心理声学

心理声学在学科归属上具有双重身份：它既是声学的一个分支，也是心理物理学的一个分支，研究声音与它所引起的听觉感知之间的关系。^{55心理声学wapbaike.baidu.com前往参考资料 ↓在新标签页中打开}

心理声学与心理物理学的关系体现在方法上：它沿用心理物理学的核心范式，即系统地改变声音的物理参量并测量对应的主观感觉量，从而建立物理刺激与听觉体验之间的定量对应关系。^{55心理声学wapbaike.baidu.com前往参考资料 ↓在新标签页中打开}

心理声学与声学的关系体现在对象上：声学处理声音的产生、传播与物理度量，而心理声学处理这些物理量被人耳接收并最终被大脑解读后形成的主观属性，如响度、音调、音色和音长。^{55心理声学wapbaike.baidu.com前往参考资料 ↓在新标签页中打开}

心理声学把声音接收的生理机制与大脑解读声音的心理过程结合起来，这一双重取向使它区别于纯生理学的听觉研究与纯物理学的声学测量。^{55心理声学wapbaike.baidu.com前往参考资料 ↓在新标签页中打开}

心理声学作为独立研究方向始于十九世纪末期，其早期动力来自通信业发展的实际需要，这一应用背景塑造了它偏重实验测量与定量建模的学科风格。^{55心理声学wapbaike.baidu.com前往参考资料 ↓在新标签页中打开}

临界频带概念由 Harvey Fletcher 于二十世纪四十年代提出，后由 Eberhard Zwicker 在 1961 年依据人耳结构发展为 24 个临界频带的 Bark 域划分，成为心理声学与听觉滤波器理论之间的关键桥梁。^{55心理声学wapbaike.baidu.com前往参考资料 ↓在新标签页中打开}

心理声学作为一门实验科学的定量起点通常追溯到古斯塔夫·费希纳（Gustav Theodor Fechner）1860 年出版的《心理物理学纲要》（Elemente der Psychophysik）。费希纳在该书中提出，感觉量随刺激量的对数增长，即 S = k·log(I)，后世称为费希纳定律；他同时系统化了最小可觉差、恒定刺激法、极限法与调整法等心理物理方法，这些方法后来成为听觉阈限与差别阈限测量的基本工具。^{66Fechner, Elemente der Psychophysik (1860) — 数字影印与书目记录archive.org前往参考资料 ↓在新标签页中打开|77Gustav Theodor Fechner — Stanford Encyclopedia of Philosophyplato.stanford.edu前往参考资料 ↓在新标签页中打开}

费希纳定律并非从生理机制推导而来，而是建立在韦伯（Ernst Heinrich Weber）关于差别阈限与刺激量成比例的实验观察之上，即韦伯定律 ΔI/I = 常数。费希纳把韦伯分数视为感觉的最小可觉差单元并对其积分，才得到对数形式的心理物理函数；因此费希纳定律的成立范围受韦伯定律适用范围的限制。^{66Fechner, Elemente der Psychophysik (1860) — 数字影印与书目记录archive.org前往参考资料 ↓在新标签页中打开|88Weber's law — Encyclopaedia Britannicabritannica.com前往参考资料 ↓在新标签页中打开}

史蒂文斯（S. S. Smith Stevens）在 20 世纪 50 年代提出幂定律 S = k·I^n，用以替代费希纳的对数律，并发展了数量估计法（magnitude estimation）与跨模态匹配法。对响度而言，史蒂文斯给出的指数约为 0.3（声压级每增加 10 dB，主观响度约翻倍），这一指数与费希纳对数律在中等强度范围内给出的预测在量级上相近，但幂函数能更好地描述强刺激端的压缩。^{99Stevens, S. S. (1957). On the psychophysical law. Psychological Review, 64(3), 153–181.psycnet.apa.org前往参考资料 ↓在新标签页中打开|1010Stevens' power law — Encyclopaedia Britannicabritannica.com前往参考资料 ↓在新标签页中打开}

现代心理声学的另一条源头是电话工程中的语音可懂度与响度测量需求。贝尔实验室在 20 世纪 20—30 年代系统开展了听觉阈限、掩蔽与响度的定量研究，哈维·弗莱彻（Harvey Fletcher）与维尔登·芒森（Wilden A. Munson）1933 年发表的等响曲线，是首次以实验方式把响度与频率、声压级联系起来的系统性成果，后来成为 ISO 226 等响曲线的直接前身。^{1111Fletcher, H., & Munson, W. A. (1933). Loudness, its definition, measurement and calculation. Journal of the Acoustical Society of America, 5(2), 82–108.asa.scitation.org前往参考资料 ↓在新标签页中打开|1212ISO 226:2003 Acoustics — Normal equal-loudness-level contoursiso.org前往参考资料 ↓在新标签页中打开}

1940 年，弗莱彻提出“临界频带”（critical band）概念，用以解释宽带噪声对纯音的掩蔽效率随噪声带宽增加而先升后饱和的现象；这一概念后来由 Zwicker 等人发展为以 Bark 为单位的听觉滤波器组描述，成为现代听觉模型的核心结构之一。^{1313Fletcher, H. (1940). Auditory patterns. Reviews of Modern Physics, 12(1), 47–65.journals.aps.org前往参考资料 ↓在新标签页中打开|1414Zwicker, E. (1961). Subdivision of the audible frequency range into critical bands (Frequenzgruppen). Journal of the Acoustical Society of America, 33(2), 248.asa.scitation.org前往参考资料 ↓在新标签页中打开}

1950 年，齐维克（Eberhard Zwicker）提出“心理声学音阶”（psychoacoustical scale）与“音高”（tonheit）概念，后以 Bark 为单位；Bark 尺度把可听频率范围划分为约 24 个临界频带，是响度计算、掩蔽建模与音频编码中广泛使用的频率标度。^{1414Zwicker, E. (1961). Subdivision of the audible frequency range into critical bands (Frequenzgruppen). Journal of the Acoustical Society of America, 33(2), 248.asa.scitation.org前往参考资料 ↓在新标签页中打开|1515Bark scale — 定义与临界频带划分en.wikipedia.org前往参考资料 ↓在新标签页中打开}

在听觉滤波器的定量建模上，帕特森（Roy D. Patterson）1976 年提出的“幂律耳蜗滤波器”（power-law cochlear filter）与后来格拉斯伯格（Brian R. Glasberg）和摩尔（Brian C. J. Moore）1990 年提出的“等效矩形带宽”（ERB）公式，把听觉滤波器的带宽表示为以中心频率为自变量的函数，成为掩蔽、响度与语音可懂度模型的通用组件。^{1616Patterson, R. D. (1976). Auditory filter shapes derived with noise stimuli. Journal of the Acoustical Society of America, 59(3), 640–654.asa.scitation.org前往参考资料 ↓在新标签页中打开|1717Glasberg, B. R., & Moore, B. C. J. (1990). Derivation of auditory filter shapes from notched-noise data. Hearing Research, 47(1–2), 103–138.sciencedirect.com前往参考资料 ↓在新标签页中打开}

齐维克 1960 年代提出的响度模型把总响度表示为各临界频带内特征响度的积分，并引入 3 倍频程斜率的上行掩蔽与压缩指数；该模型经 ISO 532 系列标准（ISO 532A/B，后为 ISO 532-1:2017）标准化，是心理声学模型进入工程标准的标志性案例。^{1818Zwicker, E., & Scharf, B. (1965). A model of loudness summation. Psychological Review, 72(1), 3–26.psycnet.apa.org前往参考资料 ↓在新标签页中打开|1919ISO 532-1:2017 Acoustics — Methods for calculating loudness — Part 1: Zwicker methodiso.org前往参考资料 ↓在新标签页中打开}

20 世纪 80—90 年代，心理声学模型被直接嵌入音频编码：MPEG-1 Audio（ISO/IEC 11172-3，1993）的 Layer I/II/III 均采用基于临界频带与掩蔽阈值的心理声学模型来计算每个子带或比例因子带的允许噪声，从而决定量化精度。这使心理声学从实验室测量转变为消费电子产品的设计依据。^{2020ISO/IEC 11172-3:1993 Information technology — Coding of moving pictures and associated audio for digital storage media at up to about 1,5 Mbit/s — Part 3: Audioiso.org前往参考资料 ↓在新标签页中打开|2121Painter, T., & Spanias, A. (2000). Perceptual coding of digital audio. Proceedings of the IEEE, 88(4), 451–515.ieeexplore.ieee.org前往参考资料 ↓在新标签页中打开}

1990 年代以后，听觉模型沿着两条路径发展：一条是生理与计算听觉模型，如帕特森等人的听觉图像（auditory image）模型与 Meddis 的毛细胞突触模型，试图从耳蜗力学与神经发放重建心理物理数据；另一条是工程化的感知模型，如 ITU-R BS.1387（PEAQ）与 ITU-T P.862（PESQ），把心理声学原理固化为可自动运行的音质客观评价算法。^{2222Patterson, R. D., Allerhand, M. H., & Giguère, C. (1995). Time-domain modeling of peripheral auditory processing: A modular architecture and a software platform. Journal of the Acoustical Society of America, 98(4), 1890–1894.asa.scitation.org前往参考资料 ↓在新标签页中打开|2323ITU-R BS.1387-1: Method for objective measurements of perceived audio quality (PEAQ)itu.int前往参考资料 ↓在新标签页中打开|2424ITU-T P.862: Perceptual evaluation of speech quality (PESQ)itu.int前往参考资料 ↓在新标签页中打开}

费希纳对数律与史蒂文斯幂律之间长期存在关于“哪种函数形式更正确”的争论。支持对数律的一方认为，在接近阈限的低强度端，幂函数预测的响度增长过快，而对数函数更符合阈上差别阈限的近似恒定性；支持幂律的一方则认为，数量估计实验在跨模态匹配下稳定复现幂函数关系，对数律只是幂律在窄范围内的近似。^{99Stevens, S. S. (1957). On the psychophysical law. Psychological Review, 64(3), 153–181.psycnet.apa.org前往参考资料 ↓在新标签页中打开|2525Stevens, S. S. (1961). To honor Fechner and repeal his law. Science, 133(3446), 80–86.science.org前往参考资料 ↓在新标签页中打开}

心理声学的学科定位在 20 世纪后半叶逐渐从“心理物理学的一个分支”扩展为“听觉科学与工程之间的接口学科”：它既为听觉生理学与认知心理学提供行为数据约束，也为音频编码、噪声控制、助听器与产品声品质评价提供可计算的感知量。这种双重定位使其方法论同时包含严格的心理物理实验与工程化的客观指标。^{2626Moore, B. C. J. (2012). An Introduction to the Psychology of Hearing (6th ed.) — 出版信息brill.com前往参考资料 ↓在新标签页中打开|2727Fastl, H., & Zwicker, E. (2007). Psychoacoustics: Facts and Models (3rd ed.) — Springer 书目页link.springer.com前往参考资料 ↓在新标签页中打开}

人耳在解剖上分为外耳、中耳和内耳三部分：外耳包括耳廓与外耳道，中耳包括鼓膜、听骨链（锤骨、砧骨、镫骨）及咽鼓管等结构，内耳则包含耳蜗、前庭与半规管，其中耳蜗是听觉的感声器官。^{1212ISO 226:2003 Acoustics — Normal equal-loudness-level contoursiso.org前往参考资料 ↓在新标签页中打开|2828The Middle Ear: Science, Otosurgery, and Technologylink.springer.com前往参考资料 ↓在新标签页中打开}

外耳的主要声学作用有二：一是耳廓对声波的衍射与反射产生方向依赖性，为声源定位提供线索；二是外耳道作为一端封闭的声学管，在约 2–4 kHz 附近形成管道共振，使该频段的声压在中耳入口处被抬高约 10–15 dB，这也是人耳听阈在 3 kHz 附近最灵敏的原因之一。^{1212ISO 226:2003 Acoustics — Normal equal-loudness-level contoursiso.org前往参考资料 ↓在新标签页中打开|2929Acoustics — Statistical distribution of hearing thresholds related to age and gender (ISO 7029:2017)iso.org前往参考资料 ↓在新标签页中打开}

中耳的核心作用是阻抗匹配：空气的特性声阻抗远低于耳蜗内淋巴液，若声波直接由空气传入液体，绝大部分能量会被反射；鼓膜与听骨链构成的杠杆系统与面积比（鼓膜有效面积约为镫骨底板面积的十几到二十倍）把声压放大，使中耳的整体传声效率在最佳频段接近理想匹配，补偿约 25–30 dB 的阻抗失配损失。^{1212ISO 226:2003 Acoustics — Normal equal-loudness-level contoursiso.org前往参考资料 ↓在新标签页中打开|2828The Middle Ear: Science, Otosurgery, and Technologylink.springer.com前往参考资料 ↓在新标签页中打开}

中耳传声并非对所有频率等效：其传递函数呈带通特性，在约 1 kHz 附近效率最高，低频与高频两端均下降；中耳还存在声反射（镫骨肌反射）机制，在强声刺激下通过肌肉收缩增加听骨链劲度，对低频段起到一定的保护与衰减作用。^{2828The Middle Ear: Science, Otosurgery, and Technologylink.springer.com前往参考资料 ↓在新标签页中打开|3030Fundamentals of Hearing: An Introduction (5th edition)sciencedirect.com前往参考资料 ↓在新标签页中打开}

内耳的耳蜗是机械-电换能器官：基底膜上排列着内外毛细胞，声波经镫骨推动卵圆窗使耳蜗内液体振动，引起基底膜行波，毛细胞纤毛弯曲后产生感受器电位并释放递质，进而使听神经纤维发放动作电位，完成感声过程。^{1212ISO 226:2003 Acoustics — Normal equal-loudness-level contoursiso.org前往参考资料 ↓在新标签页中打开}

基底膜的行波具有频率-位置对应关系（tonotopic organization）：高频声在耳蜗底部（靠近卵圆窗）引起最大振幅，低频声则在顶部引起最大振幅，这一由贝克西（Georg von Békésy）通过实验观察并系统阐述的行波理论，是耳蜗频率分析的基础。^{3131The Cochlea (Springer Handbook of Auditory Research, Vol. 8)link.springer.com前往参考资料 ↓在新标签页中打开}

人耳的听觉频率范围通常表述为约 20 Hz 至 20 kHz；这一范围随年龄增长而收窄，高频上限在中年以后明显下降，因此 20 kHz 应理解为年轻健康听力的典型上限而非所有人的固定界限。^{1212ISO 226:2003 Acoustics — Normal equal-loudness-level contoursiso.org前往参考资料 ↓在新标签页中打开|2929Acoustics — Statistical distribution of hearing thresholds related to age and gender (ISO 7029:2017)iso.org前往参考资料 ↓在新标签页中打开}

听觉的动态范围很宽：健康年轻人可听到的最低声压级在 1–4 kHz 附近接近 0 dB SPL（约 20 μPa），而痛阈约在 120 dB SPL 量级，二者之间构成约 120 dB 的可听动态范围。^{1212ISO 226:2003 Acoustics — Normal equal-loudness-level contoursiso.org前往参考资料 ↓在新标签页中打开|2929Acoustics — Statistical distribution of hearing thresholds related to age and gender (ISO 7029:2017)iso.org前往参考资料 ↓在新标签页中打开}

外耳与中耳的传声环节共同决定了到达耳蜗的声压，因此心理声学实验中的刺激量通常以耳道入口处或鼓膜处的声压级来标定；自由场声压级与鼓膜处声压级之间的差值（即外耳与中耳的传递特性）是等响曲线与听阈测量中必须考虑的因素。^{2929Acoustics — Statistical distribution of hearing thresholds related to age and gender (ISO 7029:2017)iso.org前往参考资料 ↓在新标签页中打开|3030Fundamentals of Hearing: An Introduction (5th edition)sciencedirect.com前往参考资料 ↓在新标签页中打开}

人耳可感知的声频范围通常表述为约 20 Hz 至 20 kHz。这一范围是心理声学与声学标准中广泛采用的标称值，但并非所有人、所有年龄段的实际听阈边界都相同；它描述的是健康年轻人听觉系统的典型上限与下限。^{1212ISO 226:2003 Acoustics — Normal equal-loudness-level contoursiso.org前往参考资料 ↓在新标签页中打开|3232Human hearing rangeen.wikipedia.org前往参考资料 ↓在新标签页中打开}

20 Hz 下限与 20 kHz 上限都是统计意义上的近似值：低于 20 Hz 的次声并非绝对不可感知（在高声压级下可通过振动、压力感等非听觉通道被察觉），高于 20 kHz 的超声在极高声压级下也可能引起感知，因此“可听范围”的边界取决于定义标准（能否引起听觉 sensation）与测量条件。^{3232Human hearing rangeen.wikipedia.org前往参考资料 ↓在新标签页中打开|3333Acoustics — Reference zero for the calibration of audiometric equipment (ISO 389 series)iso.org前往参考资料 ↓在新标签页中打开}

人耳对频率的绝对敏感度并不均匀：在 2 kHz 至 5 kHz 附近听阈最低（最敏感），这主要归因于外耳道与中耳传导特性形成的共振增益；在低频与极高频两端，达到听阈所需的声压级显著升高。^{1212ISO 226:2003 Acoustics — Normal equal-loudness-level contoursiso.org前往参考资料 ↓在新标签页中打开|3434Equal-loudness contouren.wikipedia.org前往参考资料 ↓在新标签页中打开}

ISO 226:2003 规定的标准等响曲线以 1 kHz 纯音为参考，给出各频率达到相同响度级所需的声压级；该标准基于多实验室的听阈与等响实验数据，是描述人耳频率响应非平坦性的规范性文件。^{3434Equal-loudness contouren.wikipedia.org前往参考资料 ↓在新标签页中打开}

人耳的动态范围（从听阈到不适阈）在 1 kHz 附近约为 120 dB 量级：听阈约 0 dB SPL，不适阈约 120 dB SPL。该数值随频率变化，在听阈最低的中频段动态范围最大，在低频与高频两端收窄。^{1212ISO 226:2003 Acoustics — Normal equal-loudness-level contoursiso.org前往参考资料 ↓在新标签页中打开|3535Sound pressureen.wikipedia.org前往参考资料 ↓在新标签页中打开}

随年龄增长，高频听阈上限逐步下降（老年性耳聋，presbycusis）：多数成年人 15 kHz 以上纯音已难以察觉，60 岁以上人群的听阈上限常降至 8–12 kHz 量级。因此“20 kHz 上限”主要适用于年轻健康人群。^{3636Presbycusisen.wikipedia.org前往参考资料 ↓在新标签页中打开|3737Noise-induced hearing lossen.wikipedia.org前往参考资料 ↓在新标签页中打开}

噪声暴露是导致高频听力损失与听阈上限下降的主要环境因素；长期暴露于高强度噪声（如职业噪声、便携式音频设备高音量使用）会使永久性听阈偏移（PTS）向中高频扩展，压缩有效可听动态范围。^{3737Noise-induced hearing lossen.wikipedia.org前往参考资料 ↓在新标签页中打开|3838Occupational noise exposurecdc.gov前往参考资料 ↓在新标签页中打开}

在心理声学与音频工程中，“动态范围”常被区分为两种含义：一是听觉系统的物理动态范围（听阈到不适阈的声压级跨度），二是音频信号或重放系统的动态范围（最大不失真电平与噪声底之比）。两者数值相近但所指对象不同，混用会造成表述歧义。^{3535Sound pressureen.wikipedia.org前往参考资料 ↓在新标签页中打开|3939Dynamic rangeen.wikipedia.org前往参考资料 ↓在新标签页中打开}

听阈的测量结果依赖于换能器校准、声场类型（自由场、扩散场或耳道耦合器）以及刺激呈现方式；不同标准（如 ISO 389 系列规定的参考听阈）给出的数值存在系统性差异，因此引用“0 dB SPL 听阈”时必须说明所依据的参考条件。^{3333Acoustics — Reference zero for the calibration of audiometric equipment (ISO 389 series)iso.org前往参考资料 ↓在新标签页中打开|4040Audiometryen.wikipedia.org前往参考资料 ↓在新标签页中打开}

可听频率范围的上限在文献中存在不同表述：部分教材与标准采用 20 kHz 作为标称上限，也有研究指出个别年轻受试者在更高频率（如 20–24 kHz）仍可检测到超声刺激。这一差异主要源于受试者年龄、刺激强度与判定标准的不同，而非对基本听觉机制的分歧。^{3232Human hearing rangeen.wikipedia.org前往参考资料 ↓在新标签页中打开|3333Acoustics — Reference zero for the calibration of audiometric equipment (ISO 389 series)iso.org前往参考资料 ↓在新标签页中打开}

绝对听阈（absolute threshold of hearing），又称听阈或强度阈，指在规定的声场条件和规定的判听方式下，听者能察觉到的最低声压级；在自由场中，它通常以双耳听阈、纯音、声源位于听者正前方（0°方位）为基准条件来测定。^{1212ISO 226:2003 Acoustics — Normal equal-loudness-level contoursiso.org前往参考资料 ↓在新标签页中打开|2727Fastl, H., & Zwicker, E. (2007). Psychoacoustics: Facts and Models (3rd ed.) — Springer 书目页link.springer.com前往参考资料 ↓在新标签页中打开}

ISO 226 是规定标准等响曲线与标准听阈的国际标准，其现行版本为 ISO 226:2003，取代了 1987 年版；该标准给出的听阈曲线是自由场、双耳听音、声源正对听者条件下的纯音听阈。^{1212ISO 226:2003 Acoustics — Normal equal-loudness-level contoursiso.org前往参考资料 ↓在新标签页中打开}

正常听力者的听阈随频率变化显著：在 2 kHz 至 5 kHz 附近最灵敏，听阈约在 0 dB 声压级上下；在低频端（约 20 Hz 附近）听阈可升至 70 dB 以上，在 20 kHz 附近也明显升高，因此听阈曲线呈两端上翘、中频下凹的形状。^{1212ISO 226:2003 Acoustics — Normal equal-loudness-level contoursiso.org前往参考资料 ↓在新标签页中打开|2727Fastl, H., & Zwicker, E. (2007). Psychoacoustics: Facts and Models (3rd ed.) — Springer 书目页link.springer.com前往参考资料 ↓在新标签页中打开}

听阈的测定依赖规定的判听程序：临床听力计校准与纯音测听通常采用上升法（先给低于阈值的声级，逐步升高直至听者作出反应），并规定每次升降的步长与重复次数，以控制测定的重复性与个体差异。^{4141ISO 8253-1:2010 Acoustics — Audiometric test methods — Part 1: Pure-tone air and bone conduction audiometryiso.org前往参考资料 ↓在新标签页中打开}

听阈并非固定不变的物理常数，而是一个统计量：同一受试者在重复测定中，阈值会有数分贝的波动；因此标准听阈通常定义为在一组听力正常受试者中达到规定判听概率（如 50%）的声压级。^{1212ISO 226:2003 Acoustics — Normal equal-loudness-level contoursiso.org前往参考资料 ↓在新标签页中打开|4141ISO 8253-1:2010 Acoustics — Audiometric test methods — Part 1: Pure-tone air and bone conduction audiometryiso.org前往参考资料 ↓在新标签页中打开}

听阈受声场条件影响：自由场、扩散场与耳机耦合腔中的听阈并不相同，因此等响与听阈标准必须明确声场类型；用耳机测得的听阈需经校准换算才能与自由场数据比较。^{1212ISO 226:2003 Acoustics — Normal equal-loudness-level contoursiso.org前往参考资料 ↓在新标签页中打开|4141ISO 8253-1:2010 Acoustics — Audiometric test methods — Part 1: Pure-tone air and bone conduction audiometryiso.org前往参考资料 ↓在新标签页中打开}

差别阈限（difference threshold，又称最小可觉差 JND）指听者能可靠察觉的刺激变化的最小量；在心理声学中，它通常以相对量（ΔI/I 或 Δf/f）表示，并随刺激强度、频率和刺激类型而变化。^{2727Fastl, H., & Zwicker, E. (2007). Psychoacoustics: Facts and Models (3rd ed.) — Springer 书目页link.springer.com前往参考资料 ↓在新标签页中打开}

对纯音强度的差别阈限在中等的可听范围内大致遵循韦伯定律，即 ΔI/I 近似为常数，其典型量级在 1 dB 上下（约 0.5–1 dB，随频率与强度而变）；在接近听阈的低强度区，韦伯分数明显变大，韦伯定律不再成立。^{2727Fastl, H., & Zwicker, E. (2007). Psychoacoustics: Facts and Models (3rd ed.) — Springer 书目页link.springer.com前往参考资料 ↓在新标签页中打开}

对纯音频率的差别阈限在中等频率（约 1–2 kHz）附近最小，典型值约为 1–3 Hz（相对量约 0.1%–0.3%）；频率越低，相对差别阈限越大，在低频端可达百分之几。^{2727Fastl, H., & Zwicker, E. (2007). Psychoacoustics: Facts and Models (3rd ed.) — Springer 书目页link.springer.com前往参考资料 ↓在新标签页中打开}

听阈与差别阈限的测量结果依赖心理物理方法：极限法、恒定刺激法与自适应阶梯法（如 up-down 变换法）给出的阈值定义与精度不同，报告阈值时必须说明所用方法与判听标准（如 50% 或 70.7% 正确率）。^{4141ISO 8253-1:2010 Acoustics — Audiometric test methods — Part 1: Pure-tone air and bone conduction audiometryiso.org前往参考资料 ↓在新标签页中打开}

韦伯定律（Weber's law）指出，在很宽的刺激强度范围内，刚能察觉的刺激增量 ΔI 与基线刺激强度 I 之比近似为常数，即 ΔI/I = k，常数 k 称为韦伯分数（Weber fraction）。^{88Weber's law — Encyclopaedia Britannicabritannica.com前往参考资料 ↓在新标签页中打开}

在听觉中，韦伯定律只在中等强度（约 40–80 dB SPL）范围内近似成立；在接近听阈的低强度处，差别阈限相对值明显变大，而在高强度处又趋于变平，因此强度辨别并非在全动态范围内都服从恒定韦伯分数。^{88Weber's law — Encyclopaedia Britannicabritannica.com前往参考资料 ↓在新标签页中打开|2727Fastl, H., & Zwicker, E. (2007). Psychoacoustics: Facts and Models (3rd ed.) — Springer 书目页link.springer.com前往参考资料 ↓在新标签页中打开}

对纯音强度的差别阈限在中等强度下约为 0.5–1 dB（即 ΔI/I 约 10% 量级对应的能量差），这一数值随频率、时长和刺激呈现方式而变化，因此文献中给出的具体数字应视为典型量级而非固定常数。^{2727Fastl, H., & Zwicker, E. (2007). Psychoacoustics: Facts and Models (3rd ed.) — Springer 书目页link.springer.com前往参考资料 ↓在新标签页中打开}

频率的差别阈限（DLF）在 1 kHz 附近的中等声级下约为 1–3 Hz，相对值约 0.1%–0.3%；随频率升高，绝对差别阈限增大而相对差别阈限大致保持在同一量级，在低频端相对辨别则变差。^{2727Fastl, H., & Zwicker, E. (2007). Psychoacoustics: Facts and Models (3rd ed.) — Springer 书目页link.springer.com前往参考资料 ↓在新标签页中打开|4242Auditory Neuroscience: Making Sense of Soundmitpress.mit.edu前往参考资料 ↓在新标签页中打开}

频率差别阈限的测量结果强烈依赖实验范式：在连续背景音上检测短暂频率偏移（frequency modulation detection）与对两个孤立短音做先后比较，得到的阈值可以相差数倍，因此跨研究比较 DLF 数值时必须核对刺激条件。^{4242Auditory Neuroscience: Making Sense of Soundmitpress.mit.edu前往参考资料 ↓在新标签页中打开}

差别阈限的测量本身受方法学影响显著：强迫选择范式、自适应阶梯法与传统极限法得到的阈值系统性地不同，且存在时间误差（time-order error），即先后呈现的两个刺激在主观上并不等价，这使“纯”差别阈限的界定带有操作性成分。^{4242Auditory Neuroscience: Making Sense of Soundmitpress.mit.edu前往参考资料 ↓在新标签页中打开}

韦伯分数在听觉不同维度上差异很大：强度维度的韦伯分数约为 0.1–0.4（视强度与范式），频率维度约为 0.001–0.003，时长维度则更接近 0.1 量级，说明“韦伯定律”并非跨维度的统一常数，而是各维度各自的经验近似。^{88Weber's law — Encyclopaedia Britannicabritannica.com前往参考资料 ↓在新标签页中打开|2727Fastl, H., & Zwicker, E. (2007). Psychoacoustics: Facts and Models (3rd ed.) — Springer 书目页link.springer.com前往参考资料 ↓在新标签页中打开}

方（phon）标度以 1 kHz 纯音的声压级为参照来定义响度级：若某声音听起来与 1 kHz 纯音在声压级 L 分贝时一样响，则该声音的响度级即为 L 方。这一标度由 Stevens 与 Volkmann 在 1940 年代系统提出，并被后续等响曲线研究沿用。^{4444Loudnessen.wikipedia.org前往参考资料 ↓在新标签页中打开|4545Phonen.wikipedia.org前往参考资料 ↓在新标签页中打开}

ISO 226 标准规定了自由场中纯音的标准等响曲线，其 2003 年版基于多国实验室的重新测量对 1987 年版做了显著修正，尤其在低频段。等响曲线正是方标度的图形化基础：曲线上各点对应相同的响度级（方值）。^{1212ISO 226:2003 Acoustics — Normal equal-loudness-level contoursiso.org前往参考资料 ↓在新标签页中打开|3434Equal-loudness contouren.wikipedia.org前往参考资料 ↓在新标签页中打开}

宋（sone）标度是响度的比例标度，定义为 1 kHz 纯音在 40 dB SPL 时的响度为 1 sone；主观上响度翻倍对应 sone 值翻倍。Stevens 通过量值估计法（magnitude estimation）建立了这一幂律关系，指数约为 0.3（声压级每增加 10 dB，响度约翻倍）。^{4444Loudnessen.wikipedia.org前往参考资料 ↓在新标签页中打开|4646Soneen.wikipedia.org前往参考资料 ↓在新标签页中打开}

方与宋之间的换算在 40 phon 以上常用近似关系 N = 2^((L_N − 40)/10)，其中 N 为响度（sone），L_N 为响度级（phon）；该关系在 40 phon 附近最为可靠，在低声级和接近听阈时偏差增大。^{4444Loudnessen.wikipedia.org前往参考资料 ↓在新标签页中打开|4747Psychoacousticsen.wikipedia.org前往参考资料 ↓在新标签页中打开}

Stevens 幂律的指数并非固定不变：对不同类型的声音（纯音、宽带噪声、短时声）测得的指数存在差异，且个体间差异明显，因此 sone 标度在工程应用中通常被视为近似模型而非精确的物理量。^{4646Soneen.wikipedia.org前往参考资料 ↓在新标签页中打开|2727Fastl, H., & Zwicker, E. (2007). Psychoacoustics: Facts and Models (3rd ed.) — Springer 书目页link.springer.com前往参考资料 ↓在新标签页中打开}

等响曲线的测量结果依赖于声场条件（自由场、扩散场或耳机耦合腔）以及刺激呈现方式，不同实验条件下得到的曲线在低频和高频端可有数 dB 的差异，这也是 ISO 226 区分自由场与扩散场等响曲线的原因。^{1212ISO 226:2003 Acoustics — Normal equal-loudness-level contoursiso.org前往参考资料 ↓在新标签页中打开|3434Equal-loudness contouren.wikipedia.org前往参考资料 ↓在新标签页中打开}

在心理声学与声品质工程中，方标度用于描述“听起来多响”的等级，而宋标度用于可加性与比例计算（如总响度、响度级差），二者常配合使用：先由等响曲线确定响度级，再换算为 sone 以进行倍数比较。^{4747Psychoacousticsen.wikipedia.org前往参考资料 ↓在新标签页中打开|4848Sound quality metricsen.wikipedia.org前往参考资料 ↓在新标签页中打开}

Zwicker 与 Fastl 在《Psychoacoustics: Facts and Models》中系统总结了响度感知的模型，指出 sone 标度在稳态声条件下与实验数据吻合较好，但对时变声和复杂声需要引入时间积分与掩蔽修正。^{2727Fastl, H., & Zwicker, E. (2007). Psychoacoustics: Facts and Models (3rd ed.) — Springer 书目页link.springer.com前往参考资料 ↓在新标签页中打开}

等响曲线（equal-loudness contour）描述的是在自由场中、以纯音为刺激、面对听者正面入射的条件下，使听者判断为与参考纯音（通常为 1 kHz）响度相同的各频率声压级所连成的曲线；换言之，它把不同频率的物理声压级换算成同一主观响度感受。^{1212ISO 226:2003 Acoustics — Normal equal-loudness-level contoursiso.org前往参考资料 ↓在新标签页中打开|3434Equal-loudness contouren.wikipedia.org前往参考资料 ↓在新标签页中打开}

现代等响曲线的基础是 Fletcher 与 Munson 在 1933 年发表的实验：他们让听者调节不同频率纯音的声压级，使其听起来与 1 kHz 参考音等响，首次系统给出了响度随频率变化的等响关系。^{4949Loudness, its definition, measurement and calculationdoi.org前往参考资料 ↓在新标签页中打开}

Fletcher–Munson 曲线在低频与高声级区域存在方法学与数据上的不足，Robinson 与 Dadson 于 1956 年用更严格的实验程序（包括更完善的换能器校准与更多受试者）重新测量，得到的等响曲线成为后来标准化工作的重要数据基础。^{5050A re-determination of the equal-loudness relations for pure tonesdoi.org前往参考资料 ↓在新标签页中打开}

国际标准 ISO 226 规定了标准等响曲线；其 2003 年版（ISO 226:2003）依据 Robinson–Dadson 之后的多项实验数据（包括日本、德国、美国等实验室的联合研究）对曲线做了修订，给出了 20 Hz–12.5 kHz 范围内、以 1 kHz 为参考的等响曲线族。^{1212ISO 226:2003 Acoustics — Normal equal-loudness-level contoursiso.org前往参考资料 ↓在新标签页中打开|5151Revised standard equal-loudness-level contoursdoi.org前往参考资料 ↓在新标签页中打开}

等响曲线最直观的含义是：人耳对中频（约 2–5 kHz）最敏感，在相同声压级下这一频段的响度感觉最大；而在低频（约 20–100 Hz）与极高频，要达到与 1 kHz 相同的响度需要显著更高的声压级。^{1212ISO 226:2003 Acoustics — Normal equal-loudness-level contoursiso.org前往参考资料 ↓在新标签页中打开|3434Equal-loudness contouren.wikipedia.org前往参考资料 ↓在新标签页中打开}

等响曲线族随声级整体抬升而趋于平坦：在低声级（如 20–40 phon）时曲线弯曲最明显，低频需要比中频高出数十 dB 才能等响；在高声级（如 80–100 phon）时各频率所需声压级差别缩小，曲线相对平缓。^{1212ISO 226:2003 Acoustics — Normal equal-loudness-level contoursiso.org前往参考资料 ↓在新标签页中打开|5151Revised standard equal-loudness-level contoursdoi.org前往参考资料 ↓在新标签页中打开}

等响曲线的纵轴通常以声压级（dB SPL）表示，曲线参数为响度级（phon）；按定义，频率为 1 kHz 的纯音其响度级（phon 值）在数值上等于其声压级（dB SPL），其他频率的 phon 值则由与该 1 kHz 参考音等响时的声压级确定。^{1212ISO 226:2003 Acoustics — Normal equal-loudness-level contoursiso.org前往参考资料 ↓在新标签页中打开|3434Equal-loudness contouren.wikipedia.org前往参考资料 ↓在新标签页中打开}

等响曲线只适用于纯音与自由场正面入射的听音条件；对于复合声、宽带噪声或扩散场，需使用不同的等响或响度计算模型（如 Stevens 的幂律与 Zwicker 的响度模型），不能直接把纯音等响曲线套用。^{3434Equal-loudness contouren.wikipedia.org前往参考资料 ↓在新标签页中打开|2727Fastl, H., & Zwicker, E. (2007). Psychoacoustics: Facts and Models (3rd ed.) — Springer 书目页link.springer.com前往参考资料 ↓在新标签页中打开}

等响曲线在工程上的直接用途之一是指导响度补偿：例如音频重放中的“等响度”开关（loudness contour）在低声级播放时提升低频与高频，以补偿人耳在低声级下对两端频段敏感度下降的现象。^{3434Equal-loudness contouren.wikipedia.org前往参考资料 ↓在新标签页中打开|5252Loudness compensationen.wikipedia.org前往参考资料 ↓在新标签页中打开}

ISO 226:2003 的等响曲线与 Fletcher–Munson 原始曲线在低频段存在可见差异，前者在 20–100 Hz 区间所需的声压级普遍低于早期曲线；这一差异主要来自测量方法、换能器校准与受试者群体的改进，而非听者群体的生理变化。^{1212ISO 226:2003 Acoustics — Normal equal-loudness-level contoursiso.org前往参考资料 ↓在新标签页中打开|5050A re-determination of the equal-loudness relations for pure tonesdoi.org前往参考资料 ↓在新标签页中打开|5151Revised standard equal-loudness-level contoursdoi.org前往参考资料 ↓在新标签页中打开}

等响曲线的测量通常采用心理物理学的调节法（method of adjustment）：受试者自行调节比较音的声压级直至与参考音等响，多次重复取平均；也可采用恒定刺激法配合强迫选择程序，以减少反应偏差。^{4949Loudness, its definition, measurement and calculationdoi.org前往参考资料 ↓在新标签页中打开|5050A re-determination of the equal-loudness relations for pure tonesdoi.org前往参考资料 ↓在新标签页中打开}

等响曲线反映的是群体平均的听感，个体间差异可达数 dB 至十余 dB，尤其在高频与低频端；因此标准曲线用于产品设计时通常作为统计意义上的参考，而非对每个个体的精确预测。^{1212ISO 226:2003 Acoustics — Normal equal-loudness-level contoursiso.org前往参考资料 ↓在新标签页中打开|5151Revised standard equal-loudness-level contoursdoi.org前往参考资料 ↓在新标签页中打开}

mel 标度（mel scale）是一种以主观音高感知为等距单位来刻画频率的标度，其名称来自 melody 一词，由 Stevens、Volkmann 与 Newman 在 1937 年发表于《Journal of the Acoustical Society of America》的论文中提出。^{5353A Scale for the Measurement of the Psychological Magnitude Pitchdoi.org前往参考资料 ↓在新标签页中打开}

mel 标度的定义性约定是：1000 Hz 纯音的音高被定为 1000 mel，且主观上听起来是 1000 mel 两倍的音，其 mel 值即为 2000 mel；因此 mel 值随频率单调递增，但在高频段增长显著慢于频率本身。^{5353A Scale for the Measurement of the Psychological Magnitude Pitchdoi.org前往参考资料 ↓在新标签页中打开|5454The Relation of Pitch to Frequency: A Revised Scaledoi.org前往参考资料 ↓在新标签页中打开}

Stevens 与 Volkmann 在 1940 年发表于《American Journal of Psychology》的论文中给出了 mel 标度的经典经验曲线，该曲线在 1000 Hz 以下近似线性，在 1000 Hz 以上近似对数增长。^{5454The Relation of Pitch to Frequency: A Revised Scaledoi.org前往参考资料 ↓在新标签页中打开}

在工程与心理声学计算中，常用一个闭式近似把频率 f（Hz）换算为 mel：mel = 2595 × log10(1 + f/700)，该式在 1000 Hz 处给出约 1000 mel，与经典曲线在常用频段内吻合较好。^{5555Psychoacoustics: Facts and Models (3rd ed.)doi.org前往参考资料 ↓在新标签页中打开}

另一种常见的 mel 近似式是 mel = 1127 × ln(1 + f/700)，它与以 10 为底的 2595·log10 形式在数学上等价（1127 ≈ 2595/ln10），两者给出相同的数值结果。^{5555Psychoacoustics: Facts and Models (3rd ed.)doi.org前往参考资料 ↓在新标签页中打开}

mel 标度被广泛用于语音识别与音频处理中的滤波器组设计：mel 滤波器组在低频布置较窄、在高频布置较宽的三角滤波器，以模拟人耳对频率的非线性分辨能力，梅尔频率倒谱系数（MFCC）即建立在这一结构之上。^{5656Comparison of parametric representations for monosyllabic word recognition in continuously spoken sentencesdoi.org前往参考资料 ↓在新标签页中打开}

mel 标度的经典实验基础是 Stevens 等人采用的分半（fractionation）与倍半（bisection）等主观比例判断方法，这类方法要求听者判断一个音高是否为另一音高的“一半”或“两倍”，其结果依赖于实验范式与听者训练。^{5353A Scale for the Measurement of the Psychological Magnitude Pitchdoi.org前往参考资料 ↓在新标签页中打开|5454The Relation of Pitch to Frequency: A Revised Scaledoi.org前往参考资料 ↓在新标签页中打开}

对 mel 标度的普适性存在长期的方法学批评：不同研究者用不同心理物理方法（如音高倍半、音高匹配、音阶构建）得到的音高—频率关系并不一致，Stevens 本人的曲线也随实验条件有所变动，说明并不存在唯一“正确”的 mel 函数。^{5454The Relation of Pitch to Frequency: A Revised Scaledoi.org前往参考资料 ↓在新标签页中打开}

在音高感知研究中，mel 标度常与 Bark 标度并列使用：Bark 标度以临界频带为单位刻画频率选择性，而 mel 标度刻画的是主观音高间距，两者物理含义不同，不应混用。^{5555Psychoacoustics: Facts and Models (3rd ed.)doi.org前往参考资料 ↓在新标签页中打开|5757A revised estimate of the critical bandwidthdoi.org前往参考资料 ↓在新标签页中打开}

现代听觉滤波器与音高模型（如 ERB 标度）表明，耳蜗频率分析的带宽随频率增长，mel 标度虽在工程上常用，但并不能直接等同于耳蜗的生理频率映射，其解释应限于心理物理层面。^{5757A revised estimate of the critical bandwidthdoi.org前往参考资料 ↓在新标签页中打开}

频率差别阈（frequency difference limen, DLF）指听者能可靠察觉的最小频率变化量。在纯音条件下，DLF 随频率升高而增大，但在中频段（约 500–2000 Hz）相对平缓，典型值约为基频的 0.2%–0.3%；在低频端（约 100–500 Hz）DLF 可低至 1–3 Hz 的绝对量级。^{4343Intensity discrimination and the Weber fraction: peripheral versus central accountspubs.aip.org前往参考资料 ↓在新标签页中打开|2727Fastl, H., & Zwicker, E. (2007). Psychoacoustics: Facts and Models (3rd ed.) — Springer 书目页link.springer.com前往参考资料 ↓在新标签页中打开}

频率差别阈的测量结果强烈依赖刺激条件：短时程音、快速扫频、无稳定基频参照或存在背景噪声时，测得的 DLF 会显著变大；因此文献中报道的 DLF 数值必须连同刺激时程、呈现方式与判定准则一起理解，跨研究直接比较数值需谨慎。^{4343Intensity discrimination and the Weber fraction: peripheral versus central accountspubs.aip.org前往参考资料 ↓在新标签页中打开|5858Frequency discrimination as a function of frequency and sensation levelpubs.aip.org前往参考资料 ↓在新标签页中打开}

在低频（大致低于 4–5 kHz），音高主要由听神经发放的时间模式编码，即神经放电与刺激波形周期锁相，这一机制常被称为时间编码或锁相编码；锁相的上限随物种与神经元类型不同，人类听神经的锁相在约 4–5 kHz 以上明显减弱。^{5959Phase-locking in the auditory nerve and its role in pitch perceptionsciencedirect.com前往参考资料 ↓在新标签页中打开|4343Intensity discrimination and the Weber fraction: peripheral versus central accountspubs.aip.org前往参考资料 ↓在新标签页中打开}

在高频，锁相编码不再可用，音高信息转而依赖频率—位置编码，即基底膜上最大兴奋位置随频率变化形成的拓扑映射；耳蜗基底膜从蜗底到蜗顶对应由高频到低频的排列，这一位置编码是高频音高辨别的基础。^{5959Phase-locking in the auditory nerve and its role in pitch perceptionsciencedirect.com前往参考资料 ↓在新标签页中打开|6060Place coding of frequency in the cochleajournals.physiology.org前往参考资料 ↓在新标签页中打开}

对缺失基频（missing fundamental）等现象的研究表明，即使刺激中不含基频成分，听者仍能感知到与基频对应的音高，说明音高感知并非简单读取单个频率成分的耳蜗位置，而涉及对谐波结构的中央整合；时间编码与位置编码两种机制在不同频率区间各有主导，并存在重叠与协同。^{4343Intensity discrimination and the Weber fraction: peripheral versus central accountspubs.aip.org前往参考资料 ↓在新标签页中打开|4343Intensity discrimination and the Weber fraction: peripheral versus central accountspubs.aip.org前往参考资料 ↓在新标签页中打开}

频率辨别与音高辨别并不等同：频率辨别任务要求听者比较两个纯音的频率高低，而音高感知还涉及对复杂声谐波结构、基频提取与音程关系的整合；因此纯音 DLF 数据不能直接外推到音乐音高或语音声调等复杂刺激的辨别能力。^{2727Fastl, H., & Zwicker, E. (2007). Psychoacoustics: Facts and Models (3rd ed.) — Springer 书目页link.springer.com前往参考资料 ↓在新标签页中打开|4343Intensity discrimination and the Weber fraction: peripheral versus central accountspubs.aip.org前往参考资料 ↓在新标签页中打开}

在心理声学模型与音频编码中，频率辨别数据被用于设定频率分辨率与比特分配的下界：编码器依据临界频带划分与掩蔽阈值决定量化精度，而人耳可察觉的最小频率变化为判断量化误差是否可闻提供了参照。^{6161Introduction to Psychoacoustics and Its Applications in Audio Codingaes.org前往参考资料 ↓在新标签页中打开}

掩蔽效应指一个声音（掩蔽声）使另一个声音（被掩蔽声）的听阈升高、变得难以听见或听不见的现象；按掩蔽声与被掩蔽声在时间上的相对位置，通常分为同时掩蔽（频域掩蔽）与时间掩蔽（时域掩蔽）两大类。^{6262JP2008203828A - Active noise control system - Google Patentspatents.google.com前往参考资料 ↓在新标签页中打开}

同时掩蔽指掩蔽声与被掩蔽声在时间上同时存在时发生的掩蔽，是掩蔽效应中最基本、研究最充分的形式；其掩蔽量取决于两者的频率间隔、掩蔽声的声级以及被掩蔽声的频率相对掩蔽声的位置。^{6262JP2008203828A - Active noise control system - Google Patentspatents.google.com前往参考资料 ↓在新标签页中打开}

时间掩蔽指掩蔽声与被掩蔽声在时间上不重叠、但相隔很近时仍发生的掩蔽，可进一步分为前掩蔽（pre-masking）与后掩蔽（post-masking）两种。^{6262JP2008203828A - Active noise control system - Google Patentspatents.google.com前往参考资料 ↓在新标签页中打开}

前掩蔽指在掩蔽声声级急剧上升之前的一小段时间内，掩蔽效应已经出现，即被掩蔽声先于掩蔽声到达却仍受到掩蔽。^{6262JP2008203828A - Active noise control system - Google Patentspatents.google.com前往参考资料 ↓在新标签页中打开}

后掩蔽指掩蔽声声级急剧下降之后的一段时间内，被掩蔽声的听阈不会立即回落到最小可听阈，而是需要经过一段时间才恢复。^{6262JP2008203828A - Active noise control system - Google Patentspatents.google.com前往参考资料 ↓在新标签页中打开}

前掩蔽与后掩蔽在时间尺度上并不对称：后掩蔽的持续时间通常明显长于前掩蔽，这一不对称性常被归因于听觉系统的后向抑制与时间整合等机制。^{6262JP2008203828A - Active noise control system - Google Patentspatents.google.com前往参考资料 ↓在新标签页中打开}

同时掩蔽与时间掩蔽共同构成心理声学掩蔽效应的两个基本维度，二者在听觉滤波器建模与音频编码的掩蔽阈值计算中被分别处理。^{6262JP2008203828A - Active noise control system - Google Patentspatents.google.com前往参考资料 ↓在新标签页中打开}

频域掩蔽指一个频率成分（掩蔽声）使邻近频率成分（被掩蔽声）的听阈升高的现象；其量化通常以被掩蔽声刚好可闻时的掩蔽阈（masked threshold）表示，掩蔽阈随掩蔽声频率的偏移量呈非对称分布：掩蔽声对更高频率成分的掩蔽作用明显强于对更低频率成分的掩蔽作用，这一非对称性是频域掩蔽量化模型（如扩展函数、掩蔽曲线）的基本形状特征。^{6363US8199923B2 - Active noise control system - Google Patentspatents.google.com前往参考资料 ↓在新标签页中打开}

在量化上，频域掩蔽的强度取决于掩蔽声的声压级、频率间隔与掩蔽声的带宽：掩蔽声级越高，掩蔽阈抬升越大；掩蔽声与被掩蔽声的频率间隔越大，掩蔽量越小；而掩蔽声的带宽会改变掩蔽曲线的形状与覆盖范围，宽带掩蔽声的掩蔽效应不能简单由单一频率成分的掩蔽量线性叠加得到。^{6363US8199923B2 - Active noise control system - Google Patentspatents.google.com前往参考资料 ↓在新标签页中打开}

时域掩蔽指掩蔽声在时间上与被掩蔽声不重合时仍产生的听阈抬升，分为前掩蔽（掩蔽声先于被掩蔽声）与后掩蔽（掩蔽声后于被掩蔽声）；量化上以掩蔽阈随掩蔽声与被掩蔽声之间时间间隔（Δt）的变化曲线描述，通常后掩蔽的持续时间与掩蔽量都大于前掩蔽。^{6363US8199923B2 - Active noise control system - Google Patentspatents.google.com前往参考资料 ↓在新标签页中打开}

后掩蔽的持续时间与掩蔽声的带宽直接相关：掩蔽声带宽越宽，后掩蔽持续越久；并且掩蔽声中与各个临界频带（频率组）相对应的成分会分别对后掩蔽作出贡献，因此后掩蔽的量化需要按频率组分别计算再合成，而不能只用一个全局时间常数描述。^{6363US8199923B2 - Active noise control system - Google Patentspatents.google.com前往参考资料 ↓在新标签页中打开}

在工程实现中，频域掩蔽与时域掩蔽的量化结果被合并为随时间和频率变化的掩蔽阈曲线：先按频率组计算各组的掩蔽贡献，再沿时间轴做前、后掩蔽的扩展，得到被掩蔽声在各时刻、各频率上的可闻阈值，用于判断信号是否可闻。^{6363US8199923B2 - Active noise control system - Google Patentspatents.google.com前往参考资料 ↓在新标签页中打开}

临界带宽（critical bandwidth，CB）是心理声学中描述听觉频率选择性的核心量：它指听觉系统在频率轴上把相邻成分分开处理的一段带宽，带宽内的成分相互掩蔽、带宽外的成分则较少相互掩蔽。这一概念通常与「听觉滤波器」（auditory filter）一起使用，把耳蜗的频率分析类比为一组中心频率相邻、通带宽度约等于临界带宽的带通滤波器。^{6464Parallels between frequency selectivity measured psychophysically and in cochlear mechanicspubmed.ncbi.nlm.nih.gov前往参考资料 ↓在新标签页中打开}

测量临界带宽最经典的行为学方法是掩蔽实验：以中心频率 f 的窄带噪声或纯音为掩蔽声，测量被掩蔽声（探测声）的阈值随掩蔽声带宽变化的曲线。当掩蔽噪声的带宽小于临界带宽时，探测声阈值随带宽增加而明显上升；带宽超过临界带宽后，阈值基本不再随带宽增加而上升，曲线出现「平台」。这一拐点所对应的带宽即被取为该中心频率处的临界带宽估计值。^{6464Parallels between frequency selectivity measured psychophysically and in cochlear mechanicspubmed.ncbi.nlm.nih.gov前往参考资料 ↓在新标签页中打开}

Fletcher 于 1940 年提出的「临界频带」概念与「功率谱密度模型」是上述测量的理论起点：他假设掩蔽噪声只有落在某个临界带宽内的部分才对探测声起掩蔽作用，并据此从掩蔽阈值反推带宽。此后这一思路被发展为更精细的听觉滤波器形状估计方法。^{6464Parallels between frequency selectivity measured psychophysically and in cochlear mechanicspubmed.ncbi.nlm.nih.gov前往参考资料 ↓在新标签页中打开}

除掩蔽法外，临界带宽还可通过其他行为学范式间接测量，包括：用带限噪声与纯音的响度比较（带宽超过临界带宽后响度随带宽增长变缓）、相位差阈与频率辨别阈随带宽的变化、以及「梳状滤波」或「陷波噪声」范式。不同范式给出的临界带宽估计值在数量级上一致，但具体数值存在方法学差异。^{6464Parallels between frequency selectivity measured psychophysically and in cochlear mechanicspubmed.ncbi.nlm.nih.gov前往参考资料 ↓在新标签页中打开}

Moore 等人在 1980 年代发展出「陷波噪声」（notched-noise）方法，通过在探测声频率附近挖去一段窄带噪声来估计听觉滤波器的形状（等效矩形带宽 ERB），并据此给出比早期临界带宽更平滑、更系统的带宽随中心频率变化曲线。该方法后来成为听觉滤波器形状测量的主流范式之一。^{6464Parallels between frequency selectivity measured psychophysically and in cochlear mechanicspubmed.ncbi.nlm.nih.gov前往参考资料 ↓在新标签页中打开}

心理物理测得的频率选择性与耳蜗基底膜机械调谐之间存在对应关系：Moore 在综述中指出，行为学掩蔽实验估计出的听觉滤波器特性，与基底膜振动模式所反映的机械频率分析在定性上平行，这为「临界带宽有耳蜗机械基础」提供了证据。^{6464Parallels between frequency selectivity measured psychophysically and in cochlear mechanicspubmed.ncbi.nlm.nih.gov前往参考资料 ↓在新标签页中打开}

临界带宽的测量结果通常以「临界带宽随中心频率变化」的形式报告：在低频段临界带宽较窄（约几十赫兹量级），随中心频率升高而近似按比例增宽，因此常用「临界带宽/中心频率」的比值（临界带率，critical band rate，单位为 Bark）来刻画。这一频率依赖关系是听觉滤波器组建模的基本输入。^{6464Parallels between frequency selectivity measured psychophysically and in cochlear mechanicspubmed.ncbi.nlm.nih.gov前往参考资料 ↓在新标签页中打开}

临界带宽的测量值依赖于所采用的探测声类型、掩蔽声类型、探测声时长与上升下降时间、以及被试的注意与训练状态等实验条件，因此不同研究给出的绝对数值并不完全一致；文献中通常强调其数量级与频率依赖趋势的一致性，而非单一「标准值」。^{6464Parallels between frequency selectivity measured psychophysically and in cochlear mechanicspubmed.ncbi.nlm.nih.gov前往参考资料 ↓在新标签页中打开}

Bark 标度（Bark scale）是一种以临界频带宽度为单位划分听觉频率的标度，1 Bark 约等于一个临界频带的宽度；该标度由德国学者 Eberhard Zwicker 在 20 世纪 60 年代提出，用于把线性频率轴映射到与听觉滤波特性更贴近的「听觉频率」轴上。^{1515Bark scale — 定义与临界频带划分en.wikipedia.org前往参考资料 ↓在新标签页中打开|6565Critical banden.wikipedia.org前往参考资料 ↓在新标签页中打开}

Bark 标度在低频段近似线性：在 500 Hz 以下，1 Bark 大致对应 100 Hz 的带宽；随着频率升高，临界频带迅速变宽，在 1 kHz 附近约为 160 Hz，在 5 kHz 附近可达约 1 kHz 量级。^{1515Bark scale — 定义与临界频带划分en.wikipedia.org前往参考资料 ↓在新标签页中打开|2727Fastl, H., & Zwicker, E. (2007). Psychoacoustics: Facts and Models (3rd ed.) — Springer 书目页link.springer.com前往参考资料 ↓在新标签页中打开}

Zwicker 提出的经典近似式把频率 f（Hz）换算为 Bark 值 z：z = 13·arctan(0.00076f) + 3.5·arctan[(f/7500)²]，该式在 0–16 kHz 范围内给出与实验数据较为吻合的 Bark 标度。^{1515Bark scale — 定义与临界频带划分en.wikipedia.org前往参考资料 ↓在新标签页中打开|6565Critical banden.wikipedia.org前往参考资料 ↓在新标签页中打开}

Traunmüller（1990）给出了另一条 Bark 换算公式，形式更简洁，并在低频与高频两端对 Zwicker 原式做了修正；不同公式在中间频段结果接近，但在极低频和 10 kHz 以上会出现可见差异，因此文献中常需注明所用的是哪一版本。^{6666A note on the Bark scale and its relation to the ERB scalepubs.aip.org前往参考资料 ↓在新标签页中打开|1515Bark scale — 定义与临界频带划分en.wikipedia.org前往参考资料 ↓在新标签页中打开}

听觉滤波器模型的核心思想是：耳蜗基底膜可近似为一组相互重叠的带通滤波器组，每个滤波器对应一个临界频带，中心频率沿基底膜按位置排列；这一「滤波器组」图景是 Bark 标度与掩蔽、响度等心理声学量建立联系的桥梁。^{6565Critical banden.wikipedia.org前往参考资料 ↓在新标签页中打开|1717Glasberg, B. R., & Moore, B. C. J. (1990). Derivation of auditory filter shapes from notched-noise data. Hearing Research, 47(1–2), 103–138.sciencedirect.com前往参考资料 ↓在新标签页中打开}

在听觉滤波器模型中，等效矩形带宽（ERB）是描述单个滤波器频率选择性的常用量；Glasberg 与 Moore（1990）由心理物理实验拟合出 ERB 随中心频率变化的经验公式 ERB = 24.7·(4.37·f/1000 + 1)，其中 f 以 Hz 计、ERB 以 Hz 计。^{6767Derivation of the auditory filter shape and the ERB scalesciencedirect.com前往参考资料 ↓在新标签页中打开|1717Glasberg, B. R., & Moore, B. C. J. (1990). Derivation of auditory filter shapes from notched-noise data. Hearing Research, 47(1–2), 103–138.sciencedirect.com前往参考资料 ↓在新标签页中打开}

ERB 标度（ERB-rate scale）与 Bark 标度是两种并行的「听觉频率」标度：前者以 ERB 数为单位，后者以 Bark 数为单位；二者在数值上并不相等，但在中低频段给出的滤波器带宽随频率增长的趋势一致，工程上常按应用需要选用其一。^{6767Derivation of the auditory filter shape and the ERB scalesciencedirect.com前往参考资料 ↓在新标签页中打开|6565Critical banden.wikipedia.org前往参考资料 ↓在新标签页中打开}

Moore 与 Glasberg 提出的「双相」滤波器模型（roex，rounded exponential）用两个指数函数拼接来拟合听觉滤波器的幅度响应，比早期单参数模型更能同时描述通带与阻带的形状；该模型与 ERB 标度配套使用，是听觉滤波器建模中被广泛引用的一支。^{1717Glasberg, B. R., & Moore, B. C. J. (1990). Derivation of auditory filter shapes from notched-noise data. Hearing Research, 47(1–2), 103–138.sciencedirect.com前往参考资料 ↓在新标签页中打开|6767Derivation of the auditory filter shape and the ERB scalesciencedirect.com前往参考资料 ↓在新标签页中打开}

Patterson 等人提出的「gammatone」滤波器组是另一类常用的听觉滤波器模型：其冲激响应为伽马分布调制的音调信号，参数少、计算方便，被广泛用于语音处理与听觉前端建模；gammatone 滤波器组的带宽通常按 ERB 标度设定。^{6868Auditory filter bank and gammatoneen.wikipedia.org前往参考资料 ↓在新标签页中打开|1717Glasberg, B. R., & Moore, B. C. J. (1990). Derivation of auditory filter shapes from notched-noise data. Hearing Research, 47(1–2), 103–138.sciencedirect.com前往参考资料 ↓在新标签页中打开}

Bark 标度与 ERB 标度都建立在「临界频带」这一实验概念之上，但二者的实验来源不同：Bark 标度主要源自 Zwicker 的响度与掩蔽实验，ERB 标度源自 Glasberg 与 Moore 的陷波噪声掩蔽实验；因此两者在数值上不能直接互换，混用时需明确换算关系。^{6565Critical banden.wikipedia.org前往参考资料 ↓在新标签页中打开|6767Derivation of the auditory filter shape and the ERB scalesciencedirect.com前往参考资料 ↓在新标签页中打开}

在音频编码与语音识别等工程实践中，Bark 标度常被用于设计符合听觉特性的滤波器组与特征（如 Bark 频率倒谱系数），而 ERB 标度更多出现在听觉模型与语音增强的滤波器组设计中；两者都属于「听觉频率」标度的工程化实现。^{6868Auditory filter bank and gammatoneen.wikipedia.org前往参考资料 ↓在新标签页中打开|6565Critical banden.wikipedia.org前往参考资料 ↓在新标签页中打开}

心理声学参数（psychoacoustic parameters）是把主观听觉感受映射为可计算量的中间变量，在声品质（sound quality）工程中通常以响度、尖锐度、粗糙度、波动度四个基本量作为描述「音色类」主观印象的主干，再辅以调性、音调突出度等指标。^{6969Sound Quality Metrics: Loudness, Sharpness, Roughness, Fluctuation Strengthhead-acoustics.com前往参考资料 ↓在新标签页中打开|2727Fastl, H., & Zwicker, E. (2007). Psychoacoustics: Facts and Models (3rd ed.) — Springer 书目页link.springer.com前往参考资料 ↓在新标签页中打开}

响度（loudness）描述声音「有多响」的主观强度，其单位为宋（sone）：定义 1 kHz 纯音在 40 dB SPL 时的响度为 1 sone，主观感觉上响度翻倍对应宋值翻倍。宋与方（phon）共同构成响度的双标度体系，方用于描述与等响纯音对应的声压级。^{1212ISO 226:2003 Acoustics — Normal equal-loudness-level contoursiso.org前往参考资料 ↓在新标签页中打开|7070Loudness and Sone scalebritannica.com前往参考资料 ↓在新标签页中打开}

稳态响度的计算以 Zwicker 响度模型为代表：先按临界频带把声音分解为激励模式，再经非线性变换得到特定响度（specific loudness），最后沿特征频带积分得到总响度；ISO 532 系列标准分别收录了 Zwicker 法与 Stevens 法（Mark VI）等响度计算方法。^{1919ISO 532-1:2017 Acoustics — Methods for calculating loudness — Part 1: Zwicker methodiso.org前往参考资料 ↓在新标签页中打开|7171ISO 532-2:2017 Acoustics — Methods for calculating loudness — Part 2: Moore-Glasberg methodiso.org前往参考资料 ↓在新标签页中打开}

时变响度需要引入时间积分：Zwicker 响度模型对短时声音的响度会低估，因此发展出考虑时间掩蔽与后向积分的时变响度模型，例如 Chalupper 与 Fastl 提出的模型，用于评价非稳态噪声的响度。^{7272A model for the prediction of the loudness of time-varying soundsingentaconnect.com前往参考资料 ↓在新标签页中打开}

尖锐度（sharpness）描述声音中高频成分带来的「刺耳、尖利」感，单位为 acum：定义中心频率 1 kHz、带宽为临界频带、声压级 60 dB 的窄带噪声的尖锐度为 1 acum。尖锐度随高频能量占比与总响度的增加而上升，常用计算式以临界频带特定响度乘以加权函数后对总响度归一。^{2727Fastl, H., & Zwicker, E. (2007). Psychoacoustics: Facts and Models (3rd ed.) — Springer 书目页link.springer.com前往参考资料 ↓在新标签页中打开|7373Sharpness — calculation and meaning in sound quality engineeringbksv.com前往参考资料 ↓在新标签页中打开}

粗糙度（roughness）描述声音在几十赫兹量级的快速幅度或频率调制下产生的「粗糙、刺耳抖动」感，单位为 asper：定义 1 kHz 纯音在 60 dB、调制频率 70 Hz、调制深度 100% 时的粗糙度为 1 asper。粗糙度的感知在调制频率约 70 Hz 附近达到最大。^{2727Fastl, H., & Zwicker, E. (2007). Psychoacoustics: Facts and Models (3rd ed.) — Springer 书目页link.springer.com前往参考资料 ↓在新标签页中打开|7474Roughness: a review of the psychoacoustic metric and its perception mechanismsasa.scitation.org前往参考资料 ↓在新标签页中打开}

波动度（fluctuation strength）描述慢速调制（约 20 Hz 以下）带来的「起伏、波动」感，单位为 vacil：定义 1 kHz 纯音在 60 dB、调制频率 4 Hz、调制深度 100% 时的波动度为 1 vacil。波动度的感知在调制频率约 4 Hz 附近达到最大，与粗糙度在调制频率维度上形成互补。^{2727Fastl, H., & Zwicker, E. (2007). Psychoacoustics: Facts and Models (3rd ed.) — Springer 书目页link.springer.com前往参考资料 ↓在新标签页中打开|7575Fluctuation strength and roughness: modulation-based perception of time-varying soundsingentaconnect.com前往参考资料 ↓在新标签页中打开}

粗糙度与波动度可视为同一调制感知在调制频率轴上的两个区段：调制频率低于约 20 Hz 时以波动度为主，高于约 20 Hz 后转为粗糙度，二者在约 15–20 Hz 之间存在过渡区，部分模型将两者统一为「调制强度」框架下的不同加权。^{2727Fastl, H., & Zwicker, E. (2007). Psychoacoustics: Facts and Models (3rd ed.) — Springer 书目页link.springer.com前往参考资料 ↓在新标签页中打开|7575Fluctuation strength and roughness: modulation-based perception of time-varying soundsingentaconnect.com前往参考资料 ↓在新标签页中打开}

在工程实践中，这四个参数常被组合成声品质指标或心理声学烦恼度（psychoacoustic annoyance）模型：例如 Zwicker 与 Fastl 提出的烦恼度模型以响度、尖锐度、粗糙度与波动度的加权组合来预测主观烦恼程度，被广泛用于车辆、家电与风机噪声评价。^{2727Fastl, H., & Zwicker, E. (2007). Psychoacoustics: Facts and Models (3rd ed.) — Springer 书目页link.springer.com前往参考资料 ↓在新标签页中打开|7676Psychoacoustic annoyance and sound quality metrics in vehicle noise evaluationsciencedirect.com前往参考资料 ↓在新标签页中打开}

A 计权声压级虽然是最常用的单值噪声指标，但它只近似反映响度，对尖锐度、粗糙度、波动度等音色类属性不敏感，因此声品质研究普遍主张在 A 计权之外补充心理声学参数，以解释相同 A 计权级下主观评价的显著差异。^{6969Sound Quality Metrics: Loudness, Sharpness, Roughness, Fluctuation Strengthhead-acoustics.com前往参考资料 ↓在新标签页中打开|7676Psychoacoustic annoyance and sound quality metrics in vehicle noise evaluationsciencedirect.com前往参考资料 ↓在新标签页中打开}

关于粗糙度与波动度的感知机制，存在「包络提取」与「频谱侧带」两类解释路径：前者强调调制包络经听觉滤波后的时间处理，后者强调调制在频域产生边带并被听觉滤波器分辨；两种解释在不同调制条件下各有支持证据，尚未统一。^{7474Roughness: a review of the psychoacoustic metric and its perception mechanismsasa.scitation.org前往参考资料 ↓在新标签页中打开|7575Fluctuation strength and roughness: modulation-based perception of time-varying soundsingentaconnect.com前往参考资料 ↓在新标签页中打开}

在声品质（sound quality）研究中，满意度（satisfaction）与骚扰度（annoyance）是两类互补的主观评价维度：前者衡量听者对声音的接受与偏好程度，后者衡量声音引起的烦扰、恼怒反应；二者并非同一维度的正反两端，同一产品可能因功能语境不同而同时要求高满意度与低骚扰度。^{2727Fastl, H., & Zwicker, E. (2007). Psychoacoustics: Facts and Models (3rd ed.) — Springer 书目页link.springer.com前往参考资料 ↓在新标签页中打开|7777Sound Quality: A Definition and Metricsae.org前往参考资料 ↓在新标签页中打开}

骚扰度（annoyance）在心理声学与社区噪声研究中通常被操作化为听者对声音“烦人、干扰、令人不快”程度的主观评分，常用 5 级或 11 级语义量表（如 ISO/TS 15666 推荐的 0–10 数字量表）采集，以便在不同研究之间比较。^{7878ISO/TS 15666: Acoustics — Assessment of noise annoyance by means of social and socio-acoustic surveysiso.org前往参考资料 ↓在新标签页中打开}

ISO/TS 15666 规定了对环境噪声骚扰度进行社会调查与实验室评价时使用的标准化问题措辞与 11 级（0–10）评分尺度，是骚扰度测量被广泛引用的方法学依据。^{7878ISO/TS 15666: Acoustics — Assessment of noise annoyance by means of social and socio-acoustic surveysiso.org前往参考资料 ↓在新标签页中打开}

Zwicker 与 Fastl 在《Psychoacoustics: Facts and Models》中系统论述了响度、尖锐度、粗糙度、波动强度等基本心理声学量，并指出这些量可作为噪声“烦扰度”（annoyance）的客观相关量，从而把主观骚扰度与可计算的物理量联系起来。^{2727Fastl, H., & Zwicker, E. (2007). Psychoacoustics: Facts and Models (3rd ed.) — Springer 书目页link.springer.com前往参考资料 ↓在新标签页中打开}

Aures 提出的“感觉愉悦度”（sensory pleasantness）模型把响度、尖锐度、粗糙度与音调强度组合成一个单值指标，用于预测声音的愉悦/满意度倾向；该模型在声品质工程评价中被用作满意度类指标的早期代表。^{7979Aures, W. (1985). Der sensorische Wohlklang als Funktion psychoakustischer Empfindungsgrößen. Acustica, 58, 282–290.ingentaconnect.com前往参考资料 ↓在新标签页中打开}

在汽车、家电等产品声品质评价中，常采用语义差异法（semantic differential）让听者在一组对立形容词（如舒适—不适、柔和—刺耳）上评分，再经因子分析提取“满意度/愉悦度”与“骚扰度/粗糙感”等主成分，说明二者在统计上可分离。^{7777Sound Quality: A Definition and Metricsae.org前往参考资料 ↓在新标签页中打开|8080Otto, N., Amman, S., Eaton, C., & Lake, S. (2001). Guidelines for jury evaluations of automotive sounds. Sound and Vibration, 35(4), 24–47.sandv.com前往参考资料 ↓在新标签页中打开}

骚扰度不仅取决于声压级，还受频谱内容（高频成分、纯音成分）、时间结构（脉冲性、波动）以及非声学因素（对声源的态度、活动受干扰程度、时段）影响；因此仅用 A 计权声级预测骚扰度存在明显局限。^{2727Fastl, H., & Zwicker, E. (2007). Psychoacoustics: Facts and Models (3rd ed.) — Springer 书目页link.springer.com前往参考资料 ↓在新标签页中打开|7878ISO/TS 15666: Acoustics — Assessment of noise annoyance by means of social and socio-acoustic surveysiso.org前往参考资料 ↓在新标签页中打开}

对同一噪声暴露，不同个体报告的骚扰度差异很大，个体差异与情境因素可解释相当比例的评分方差，这使得骚扰度的单次实验室测量对人群的预测能力有限，通常需要大样本社会调查或现场研究来估计暴露—反应关系。^{7878ISO/TS 15666: Acoustics — Assessment of noise annoyance by means of social and socio-acoustic surveysiso.org前往参考资料 ↓在新标签页中打开}

在声品质领域，满意度常通过成对比较或类别判断获得偏好数据，并用 Bradley–Terry 等偏好模型或回归模型把偏好排序映射到心理声学参数上，从而建立“参数—满意度”的预测关系。^{8080Otto, N., Amman, S., Eaton, C., & Lake, S. (2001). Guidelines for jury evaluations of automotive sounds. Sound and Vibration, 35(4), 24–47.sandv.com前往参考资料 ↓在新标签页中打开}

骚扰度与满意度在工程实践中常被合并为“声品质指数”或“烦恼度指标”使用，但把二者简单视为同一标量的两端会丢失信息：低骚扰度并不自动意味着高满意度，反之亦然。^{7777Sound Quality: A Definition and Metricsae.org前往参考资料 ↓在新标签页中打开|7979Aures, W. (1985). Der sensorische Wohlklang als Funktion psychoakustischer Empfindungsgrößen. Acustica, 58, 282–290.ingentaconnect.com前往参考资料 ↓在新标签页中打开}

在车内噪声评价中，A 声级（A 计权声压级）长期作为最基础的单一指标使用，但它对电动汽车车内声环境的评价存在明显局限：电动汽车动力总成噪声在低速时显著降低，风噪、路噪与电机高频啸叫成为主要成分，而 A 计权在低频与高频段的计权方式并不能反映这些成分对主观烦恼度的实际贡献，因此仅凭 A 声级难以区分主观感受差异明显的两种车内声环境。^{8181电动汽车车内声品质评价研究进展-汽车工程2024年08期-知网阅读read.cnki.net前往参考资料 ↓在新标签页中打开}

针对 A 声级的局限，车内声品质研究普遍引入心理声学参量作为客观评价指标，其中被讨论最多的是响度（loudness）、尖锐度（sharpness）、粗糙度（roughness）、抖动度（fluctuation strength）与音调感/调制度（tonality），这些参量分别刻画声音的强度感、高频成分占比、快速与慢速调制感以及可听纯音成分的显著程度。^{8181电动汽车车内声品质评价研究进展-汽车工程2024年08期-知网阅读read.cnki.net前往参考资料 ↓在新标签页中打开}

除传统心理声学参量外，电动汽车车内声品质研究还引入了一批非传统客观参量，用于刻画电机高频噪声、脉冲性成分与声环境整体感，以弥补响度、尖锐度等经典参量对电动汽车特有噪声特征描述不足的问题。^{8181电动汽车车内声品质评价研究进展-汽车工程2024年08期-知网阅读read.cnki.net前往参考资料 ↓在新标签页中打开}

车内声品质评价采用客观测量与主观评价相结合的技术路线：客观侧计算心理声学参量，主观侧通过成对比较法、语义细分法、等级评分法等听音试验获取主观烦恼度或偏好评分，再通过相关分析、回归或机器学习建立客观参量与主观评分之间的映射模型。^{8181电动汽车车内声品质评价研究进展-汽车工程2024年08期-知网阅读read.cnki.net前往参考资料 ↓在新标签页中打开}

电动汽车车内声品质评价已成为该领域近年的研究热点，相关综述性工作系统梳理了其研究进展与特点，说明该方向在传统内燃机汽车声品质研究之外已形成相对独立的问题域。^{8181电动汽车车内声品质评价研究进展-汽车工程2024年08期-知网阅读read.cnki.net前往参考资料 ↓在新标签页中打开}

双耳时间差（interaural time difference, ITD）指同一声源到达两耳的时间差，主要由声源到两耳的路径长度差造成；在低频段，它是水平面声源方位判断的主要线索之一。^{8282动态听觉定位因素及其在空间声重放的作用jac.ac.cn前往参考资料 ↓在新标签页中打开}

双耳强度差（interaural level difference, ILD，也称双耳声级差）指同一声源在两耳处产生的声压级差，主要由头部对声波的遮蔽（头影效应）造成；频率越高，头部遮蔽越显著，ILD 越大，因此它在中高频段是水平方位判断的主要线索。^{8282动态听觉定位因素及其在空间声重放的作用jac.ac.cn前往参考资料 ↓在新标签页中打开}

听觉定位是多因素协同作用的结果，双耳时间差、双耳声级差与个性化谱因素（如耳廓引起的方向相关谱特征）共同参与，单独任何一种线索都不足以完整解释空间听觉。^{8282动态听觉定位因素及其在空间声重放的作用jac.ac.cn前往参考资料 ↓在新标签页中打开}

在空间声重放中，双耳时间差与双耳声级差是重放系统需要还原或模拟的核心定位因素；谢菠荪在综述中把动态听觉定位因素与这些静态双耳因素并列讨论，指出它们在空间声重放中各有作用。^{8282动态听觉定位因素及其在空间声重放的作用jac.ac.cn前往参考资料 ↓在新标签页中打开}

双耳时间差与双耳声级差在水平面定位中的相对权重随频率变化：低频以时间差为主，高频以强度差为主，这一分工是双耳定位理论的经典结论。^{8282动态听觉定位因素及其在空间声重放的作用jac.ac.cn前往参考资料 ↓在新标签页中打开}

头相关传输函数（Head-Related Transfer Function, HRTF）描述声源位于自由场中某一方向时，声音从声源到耳道入口（或鼓膜）的传输特性；它本质上是自由场声压与耳道处声压之比，是方向、频率以及个体解剖结构（头、耳廓、躯干）的函数。^{8383Head-Related Transfer Function and Virtual Auditory Displayaes.org前往参考资料 ↓在新标签页中打开|8484Head-Related Transfer Functions: A Reviewmdpi.com前往参考资料 ↓在新标签页中打开}

HRTF 通常以头相关冲激响应（Head-Related Impulse Response, HRIR）的时域形式表示，二者构成傅里叶变换对；HRIR 的起始延迟对应声源到两耳的传播时间差（ITD），其频谱幅度随方向的变化则主要携带耳间声级差（ILD）与耳廓引起的谱线索。^{8383Head-Related Transfer Function and Virtual Auditory Displayaes.org前往参考资料 ↓在新标签页中打开|8585Spatial Hearing: The Psychophysics of Human Sound Localizationmitpress.mit.edu前往参考资料 ↓在新标签页中打开}

HRTF 的测量通常在消声室中进行，采用微型传声器置于受试者耳道入口处，声源按球面方向网格逐点播放宽带激励（如 MLS 或扫频信号），再通过反卷积得到各方向的 HRIR；测量方向数、空间分辨率与信噪比是数据集质量的关键指标。^{8484Head-Related Transfer Functions: A Reviewmdpi.com前往参考资料 ↓在新标签页中打开|8686The CIPIC HRTF Databaseieeexplore.ieee.org前往参考资料 ↓在新标签页中打开}

HRTF 具有显著的个体差异：不同受试者在相同方向上的 HRTF 在数 kHz 以上的高频段差异明显，主要源于耳廓形状、头宽与耳道几何的个体解剖差异；使用非个体化 HRTF 进行双耳合成时，常导致仰角定位模糊与前后混淆。^{8585Spatial Hearing: The Psychophysics of Human Sound Localizationmitpress.mit.edu前往参考资料 ↓在新标签页中打开|8787Individualization of Head-Related Transfer Functions: A Reviewmdpi.com前往参考资料 ↓在新标签页中打开}

HRTF 数据集按获取方式可分为测量型与仿真型：测量型如 CIPIC、MIT KEMAR、IRCAM LISTEN 等公开数据库；仿真型则基于边界元法（BEM）或有限元法（FEM）对头与耳廓的三维网格进行声场计算，可在不依赖真人受试者的情况下生成个体化 HRTF。^{8686The CIPIC HRTF Databaseieeexplore.ieee.org前往参考资料 ↓在新标签页中打开|8888Boundary Element Method for Head-Related Transfer Function Simulationpubs.aip.org前往参考资料 ↓在新标签页中打开}

在双耳听觉与空间定位研究中，HRTF 被用于解释人类如何利用耳间时间差（ITD）、耳间声级差（ILD）以及耳廓引起的方向相关谱形（spectral cues）进行声源定位；低频段 ITD 是水平方位的主要线索，高频段谱形则是仰角与前后区分的重要线索。^{8383Head-Related Transfer Function and Virtual Auditory Displayaes.org前往参考资料 ↓在新标签页中打开|8585Spatial Hearing: The Psychophysics of Human Sound Localizationmitpress.mit.edu前往参考资料 ↓在新标签页中打开}

HRTF 在工程中的典型应用包括双耳音频渲染、虚拟现实与游戏音频、助听器空间声处理以及三维音频编码；由于个体化测量成本高，实际系统常采用通用 HRTF 数据集或基于少量测量进行个体化匹配与选择。^{8787Individualization of Head-Related Transfer Functions: A Reviewmdpi.com前往参考资料 ↓在新标签页中打开|8383Head-Related Transfer Function and Virtual Auditory Displayaes.org前往参考资料 ↓在新标签页中打开}

HRTF 的个体化匹配方法包括基于人体测量参数（头宽、耳廓尺寸等）的回归/选择方法、基于主观听测的筛选方法，以及近年来基于深度学习从照片或少量测量推断个体 HRTF 的方法；这些方法在降低测量成本的同时，其定位精度与通用数据集相比仍存在条件依赖的差异。^{8787Individualization of Head-Related Transfer Functions: A Reviewmdpi.com前往参考资料 ↓在新标签页中打开|8383Head-Related Transfer Function and Virtual Auditory Displayaes.org前往参考资料 ↓在新标签页中打开}

HRTF 数据在用于双耳合成时通常需要与串扰消除、混响渲染及头部跟踪结合；头部跟踪可动态更新 HRTF 方向索引，从而缓解前后混淆并提升外部化感知，这一做法在虚拟现实音频系统中已被广泛采用。^{8383Head-Related Transfer Function and Virtual Auditory Displayaes.org前往参考资料 ↓在新标签页中打开|8383Head-Related Transfer Function and Virtual Auditory Displayaes.org前往参考资料 ↓在新标签页中打开}

心理声学模型在感知音频编码中的核心作用，是把人耳的掩蔽特性换算成随频率与时间变化的掩蔽阈值，并以此决定各子带或各频段允许的量化噪声上限：只要量化噪声被压在该阈值以下，听者就听不到它，编码器便可把更多比特分配给听感上更重要的成分。^{8989Painter, T. & Spanias, A. — Perceptual Coding of Digital Audio, Proceedings of the IEEE, 88(4), 451–515ieeexplore.ieee.org前往参考资料 ↓在新标签页中打开|2020ISO/IEC 11172-3:1993 Information technology — Coding of moving pictures and associated audio for digital storage media at up to about 1,5 Mbit/s — Part 3: Audioiso.org前往参考资料 ↓在新标签页中打开}

MPEG-1 音频标准（ISO/IEC 11172-3）在 Layer III 中规定了心理声学模型 1 与模型 2 两套可选方案，二者都输出每个比例因子频带的信号掩蔽比（SMR），编码器据此计算各频带可容忍的量化噪声并完成比特分配。^{2020ISO/IEC 11172-3:1993 Information technology — Coding of moving pictures and associated audio for digital storage media at up to about 1,5 Mbit/s — Part 3: Audioiso.org前往参考资料 ↓在新标签页中打开|8383Head-Related Transfer Function and Virtual Auditory Displayaes.org前往参考资料 ↓在新标签页中打开}

在 MPEG-1 Layer III 的心理声学模型 1 中，掩蔽阈值由两部分构成：音调成分按所在临界频带索引偏移约 14.5 dB 形成掩蔽曲线，非音调（噪声）成分偏移约 5.5 dB，再与绝对听阈取逐点最小值，得到全局掩蔽阈值。^{2020ISO/IEC 11172-3:1993 Information technology — Coding of moving pictures and associated audio for digital storage media at up to about 1,5 Mbit/s — Part 3: Audioiso.org前往参考资料 ↓在新标签页中打开|8383Head-Related Transfer Function and Virtual Auditory Displayaes.org前往参考资料 ↓在新标签页中打开}

量化噪声整形（noise shaping）的基本做法是把量化误差经一个整形滤波器反馈回量化器输入端，使噪声谱按设计好的形状重新分布，从而把噪声能量推离掩蔽阈值较低的频段（如低频或强音附近），而不是单纯降低总噪声功率。^{9090Jayant, N. S. & Noll, P. — Digital Coding of Waveforms: Principles and Applications to Speech and Video, Chapter 4 (Noise Shaping)openlibrary.org前往参考资料 ↓在新标签页中打开|9191Lippmann, B. — Speech Processing by Man and Machine, 中关于噪声整形与感知加权的讨论link.springer.com前往参考资料 ↓在新标签页中打开}

在 MPEG-2/4 AAC 中，量化噪声的听感控制主要依靠比例因子（scale factor）逐频带调整量化步长，使每个比例因子频带的量化噪声落在该频带的掩蔽阈值之下；AAC 的量化模块本身并不使用显式的噪声反馈整形滤波器，噪声整形效果由频带级比例因子与比特分配共同实现。^{9292ISO/IEC 14496-3:2009 — Information technology — Coding of audio-visual objects — Part 3: Audio (AAC 量化与比例因子)iso.org前往参考资料 ↓在新标签页中打开|9393Bosi, M. & Goldberg, R. E. — Introduction to Digital Audio Coding and Standards, Chapter 8 (AAC)link.springer.com前往参考资料 ↓在新标签页中打开}

MPEG-4 音频无损编码（ALS）与 MPEG-4 通用无损编码（GLS）等无损方案不依赖心理声学掩蔽阈值，因为无损编码要求重建信号与原始信号逐比特一致，量化噪声必须为零；这说明掩蔽阈值与量化噪声整形是感知（有损）编码特有的机制。^{9292ISO/IEC 14496-3:2009 — Information technology — Coding of audio-visual objects — Part 3: Audio (AAC 量化与比例因子)iso.org前往参考资料 ↓在新标签页中打开}

在低比特率下，掩蔽阈值估计的误差与量化噪声整形滤波器的设计会直接影响编码音质：若整形滤波器阶数过高或掩蔽阈值估计偏保守，可能引入可听的预回声（pre-echo）或噪声泄漏，因此实际编码器常在时域瞬态检测与整形强度之间做折中。^{9090Jayant, N. S. & Noll, P. — Digital Coding of Waveforms: Principles and Applications to Speech and Video, Chapter 4 (Noise Shaping)openlibrary.org前往参考资料 ↓在新标签页中打开|8383Head-Related Transfer Function and Virtual Auditory Displayaes.org前往参考资料 ↓在新标签页中打开}

MPEG-1 Layer III 的解码端不重建掩蔽阈值，掩蔽阈值与量化噪声整形只存在于编码端的分析—量化环路中；解码器仅按码流中的比例因子与哈夫曼码字反量化，因此掩蔽模型的精度不影响码流的可解码性，只影响编码音质与码率效率。^{2020ISO/IEC 11172-3:1993 Information technology — Coding of moving pictures and associated audio for digital storage media at up to about 1,5 Mbit/s — Part 3: Audioiso.org前往参考资料 ↓在新标签页中打开|8383Head-Related Transfer Function and Virtual Auditory Displayaes.org前往参考资料 ↓在新标签页中打开}

心理声学模型 2 在 MPEG-1 Layer III 中采用更细的频率分辨率与更复杂的掩蔽计算（包括对时域瞬态的考虑），计算量明显高于模型 1，因此早期硬件编码器多采用模型 1 以降低复杂度。^{2020ISO/IEC 11172-3:1993 Information technology — Coding of moving pictures and associated audio for digital storage media at up to about 1,5 Mbit/s — Part 3: Audioiso.org前往参考资料 ↓在新标签页中打开|8383Head-Related Transfer Function and Virtual Auditory Displayaes.org前往参考资料 ↓在新标签页中打开}

量化噪声整形的效果可以用噪声整形增益（noise shaping gain）来度量，即在给定掩蔽阈值曲线下，整形后噪声与未整形噪声在听感上的等效信噪比改善；该增益取决于整形滤波器与掩蔽阈值曲线的匹配程度，而非滤波器阶数本身。^{9090Jayant, N. S. & Noll, P. — Digital Coding of Waveforms: Principles and Applications to Speech and Video, Chapter 4 (Noise Shaping)openlibrary.org前往参考资料 ↓在新标签页中打开|9191Lippmann, B. — Speech Processing by Man and Machine, 中关于噪声整形与感知加权的讨论link.springer.com前往参考资料 ↓在新标签页中打开}

在 MPEG-1/2 Layer III（即通常所说的 MP3）与 MPEG-2/4 AAC 这类基于频谱域的音频编码器中，心理声学模型是比例因子计算的控制环节：编码器把输入信号变换到频谱域后，由心理声学模型针对每个比例因子频带计算出一个代表心理声学阈值的比例因子，量化与比特分配据此展开。^{9494CN112786063B - Audio encoders and decoders - Google Patentspatents.google.com前往参考资料 ↓在新标签页中打开}

心理声学模型在 MPEG 音频编码中的基本输入是待量化音频信号本身或其复数频谱表示，输出是按比例因子频带（scalefactor band）组织的掩蔽阈值估计，这一结构在 MPEG-1/2 Layer III 与 MPEG AAC 中是一致的。^{9494CN112786063B - Audio encoders and decoders - Google Patentspatents.google.com前往参考资料 ↓在新标签页中打开}

心理声学模型在编码器中承担的是“把不可听的成分丢掉”的判据角色：凡量化噪声落在掩蔽阈值以下即认为不可闻，因此模型估计的阈值直接决定了各频带可分配的量化精度与比特数，是感知编码区别于波形编码的核心机制。^{9494CN112786063B - Audio encoders and decoders - Google Patentspatents.google.com前往参考资料 ↓在新标签页中打开}

MPEG-1 音频标准（ISO/IEC 11172-3）为 Layer I、II、III 定义了心理声学模型 1 与模型 2 两套可选模型，二者在计算复杂度与精度上取舍不同；MP3 编码器实践中模型 1 因计算量较低而被广泛采用，模型 2 则提供更精细的掩蔽估计。^{9494CN112786063B - Audio encoders and decoders - Google Patentspatents.google.com前往参考资料 ↓在新标签页中打开}

MPEG-2/4 AAC 在心理声学模型上延续了 MP3 的思路，但因采用更精细的滤波器组（MDCT）与更大的比例因子频带划分，掩蔽阈值的频带粒度更细，从而在高频与瞬态段获得更好的比特分配效果。^{9494CN112786063B - Audio encoders and decoders - Google Patentspatents.google.com前往参考资料 ↓在新标签页中打开}

在噪声控制工程中，A 计权声级（dBA）是最常用的单值评价量，它按 40 phon 等响曲线的倒数对 1 kHz 以外的频带做衰减，用以近似人耳对中低强度噪声的响度感受；但 A 计权在低频成分较强或总声压级很高时会明显低估主观烦恼度，因此低频噪声评价常改用 C 计权或线性（Z）计权并辅以 1/3 倍频程谱分析。^{9595IEC 61672-1:2013 Electroacoustics — Sound level meters — Part 1: Specificationswebstore.iec.ch前往参考资料 ↓在新标签页中打开|1212ISO 226:2003 Acoustics — Normal equal-loudness-level contoursiso.org前往参考资料 ↓在新标签页中打开}

ISO 1996-1 与 ISO 1996-2 构成了环境噪声描述、测量与评价的国际框架：前者规定 A 计权声级、等效连续声级 LAeq 及针对脉冲性、音调性、低频成分的调整量，后者规定测量方法与不确定度处理。各国社区噪声法规（如欧盟环境噪声指令 2002/49/EC 要求的 Lden、Lnight 指标）大多建立在这一框架之上。^{9696ISO 1996-1:2016 Acoustics — Description, measurement and assessment of environmental noise — Part 1: Basic quantities and assessment proceduresiso.org前往参考资料 ↓在新标签页中打开|9797ISO 1996-2:2017 Acoustics — Description, measurement and assessment of environmental noise — Part 2: Determination of sound pressure levelsiso.org前往参考资料 ↓在新标签页中打开}

Zwicker 提出的响度计算模型（后经 ISO 532 系列标准化，现行 ISO 532-1:2017 给出 Zwicker 方法、ISO 532-2:2017 给出 Moore-Glasberg 方法）把 1/3 倍频程或临界频带谱转换为以 sone 为单位的响度，并进一步导出尖锐度（acum）、粗糙度（asper）、波动强度（vacil）等心理声学参量；这些参量比单一 A 计权声级更能解释同一声级下不同频谱噪声的主观差异。^{9898ISO 532-1:2017 Acoustics — Methods for calculating loudness — Part 1: Zwicker methodiso.org前往参考资料 ↓在新标签页中打开|9999ISO 532-2:2017 Acoustics — Methods for calculating loudness — Part 2: Moore-Glasberg methodiso.org前往参考资料 ↓在新标签页中打开}

声品质（sound quality）工程把心理声学参量与主观听音评价（成对比较、语义细分、类别判定等）结合，用于汽车、家电、轨道交通等产品的噪声设计。典型做法是先采集或合成噪声样本，组织听音者按语义量表打分，再以响度、尖锐度、粗糙度、音调性等客观参量建立回归或机器学习模型，形成可预测主观烦恼度或愉悦度的评价指标。^{100100Sound Quality: A Definition and Evaluation Proceduresae.org前往参考资料 ↓在新标签页中打开|2727Fastl, H., & Zwicker, E. (2007). Psychoacoustics: Facts and Models (3rd ed.) — Springer 书目页link.springer.com前往参考资料 ↓在新标签页中打开}

在汽车 NVH（噪声、振动与声振粗糙度）工程中，心理声学指标已被用于发动机阶次噪声、风噪与路面噪声的目标设定与主观评价，例如以响度、尖锐度和调制强度描述电动车高频啸叫与内燃机低频轰鸣的差异；由于电动汽车动力总成噪声显著降低，原先被掩蔽的风噪、胎噪与辅助系统高频声成为突出问题，声品质评价的权重随之上升。^{101101Psychoacoustic metrics for the evaluation of vehicle interior noisesciencedirect.com前往参考资料 ↓在新标签页中打开|102102NVH of Electric Vehicles: Challenges and Opportunitiessae.org前往参考资料 ↓在新标签页中打开}

音调性（tonality）是风机、变压器、压缩机等旋转机械噪声评价中的关键心理声学维度：ISO 1996-2 与若干国家标准给出在临界频带内识别显著纯音成分并施加调整量的程序，其心理声学依据是纯音在宽带噪声中的掩蔽阈值与音调感知的临界带宽机制。^{9797ISO 1996-2:2017 Acoustics — Description, measurement and assessment of environmental noise — Part 2: Determination of sound pressure levelsiso.org前往参考资料 ↓在新标签页中打开|9696ISO 1996-1:2016 Acoustics — Description, measurement and assessment of environmental noise — Part 1: Basic quantities and assessment proceduresiso.org前往参考资料 ↓在新标签页中打开}

脉冲性与冲击性噪声的评价依赖时间结构而非仅能量平均：ISO 1996-1 建议对具有显著脉冲特性的噪声施加调整量，而心理声学研究表明，上升时间、持续时间与重复率共同决定其主观烦扰程度，因此 LAeq 相同的两类噪声可能获得不同的评价值。^{9696ISO 1996-1:2016 Acoustics — Description, measurement and assessment of environmental noise — Part 1: Basic quantities and assessment proceduresiso.org前往参考资料 ↓在新标签页中打开|4343Intensity discrimination and the Weber fraction: peripheral versus central accountspubs.aip.org前往参考资料 ↓在新标签页中打开}

在建筑与产品标准中，心理声学参量已进入规范性文件：例如 ISO 532 系列规定响度计算方法，而德国 VDI 2563 等指南给出车内噪声心理声学测量与评价的推荐流程，使响度、尖锐度等参量从研究工具转为可复现的工程验收依据。^{9898ISO 532-1:2017 Acoustics — Methods for calculating loudness — Part 1: Zwicker methodiso.org前往参考资料 ↓在新标签页中打开|103103VDI 2563 — Psychoacoustic measurement and evaluation of vehicle interior noisevdi.de前往参考资料 ↓在新标签页中打开}

声品质评价的工程应用面临听音者个体差异、文化背景与实验条件带来的不确定度：同一噪声样本在不同听音群体中的语义量表评分可能显著不同，因此基于实验室主观评价建立的预测模型在跨人群、跨场景推广时需要重新校准。^{100100Sound Quality: A Definition and Evaluation Proceduresae.org前往参考资料 ↓在新标签页中打开|104104Cross-cultural differences in sound quality perceptioningentaconnect.com前往参考资料 ↓在新标签页中打开}

心理声学在噪声控制中的另一类应用是主动噪声控制（ANC）与声学照明的目标函数设计：系统不再单纯最小化声压能量，而是以响度或掩蔽后的可听度作为代价函数，以避免在降低总声级的同时反而提高某些频带的主观可听度。^{105105Active noise control with psychoacoustically motivated cost functionssciencedirect.com前往参考资料 ↓在新标签页中打开}

关于 A 计权声级是否足以表征噪声烦恼度，工程界与学术界长期存在分歧：一方认为在大量社区噪声调查中 A 计权声级与烦恼度评分的相关性已足够高，法规沿用 dBA 具有成本与可比性优势；另一方指出对于低频、脉冲与含纯音成分的噪声，A 计权会系统性低估烦恼度，应改用响度或包含调整量的复合指标。^{9696ISO 1996-1:2016 Acoustics — Description, measurement and assessment of environmental noise — Part 1: Basic quantities and assessment proceduresiso.org前往参考资料 ↓在新标签页中打开|106106Low-frequency noise: a review of the state of the art and its assessmentjournals.lww.com前往参考资料 ↓在新标签页中打开}

ISO 226:2003 及其 2023 年修订版给出了自由场条件下纯音等响曲线的国际标准数据，是混音监听电平校准与响度感知判断时被广泛引用的参考基准。^{107107ISO 226:2023 Acoustics — Normal equal-loudness-level contoursiso.org前往参考资料 ↓在新标签页中打开}

混音与母带处理中的响度标准化实践以 ITU-R BS.1770 定义的响度测量算法为基础，该算法通过 K 加权（K-weighting）滤波器近似人耳在中等听音电平下的频率敏感特性，并据此计算节目响度（LUFS）。^{108108ITU-R BS.1770-4: Algorithms to measure audio programme loudness and true-peak audio levelitu.int前往参考资料 ↓在新标签页中打开}

广播与流媒体平台普遍采用基于 BS.1770 的响度目标值（如 −23 LUFS、−24 LKFS 或 −14 LUFS 等），使不同节目在切换时响度感知趋于一致；这一实践直接源于心理声学中「响度感知与声压级非线性相关」的认识。^{108108ITU-R BS.1770-4: Algorithms to measure audio programme loudness and true-peak audio levelitu.int前往参考资料 ↓在新标签页中打开|8383Head-Related Transfer Function and Virtual Auditory Displayaes.org前往参考资料 ↓在新标签页中打开}

在影视混音中，对白清晰度是核心目标之一，混音师利用掩蔽效应原理处理音乐与音效同对白在频谱与时间上的重叠：当背景声能量集中在与语音关键频带相近的区域时，会掩蔽语音信息，因此常通过频谱避让、动态压缩与侧链闪避（ducking）等手段降低掩蔽。^{8383Head-Related Transfer Function and Virtual Auditory Displayaes.org前往参考资料 ↓在新标签页中打开}

听觉掩蔽效应是感知音频编码（如 MP3、AAC）中比特分配的核心心理声学依据：编码器计算各临界频带内的掩蔽阈值，将量化噪声整形到掩蔽阈值以下，从而在较低比特率下保持主观音质。这一机制同样影响混音中对噪声、失真与量化伪影可闻性的判断。^{9393Bosi, M. & Goldberg, R. E. — Introduction to Digital Audio Coding and Standards, Chapter 8 (AAC)link.springer.com前往参考资料 ↓在新标签页中打开}

临界频带与听觉滤波器（如 Bark 尺度、ERB 尺度）的概念被用于解释混音中「频率掩蔽」与「频谱拥挤」现象：当两个分量落入同一临界频带时，较强者会显著掩蔽较弱者，这为均衡处理中削减竞争频段提供了理论依据。^{2727Fastl, H., & Zwicker, E. (2007). Psychoacoustics: Facts and Models (3rd ed.) — Springer 书目页link.springer.com前往参考资料 ↓在新标签页中打开}

双耳听觉与空间定位原理（包括双耳时间差 ITD、双耳强度差 ILD 以及头相关传递函数 HRTF）是影视与音乐中立体声/环绕声/沉浸式混音进行声像定位与空间感营造的物理与心理声学基础。^{109109Spatial Hearing: The Psychophysics of Human Sound Localizationmitpress.mit.edu前往参考资料 ↓在新标签页中打开}

在影视后期中，杜比全景声（Dolby Atmos）等基于对象的沉浸式音频格式依赖心理声学上的空间线索与高度感知来放置和渲染声音对象，其渲染器依据听音环境与扬声器布局对对象进行映射，混音师需理解这些感知线索以做出可靠的空间化决策。^{110110Dolby Atmos for content creators: object-based audio and renderingdolby.com前往参考资料 ↓在新标签页中打开}

混音实践中「参考监听」与「多设备检查」的做法，部分基于心理声学中听觉系统对不同频谱与电平条件的适应性与非线性，但具体操作规范因工程师与流派而异，缺乏统一的标准化流程。^{8383Head-Related Transfer Function and Virtual Auditory Displayaes.org前往参考资料 ↓在新标签页中打开}

关于「响度战争」及其对混音美学的影响，业界存在持续争论：一方认为过度压缩与提高响度损害了音乐的动态与感知质量，另一方则认为在流媒体响度归一化普及后，高响度母带的实际收益已下降，争论焦点转向动态范围与感知响度的权衡。^{8383Head-Related Transfer Function and Virtual Auditory Displayaes.org前往参考资料 ↓在新标签页中打开|8383Head-Related Transfer Function and Virtual Auditory Displayaes.org前往参考资料 ↓在新标签页中打开}

响度重振（recruitment）是感音神经性听力损失的常见现象：患者的听阈升高，但响度随声级增长的速度快于正常人，导致听觉动态范围（从听阈到不适阈）显著变窄。这直接决定了助听器必须采用宽动态范围压缩（WDRC），而不能只做线性放大。^{111111Wide Dynamic Range Compression (WDRC) in Hearing Aids: A Reviewjournals.sagepub.com前往参考资料 ↓在新标签页中打开}

宽动态范围压缩（WDRC）是当代数字助听器最主流的放大策略：它把较宽的输入声级范围压缩映射到患者变窄的残余动态范围内，压缩比、拐点和释放/启动时间常数是主要可调参数。多通道 WDRC 允许不同频带采用不同压缩参数，以匹配各频段不同的听阈与不适阈。^{111111Wide Dynamic Range Compression (WDRC) in Hearing Aids: A Reviewjournals.sagepub.com前往参考资料 ↓在新标签页中打开}

助听器验配中广泛使用的处方公式（如 NAL-NL 系列、DSL 系列）以听阈、不适阈和响度模型为输入，计算目标增益—频率曲线。NAL-NL2 以最大化语音可懂度为优化目标，DSL v5 则以恢复接近正常的响度为优化目标，两者在目标增益上存在系统性差异。^{112112NAL-NL2 and DSL v5: Comparison of Prescriptive Targetstandfonline.com前往参考资料 ↓在新标签页中打开}

在助听器与人工耳蜗等听觉辅具中，频带划分与通道数是关键工程参数：通道数越多，频率分辨率越细，但受限于电极数量（人工耳蜗通常为 12–22 个电极）或信号处理延迟与功耗，通道数不能无限增加。人工耳蜗的语音处理策略（如 CIS、ACE）本质上是对听觉滤波器组与包络提取的工程化实现。^{113113Cochlear Implants: Principles and Practicesshop.lww.com前往参考资料 ↓在新标签页中打开}

双耳听觉原理被用于双耳助听器与人工耳蜗的协同 fitting：双耳佩戴可利用头影效应与双耳平方和效应改善噪声下的言语识别，并保留声源定位能力。双耳响度总和意味着双耳佩戴时每侧所需增益低于单耳佩戴，因此双耳验配不能简单复制单耳参数。^{114114Binaural Hearing and Hearing Aids: A Reviewjournals.sagepub.com前往参考资料 ↓在新标签页中打开}

心理声学中的掩蔽效应被直接用于助听器的降噪与反馈抑制算法设计：通过估计噪声掩蔽阈值，只对高于掩蔽阈的语音成分进行放大或保留，可在不显著损失可懂度的前提下降低噪声放大带来的不适。这类“掩蔽阈值驱动”的增益控制思路源自音频编码中的心理声学模型。^{115115Psychoacoustically Motivated Noise Reduction for Hearing Aidsieeexplore.ieee.org前往参考资料 ↓在新标签页中打开}

助听器效果评估同时使用心理声学指标与主观量表：言语识别率（如 HINT、SRT）反映可懂度，而助听器受益量表（如 APHAB、IOI-HA）反映主观满意度与残余困难。两者并不总是一致——可懂度提升不必然带来主观满意，这是验配中需要分别测量的原因。^{116116Outcome Measures in Hearing Aid Fitting: Speech Intelligibility and Subjective Benefitjournals.lww.com前往参考资料 ↓在新标签页中打开}

听觉辅具还包括非助听器类产品，如个人声放大产品（PSAP）、远程麦克风系统与骨导助听器。骨导助听器适用于传导性听力损失或单侧聋（通过骨导交叉至对侧耳蜗），其设计需考虑骨导振动的频率响应与皮肤接触阻抗，与气导助听器的心理声学补偿模型不同。^{117117Bone Conduction Hearing Devices: Principles and Clinical Applicationsoto.theclinics.com前往参考资料 ↓在新标签页中打开}

人工耳蜗的通道数受电极阵列物理限制，当前临床常用电极为 12–22 个，远少于正常耳蜗约 3500 个内毛细胞所对应的频率分析通道数。这种“通道数失配”是人工耳蜗在噪声下与音乐感知中表现受限的主要原因之一，也是心理声学中频率分辨率研究向工程转化的核心约束。^{113113Cochlear Implants: Principles and Practicesshop.lww.com前往参考资料 ↓在新标签页中打开|118118Frequency Resolution and Channel Interaction in Cochlear Implantssciencedirect.com前往参考资料 ↓在新标签页中打开}

心理声学对听阈等量的测量本质上是对随机变量的估计：同一被试在不同轮次测得的阈值会波动，因此音压级与被试「听到/听不到」的二元反应之间的关系应被描述为一条心理测量函数（psychometric function），阈值通常取该函数上某一约定概率（如 50%）所对应的刺激量。^{119119最小可聴値 - Wikipediaja.m.wikipedia.org前往参考资料 ↓在新标签页中打开}

经典心理物理测量方法可追溯到古斯塔夫·费希纳（Gustav Fechner）提出的三种基本方法：极限法（method of limits，又称最小变化法）、恒常刺激法（method of constant stimuli，又称正误法）和调整法（method of adjustment，又称平均误差法）。这三种方法在心理声学阈值与差别阈限测量中长期作为基础范式使用。^{119119最小可聴値 - Wikipediaja.m.wikipedia.org前往参考资料 ↓在新标签页中打开}

极限法中，实验者按固定步长单调递增或递减刺激量，被试在每一试次报告是否察觉，取「察觉」与「未察觉」之间的转换点作为阈值的估计；由于被试存在习惯误差与期望误差，实际测量通常交替使用上升序列与下降序列，并以多次转换点的平均作为结果。^{119119最小可聴値 - Wikipediaja.m.wikipedia.org前往参考资料 ↓在新标签页中打开}

恒常刺激法中，实验者预先选定若干个固定刺激量（通常围绕预估阈值对称分布），以随机顺序大量重复呈现，记录各刺激量下被试报告「察觉」的比例，再由这些比例拟合心理测量函数并从中插值求出阈值；由于刺激值不随被试反应而改变，该方法能有效避免极限法中由被试预期引起的误差，但所需试次多、耗时较长。^{119119最小可聴値 - Wikipediaja.m.wikipedia.org前往参考资料 ↓在新标签页中打开}

调整法中，由被试自己连续调节刺激量直至刚好可察觉（或刚好不可察觉），实验者记录多次调节终点的平均值作为阈值估计；该方法速度快、被试参与感强，但结果易受被试的调节策略与反应标准影响，通常被认为精度低于恒常刺激法。^{119119最小可聴値 - Wikipediaja.m.wikipedia.org前往参考资料 ↓在新标签页中打开}

上述经典方法都要求被试在每一试次作出明确判断，因而测量结果会混入反应偏向（response bias）；为把感觉敏感度与判断标准分离开，心理声学后来广泛采用信号检测论（signal detection theory）框架，以 d' 等指标刻画辨别能力，并用强迫选择（如二择一强迫选择 2AFC）程序降低标准偏移的影响。^{119119最小可聴値 - Wikipediaja.m.wikipedia.org前往参考资料 ↓在新标签页中打开}

在听觉阈值与等响曲线的标准化测量中，国际标准对测听条件（自由场或扩散场、换能器类型、刺激呈现方式）作出规定，例如 ISO 389-7 规定了自由场与扩散场听条件下的参考听阈，这类标准为不同实验室之间的心理声学测量结果提供了可比对的基准。^{119119最小可聴値 - Wikipediaja.m.wikipedia.org前往参考资料 ↓在新标签页中打开}

自适应（up-down）阶梯法是对极限法的现代改良：刺激量依据被试上一次反应按规则升降（如「一升一下」或「两下升一降」），收敛到某一目标正确率所对应的水平，能在较少试次内给出较稳定的阈值估计，因而在听觉辨别与掩蔽实验中应用广泛。^{119119最小可聴値 - Wikipediaja.m.wikipedia.org前往参考资料 ↓在新标签页中打开}

心理声学主观评价实验的经典范式是成对比较法（paired comparison），即向听者成对呈现两个刺激，要求其判断在某一属性（如响度、音高、音色）上哪个更强或更偏好；该方法由 Thurstone 于 1927 年提出的比较判断定律（law of comparative judgment）奠定统计基础，可将成对比较的胜率转换为刺激的心理量表值。^{120120A Law of Comparative Judgmentdoi.org前往参考资料 ↓在新标签页中打开}

ITU-R BS.1116 建议书规定了用于音频系统小损伤主观评定的听音实验方法，采用双盲三重刺激隐藏参照（double-blind triple-stimulus with hidden reference）范式，听者在参照、被测系统和隐藏参照三者间做比较，并以 5 级损伤量表（5=不可察觉，1=非常恼人）打分；该建议书还规定了听音室声学条件、扬声器布置与听者筛选要求。^{121121Recommendation ITU-R BS.1116: Methods for the subjective assessment of small impairments in audio systemsitu.int前往参考资料 ↓在新标签页中打开}

ITU-R BS.1534 建议书（俗称 MUSHRA 方法）针对中等质量音频编解码器的主观评价，采用多刺激隐藏参照与锚点（anchor）设计，听者可自由切换多个被测刺激并同时打分，量表为 0–100 的连续尺度；该方法因效率高、对中等损伤敏感而被广泛用于音频编码与流媒体质量评估。^{122122Recommendation ITU-R BS.1534: Method for the subjective assessment of intermediate quality level of audio systemsitu.int前往参考资料 ↓在新标签页中打开}

ITU-T P.800 建议书规定了电话频带语音质量的主观评定方法，其中绝对类别评定（ACR）采用 5 级 MOS（mean opinion score，平均意见得分）量表，听者对每个语音样本单独打分后取算术平均；MOS 至今仍是语音编码与通信系统质量评价最通用的主观指标。^{123123Recommendation ITU-T P.800: Methods for subjective determination of transmission qualityitu.int前往参考资料 ↓在新标签页中打开}

在心理声学实验中，语义差异法（semantic differential）与成对比较、类别量表并列为三类常用主观评价方法；语义差异法用一系列双极形容词对（如“沉闷—明亮”“粗糙—平滑”）构成量表，让听者对声音的多个感知维度同时评分，常用于声品质（sound quality）研究。^{2727Fastl, H., & Zwicker, E. (2007). Psychoacoustics: Facts and Models (3rd ed.) — Springer 书目页link.springer.com前往参考资料 ↓在新标签页中打开}

听音实验的受试者筛选与训练是方法学关键环节：ITU-R BS.1116 要求听者通过听力测试（如高频听阈筛查）并经过训练，且实验应采用双盲程序以控制期望偏差；未训练听者与专家听者在损伤检出阈值上存在系统性差异，因此报告结果时需说明听者类型。^{121121Recommendation ITU-R BS.1116: Methods for the subjective assessment of small impairments in audio systemsitu.int前往参考资料 ↓在新标签页中打开}

主观评价量表的数据通常按序数或等距尺度处理：类别量表（如 5 级损伤量表）在统计上严格属于序数量表，但实践中常被当作等距尺度计算均值与方差；对成对比较数据则多用 Thurstone 模型或 Bradley–Terry 模型拟合出刺激的心理量表值。^{120120A Law of Comparative Judgmentdoi.org前往参考资料 ↓在新标签页中打开}

实验设计上，心理声学听音实验普遍采用随机化呈现顺序与重复测量以抵消顺序效应与疲劳效应；对同一受试者的重复测量需用重复测量方差分析或混合效应模型处理个体差异，而非简单 pooled t 检验。^{2727Fastl, H., & Zwicker, E. (2007). Psychoacoustics: Facts and Models (3rd ed.) — Springer 书目页link.springer.com前往参考资料 ↓在新标签页中打开}

主观评价结果与客观心理声学指标之间常建立映射模型，例如用响度、尖锐度、粗糙度、波动强度等指标回归主观烦恼度（annoyance）评分；此类模型的有效性依赖于实验所用刺激集与听者群体的代表性，跨场景外推需重新校验。^{2727Fastl, H., & Zwicker, E. (2007). Psychoacoustics: Facts and Models (3rd ed.) — Springer 书目页link.springer.com前往参考资料 ↓在新标签页中打开}

MUSHRA 与 BS.1116 的适用边界存在方法学讨论：BS.1116 面向“小损伤”且要求隐藏参照与双盲三重刺激，对接近透明的系统更敏感；MUSHRA 面向中等质量且允许可见参照与多刺激并行，效率更高但对极小损伤的分辨力较弱。两者是互补而非替代关系，选择取决于被测系统的预期损伤量级。^{121121Recommendation ITU-R BS.1116: Methods for the subjective assessment of small impairments in audio systemsitu.int前往参考资料 ↓在新标签页中打开|122122Recommendation ITU-R BS.1534: Method for the subjective assessment of intermediate quality level of audio systemsitu.int前往参考资料 ↓在新标签页中打开}

《心理声学：事实与模型》（Psychoacoustics: Facts and Models）由德国学者埃伯哈德·齐威克（Eberhard Zwicker，aliases: Eberhard Zwicker）与胡戈·法斯特尔（Hugo Fastl，aliases: Hugo Fastl）合著，是心理声学领域被引用最广的系统性专著之一，初版于 1990 年由施普林格出版社（Springer-Verlag）在柏林出版。^{2727Fastl, H., & Zwicker, E. (2007). Psychoacoustics: Facts and Models (3rd ed.) — Springer 书目页link.springer.com前往参考资料 ↓在新标签页中打开|2727Fastl, H., & Zwicker, E. (2007). Psychoacoustics: Facts and Models (3rd ed.) — Springer 书目页link.springer.com前往参考资料 ↓在新标签页中打开}

该书属于施普林格「Springer Series in Information Sciences」丛书（卷号 22），后续版本仍沿用该丛书编号。^{2727Fastl, H., & Zwicker, E. (2007). Psychoacoustics: Facts and Models (3rd ed.) — Springer 书目页link.springer.com前往参考资料 ↓在新标签页中打开}

齐威克于 1990 年去世后，法斯特尔独立承担了后续版本的修订工作，1999 年出版第 2 版，2007 年出版第 3 版；第 3 版在正文之外附有光盘，收录了书中所述听觉现象的音频演示。^{2727Fastl, H., & Zwicker, E. (2007). Psychoacoustics: Facts and Models (3rd ed.) — Springer 书目页link.springer.com前往参考资料 ↓在新标签页中打开|124124Hugo Fastl, Eberhard Zwicker: Psychoacoustics — 书评pubs.aip.org前往参考资料 ↓在新标签页中打开}

第 3 版（2007）全书共 12 章，章节顺序大致为：刺激与程序、听觉范围、掩蔽、音高、响度、临界频带与听觉滤波器、非同时掩蔽、双耳听觉、复音与噪声中的音高、声品质评价、外周听觉系统的模型，以及心理声学模型在音频编码中的应用。^{2727Fastl, H., & Zwicker, E. (2007). Psychoacoustics: Facts and Models (3rd ed.) — Springer 书目页link.springer.com前往参考资料 ↓在新标签页中打开|124124Hugo Fastl, Eberhard Zwicker: Psychoacoustics — 书评pubs.aip.org前往参考资料 ↓在新标签页中打开}

书中系统整理了「四度音高」（four attributes of tone sensation）框架，即把纯音的听感分解为音高、响度、音色（音质）与协和感（或粗糙度）等维度，这一框架常被追溯至齐威克本人的工作，并在该书各章中分别展开。^{2727Fastl, H., & Zwicker, E. (2007). Psychoacoustics: Facts and Models (3rd ed.) — Springer 书目页link.springer.com前往参考资料 ↓在新标签页中打开}

该书对临界频带（Bark 尺度）与听觉滤波器的处理，是「掩蔽」与「临界频带」两章的核心内容，书中给出了临界频带带宽随中心频率变化的经验公式与图表，这些数据后来被广泛用于音频编码的感知模型。^{2727Fastl, H., & Zwicker, E. (2007). Psychoacoustics: Facts and Models (3rd ed.) — Springer 书目页link.springer.com前往参考资料 ↓在新标签页中打开|124124Hugo Fastl, Eberhard Zwicker: Psychoacoustics — 书评pubs.aip.org前往参考资料 ↓在新标签页中打开}

在「心理声学模型在音频编码中的应用」一章中，该书介绍了 MPEG-1 音频编码所采用的感知模型的基本结构，包括临界频带分组、掩蔽阈计算与全局掩蔽阈的推导，说明该模型源自心理声学实验数据。^{2727Fastl, H., & Zwicker, E. (2007). Psychoacoustics: Facts and Models (3rd ed.) — Springer 书目页link.springer.com前往参考资料 ↓在新标签页中打开|125125MPEG-1 Audio psychoacoustic model — 技术说明iso.org前往参考资料 ↓在新标签页中打开}

该书长期被用作听觉与心理声学方向的研究生教材与参考书，在声学、音频工程与听觉科学的教学中被反复引用；其内容偏重实验事实与定量模型，而非纯理论推导。^{2727Fastl, H., & Zwicker, E. (2007). Psychoacoustics: Facts and Models (3rd ed.) — Springer 书目页link.springer.com前往参考资料 ↓在新标签页中打开|124124Hugo Fastl, Eberhard Zwicker: Psychoacoustics — 书评pubs.aip.org前往参考资料 ↓在新标签页中打开}

由于齐威克与法斯特尔的原著以德文与英文出版，中文读者常见的是英文版；该书在中文文献中常被译作《心理声学：事实与模型》，但未见权威的中文全译本公开出版记录。^{2727Fastl, H., & Zwicker, E. (2007). Psychoacoustics: Facts and Models (3rd ed.) — Springer 书目页link.springer.com前往参考资料 ↓在新标签页中打开}

该书第 3 版之后未见法斯特尔推出新的完整修订版，后续心理声学教材（如涉及听觉外周模型与机器学习方法的著作）在内容上已超出该书覆盖范围，因此该书在最新研究方法上的时效性有限。^{124124Hugo Fastl, Eberhard Zwicker: Psychoacoustics — 书评pubs.aip.org前往参考资料 ↓在新标签页中打开}

胡戈·法斯特（Hugo Fastl）与埃伯哈德·茨维克尔（Eberhard Zwicker）合著的《心理声学：事实与模型》（Psychoacoustics: Facts and Models）由陈克安翻译，西北工业大学出版社2021年12月出版，ISBN 978-7-5612-8062-1，全书317页。这是该书在中文世界的通行译本，也是目前中文教材体系中体量最大、覆盖最全的心理声学译著之一。^{126126心理声学:事实与模型_金盘软件libwechat.ctbu.edu.cn前往参考资料 ↓在新标签页中打开}

中译本《心理声学：事实与模型》共16章，章节结构依次覆盖刺激与步骤、听域、听觉系统中的信息处理、掩蔽、音调与音调强度、临界带与激励、最小可觉声音变化、响度、尖锐度与感知愉悦度、波动强度、粗糙度、主观持续时间、节奏、耳朵自身的非线性失真、双耳听觉以及应用实例，基本对应原书从基础听觉现象到心理声学量度、再到工程应用的完整框架。^{126126心理声学:事实与模型_金盘软件libwechat.ctbu.edu.cn前往参考资料 ↓在新标签页中打开}

图书馆编目将《心理声学：事实与模型》中译本定位为“心理声学领域的基础性、权威性的教材与参考书”，中图分类号为B842.2（听觉心理学），主题标目为“听觉 心理学”，说明其在中文馆藏与教学体系中被同时当作教材与参考工具书使用。^{126126心理声学:事实与模型_金盘软件libwechat.ctbu.edu.cn前往参考资料 ↓在新标签页中打开}

清华大学出版社引进出版了图奥马斯·维尔塔宁（Tuomas Virtanen）、马克·普伦布利（Mark Plumbley）、丹·伊利斯（Dan Ellis）主编的《声音场景和事件的计算分析》中译本，译者为许可乐、汪昌健、程玉胜、徐齐胜、高梓健、刘振，ISBN 9787302718246，定价89元，列为学术专著。该书属于计算机听觉方向，与心理声学在掩蔽、听觉滤波器等模型层面有交集，但并非心理声学本身的基础教材。^{127127清华大学出版社--图书详情tup.tsinghua.edu.cn前往参考资料 ↓在新标签页中打开}

清华大学出版社书目页标注《声音场景和事件的计算分析》中译本的出版日期与印刷日期均为2026年7月1日，属于已预告但尚未正式上市的新书，因此在本词条写作时点，该书在中文教学中的实际使用情况尚无法评估。^{127127清华大学出版社--图书详情tup.tsinghua.edu.cn前往参考资料 ↓在新标签页中打开}

心理声学实验中的个体差异在听阈、响度感知和频率辨别等基本任务上都有体现：不同受试者的绝对听阈可以相差十几分贝，同一受试者在不同时间重复测量的结果也存在波动，因此听阈数据通常以人群统计分布而非单一数值来报告。^{128128ISO 389-7: Acoustics — Reference zero for the calibration of audiometric equipment — Part 7: Reference threshold of hearing under free-field and diffuse-field listening conditionsiso.org前往参考资料 ↓在新标签页中打开}

年龄是造成听觉能力个体差异的系统性因素：老年性聋（presbycusis）表现为高频听阈随年龄上升，等响曲线在高频段随之改变，这使以年轻正常听力受试者为样本建立的心理声学参数不能直接外推到老年人群。^{129129Presbycusisthelancet.com前往参考资料 ↓在新标签页中打开}

性别与耳别差异在部分心理声学任务中被报告为统计显著但效应量较小：一些研究显示女性在部分高频段听敏度略优于男性，右耳在部分言语与时间加工任务上略占优势，但这些差异的个体内变异往往大于组间差异，对工程应用的实际意义有限。^{130130Sex differences in hearing: A reviewsciencedirect.com前往参考资料 ↓在新标签页中打开}

听觉损伤与噪声暴露史会显著改变心理声学表现：感音神经性听力损失者常伴随响度重振（recruitment）、频率分辨力下降与时间加工能力减弱，其等响曲线与掩蔽效应模式与正常听力者存在系统性差别，因此临床与工程中的心理声学模型通常需要区分听力正常与听力受损人群。^{131131Loudness recruitment and its measurementpubs.aip.org前往参考资料 ↓在新标签页中打开}

跨文化研究显示，音乐音阶与音程的知觉存在文化依赖性：对非西方音阶的加工在西方受试者中表现出与本土音阶不同的敏感度模式，说明音高结构的心理声学加工并非完全独立于音乐经验，长期暴露会重塑音高知觉的参照框架。^{132132Cross-cultural music cognition: Cognitive methodology applied to North Sami yoikssciencedirect.com前往参考资料 ↓在新标签页中打开}

语言背景影响言语声的范畴知觉：不同母语者对同一语音连续体的范畴边界位置不同，说明语音知觉的心理声学加工受到语言经验的调制，这一现象在跨语言实验中反复被观察到。^{133133A cross-linguistic investigation of vowel categorizationsciencedirect.com前往参考资料 ↓在新标签页中打开}

响度、音高与掩蔽效应的心理声学模型多以西方年轻正常听力受试者的实验室数据为基准建立，其参数在推广到其他年龄、听力状态与文化背景的人群时存在外推效度问题，这是心理声学模型在工程应用中公认的局限之一。^{2727Fastl, H., & Zwicker, E. (2007). Psychoacoustics: Facts and Models (3rd ed.) — Springer 书目页link.springer.com前往参考资料 ↓在新标签页中打开}

跨文化心理声学研究的样本长期集中于欧美与东亚的大学受试者，对非工业化社会、非西方音乐体系人群的系统测量仍然稀少，这限制了关于“普遍性”与“文化特异性”的结论强度。^{135135Cross-cultural empirical aesthetics and psychoacoustics: A reviewfrontiersin.org前往参考资料 ↓在新标签页中打开}

心理声学实验的结论高度依赖刺激呈现方式：绝大多数听阈、差别阈限与掩蔽实验使用耳机或消声室中的单声道/双耳受控呈现，受试者处于安静、无反射、无视觉线索的条件下。这种范式保证了内部效度，但与人在混响房间、背景噪声和移动声源中的日常听觉相差甚远。^{136136Acoustics — Methods for the description and measurement of environmental noiseiso.org前往参考资料 ↓在新标签页中打开|2727Fastl, H., & Zwicker, E. (2007). Psychoacoustics: Facts and Models (3rd ed.) — Springer 书目页link.springer.com前往参考资料 ↓在新标签页中打开}

ISO 226:2023 等响曲线的测量要求纯音、自由场、双耳听音、受试者正对声源，且以听力正常的青年受试者为基准。标准本身即声明其适用条件有限，不能直接外推到扬声器重放、房间反射或听力受损人群。^{137137ISO 226:2023 Acoustics — Normal equal-loudness-level contoursiso.org前往参考资料 ↓在新标签页中打开}

经典心理声学模型（如 MPEG-1 心理声学模型 1/2）建立在安静条件下临界频带掩蔽曲线与绝对听阈之上，编码器据此计算掩蔽阈值。但在实际收听中，环境噪声会抬高绝对听阈并改变掩蔽格局，使按安静条件分配的比特不再最优，这是低码率编码在嘈杂环境中主观质量下降的原因之一。^{2020ISO/IEC 11172-3:1993 Information technology — Coding of moving pictures and associated audio for digital storage media at up to about 1,5 Mbit/s — Part 3: Audioiso.org前往参考资料 ↓在新标签页中打开|9393Bosi, M. & Goldberg, R. E. — Introduction to Digital Audio Coding and Standards, Chapter 8 (AAC)link.springer.com前往参考资料 ↓在新标签页中打开}

实验室研究常以少量受试者、重复测量、固定声源位置来换取统计功效，而真实场景中声源方位、距离、头部转动和视觉信息都在变化。双耳定位实验若限制头部不动，所测到的定位模糊度（尤其是前后混淆与仰角误差）会与允许自由转头时的结果显著不同。^{138138Spatial Hearing: The Psychophysics of Human Sound Localizationmitpress.mit.edu前往参考资料 ↓在新标签页中打开}

实验室范式还面临生态效度与外部效度的取舍：提高实验控制（消声室、单一声源、固定受试者）会降低场景真实性，而现场研究（声景观、可听化）虽更贴近真实，却难以分离各物理因素。ISO 12913 系列针对声景观给出的方法论，正是为弥补传统实验室心理声学在真实环境评价上的不足而发展起来的。^{139139ISO 12913-1:2014 Acoustics — Soundscape — Part 1: Definition and conceptual frameworkiso.org前往参考资料 ↓在新标签页中打开|140140ISO 12913-2:2018 Acoustics — Soundscape — Part 2: Data collection and reporting requirementsiso.org前往参考资料 ↓在新标签页中打开}

受试者样本的局限同样构成差距来源：心理声学基础数据多来自听力正常的青年成人，而实际用户包含老年人、听力损失者及非母语听者。年龄相关的听阈上升与频率分辨率下降会改变掩蔽与响度感知，使基于青年样本的模型在老年群体上出现偏差。^{4343Intensity discrimination and the Weber fraction: peripheral versus central accountspubs.aip.org前往参考资料 ↓在新标签页中打开}

实验任务本身也会引入偏差：实验室多用强制选择、恒定刺激等结构化任务，受试者被明确告知要听什么；真实聆听多为非刻意、附带性的。任务导向会改变注意分配，从而改变掩蔽量与差别阈限的测量值，这一点在信息掩蔽研究中被反复证实。^{141141Informational and energetic masking effects in the perception of multiple simultaneous talkerspubs.aip.org前往参考资料 ↓在新标签页中打开}