu różnych aspektów oceny barwy.

W naszej literaturze istniał kiedyś standard dla podstawowych terminów, ale obecnie sytuacja jest dość smutna, ponieważ nie podejmuje się żadnych prac nad stworzeniem odpowiedniej terminologii w języku rosyjskim, a wiele terminów ma różne, czasem wręcz przeciwne znaczenia.
W związku z tym AES opracowując szereg standardów subiektywnych ocen jakości sprzętu audio, systemów rejestracji dźwięku itp., zaczęło podawać definicje terminów subiektywnych w załącznikach do standardów, a ponieważ standardy tworzone są w grupach roboczych w skład których wchodzą czołowi eksperci z różnych krajów, jest to bardzo ważna procedura prowadząca do spójnego zrozumienia podstawowych terminów opisujących barwy.
Jako przykład przytoczę normę AES-20-96 – „Zalecenia dotyczące subiektywnej oceny głośników” – która zawiera uzgodnioną definicję takich pojęć, jak „otwartość”, „przejrzystość”, „przejrzystość”, „napięcie”. , „ostrość” itp.
Jeśli prace te będą systematycznie kontynuowane, być może podstawowe pojęcia słownego opisu barw dźwięków różnych instrumentów i innych źródeł dźwięku osiągną zgodność definicyjną i będą jednoznacznie lub w miarę ściśle rozumiane przez specjalistów z różnych krajów.