呂 文

(四川省工業(yè)和信息化研究院，四川 成都 610017)

聽覺系統(tǒng)是人體感觀中非常重要的一個(gè)系統(tǒng)，人類可以通過聽覺系統(tǒng)感受周圍的聽覺刺激，進(jìn)行有效的信息交互。當(dāng)信息的目的是要吸引操作者的注意時(shí)，聽覺交互通道通常比視覺交互通道效果更好。因此，聽覺顯示廣泛地應(yīng)用于警示設(shè)備[1]。當(dāng)信息簡短、單純時(shí)，聽覺顯示也比較適合。聽覺顯示可有效地應(yīng)用在以下幾個(gè)方面：①用于減少視覺工作的勞動(dòng)量；②引起人的立即注意，如警示信號；③提高人們集中注意的能力。

1 聽覺特性分析

聽覺的信號可以包含單純的音調(diào)、復(fù)合的音調(diào)及語音的信息。音調(diào)可以是連續(xù)的、周期的或不定期的。音調(diào)信號可在以下狀況下使用：①需要聽者的立即反應(yīng)；②聽者必須察覺一個(gè)關(guān)于語音的信息；③條件不利于語音信息；④語音的信息會(huì)干擾其他的人或會(huì)遮蔽其他的信息。

操控系統(tǒng)中，聽覺人機(jī)交互的用途極廣，常見的有如下幾種：

(1)蜂鳴器。它是一種頻率低、音調(diào)聲壓級低的電子訊響器，發(fā)出的聲音相對柔和，不會(huì)帶來突然人體應(yīng)激反應(yīng)，經(jīng)常與信號裝置組合使用，僅運(yùn)用在較安靜的環(huán)境，提醒操作者注意，發(fā)揮聽覺和視覺的指示作用。汽車駕駛員在打開轉(zhuǎn)向撥桿后操作轉(zhuǎn)彎時(shí)，駕駛室的顯示儀表上就有一個(gè)信號燈亮和蜂鳴器鳴笛，顯示汽車正在轉(zhuǎn)彎，直至轉(zhuǎn)彎結(jié)束[2]。

(2)響鈴。是一種聲壓級和頻率稍大于蜂鳴器的聽覺提醒裝置。因其使用場合和使用目的不同，其聲壓級和頻率的設(shè)置會(huì)有比較大的差別，例如在安靜的環(huán)境下使用的電話鈴聲，因其使用環(huán)境優(yōu)良，同時(shí)其目的只是為了引起接聽者注意，因此，聲壓級和頻率都較低。而在各種環(huán)境聲音及噪聲比較復(fù)雜的開放環(huán)境下使用，如用作指示上下班的鈴聲，其聲壓級和頻率就較高。

(3)角笛和汽笛。根據(jù)聲壓級和頻率的不同，角笛分為聲壓級90～100 dB、低頻的吼聲和高聲壓、高頻的尖叫器，常用于環(huán)境惡劣、夾雜多種高噪聲環(huán)境中的報(bào)警裝置。而汽笛則是聲壓級高、頻率也高，傳播距離遠(yuǎn)，運(yùn)用于緊急事態(tài)的音調(diào)信號報(bào)警裝置。如汽車中常用的測距雷達(dá)，當(dāng)距離較遠(yuǎn)時(shí)聲調(diào)柔和，而當(dāng)距離較近時(shí)則聲調(diào)逐漸升高且變得急促，以提醒駕駛員注意。

(4)警報(bào)器。警報(bào)器聲音頻率可以由高到低或者由低到高調(diào)節(jié)，聲壓級很高，傳播距離很遠(yuǎn)，同時(shí)有聲調(diào)的起伏變化，抗噪聲干擾能力較強(qiáng)，能瞬時(shí)引起人們的注意?？蛇\(yùn)用在安全緊急狀態(tài)，比如防空警報(bào)、地震警報(bào)等。

2 聽覺信號

聽覺信號常常用來傳達(dá)警告。信息的響度必須大到足夠容易察覺，但也不應(yīng)該太大。所有的警告信號應(yīng)該至少要比預(yù)期周圍的聲訊大10～15 dB。對大多數(shù)的應(yīng)用而言，它必須在0.5 s內(nèi)吸引聽者的注意，直到聽者有適宜的反應(yīng)才停止。一般聽覺警告的能量應(yīng)集中在頻率250～2500 Hz之間。在此范圍內(nèi)，連續(xù)性音調(diào)信號與間斷性音調(diào)信號應(yīng)該限制在400～1500 Hz之間。顫音或起伏的音調(diào)的建議頻率范圍甚至更小(500～1000 Hz)。

聽覺信號的警告效果，可用數(shù)種方法來提高。最顯著的是提高它的強(qiáng)度。其他的方法包括調(diào)節(jié)信號的振幅、給予適當(dāng)?shù)拈g斷聲以及周期性地改變信號的頻率，使得聲調(diào)達(dá)到每秒有1～3次的高低變化。

在聽覺人機(jī)信息交互中，應(yīng)注意以下原則：①在環(huán)境復(fù)雜并帶有較少噪聲背景的場合，需要按照最小化原則，把聽覺信號和報(bào)警信號的頻率設(shè)置在噪聲掩蓋效應(yīng)最小的范圍內(nèi)，使人們既能清晰分辨音調(diào)信號，同時(shí)又不過于刺耳。②對于僅需要引起人們注意的聲音，最好不使用連續(xù)的聲音信號，以防造成聲音干擾；而對于用于緊急事態(tài)的報(bào)警裝置，最好采用連續(xù)變頻、聲調(diào)起伏的方法，更能快速引起人們的注意。另外，警報(bào)裝置最好與信號燈一起使用，組成“視、聽”雙重報(bào)警信號[3]。③當(dāng)需要聲音傳播距離遠(yuǎn)，且環(huán)境遮擋比較多時(shí)，應(yīng)該使用低頻率、高強(qiáng)度的聲音信號。④在使用音調(diào)信號范圍比較小時(shí)，應(yīng)該合理設(shè)置聲音發(fā)射裝置的數(shù)量，避免各個(gè)信號之間互相干擾，造成聽覺接受者獲取信息的混淆。

3 語音信息

人與機(jī)器之間，除了可以使用簡單的聲音信息外，也可以用復(fù)雜的言語來傳遞信息[4]。傳遞和顯示言語信號的裝置稱為言語傳示裝置。如麥克風(fēng)這樣的受話器就是言語傳示裝置，而揚(yáng)聲器就是言語顯示裝置。作為言語顯示裝置，具有顯示信息準(zhǔn)確、信息量大的優(yōu)點(diǎn)，又由于是信息的單向傳輸，所以信息傳播迅速，缺點(diǎn)是容易受到噪音的干擾。常用的言語顯示裝置有電視、廣播、電話、電報(bào)及其它錄音、放音的裝置。

言語顯示裝置比音調(diào)裝置表達(dá)信息更準(zhǔn)確，信息量大，因此，在選擇時(shí)應(yīng)與音調(diào)裝置相區(qū)別，并注意以下原則：①當(dāng)需要大量傳輸信息時(shí)，使用單一言語顯示裝置表達(dá)信息準(zhǔn)確，不易產(chǎn)生信息內(nèi)容的混亂。②言語顯示裝置由于顯示的信息內(nèi)容比較單一，形式相對固定，較一般的視覺信號更有利于錯(cuò)誤溯源和故障處理。③在某些追蹤操縱中，言語傳動(dòng)裝置的效率甚至高于視覺信號。④在一些非職業(yè)領(lǐng)域中，如娛樂、廣播、電視等，采取言語顯示裝置比音調(diào)裝置更符合人們的習(xí)慣。

4 人機(jī)聽覺信息虛擬交互實(shí)現(xiàn)

4.1 虛擬聽覺系統(tǒng)機(jī)理

虛擬聽覺空間(Virtual Auditory Space，VAS)，是在虛擬現(xiàn)實(shí)系統(tǒng)中加入虛擬聽覺，以增強(qiáng)虛擬環(huán)境中使用者的沉浸感，減弱大腦對于視覺的依賴性[5]，使用戶能在融合視覺信息和聽覺信息的環(huán)境中，獲得更多的人機(jī)交互設(shè)計(jì)信息。虛擬聽覺空間比較真實(shí)地模擬了人們的自然視聽環(huán)境，但是又簡化處理了無關(guān)信號，具有結(jié)構(gòu)簡單等特點(diǎn)，它是研究聽覺、聲學(xué)以及人機(jī)虛擬交互的重要方法。

虛擬聽覺空間的最終目的是重塑真實(shí)空間中人獲取各種聲音信息的虛擬模型。它是基于人工頭模型立體聲系統(tǒng)，結(jié)合各種聲音信息的特點(diǎn)，構(gòu)建的復(fù)雜人機(jī)交互系統(tǒng)。在這個(gè)系統(tǒng)中，將傳聲器放入人工頭的雙耳處，所得信號再用一對耳機(jī)重發(fā)，即可再現(xiàn)原聲場的空間信息[6]。在自由聲場的情況下，與頭部相關(guān)聯(lián)的傳遞函數(shù)的頻率定義為：

(1)

其中，HL、HR分別表示左耳和右耳的傳遞函數(shù)，PL和PR分別表示在簡諧點(diǎn)聲源情況下，左、右耳道入口處的復(fù)數(shù)聲壓振幅。HL、HR是聲源的方位角θ、仰角φ，聲源到頭中心距離r，以及聲波的角頻率ω的函數(shù)，并且與頭部等效尺寸α以及頭和耳廓的形狀有關(guān)。

式(1)也可寫成相應(yīng)的時(shí)域形式：

(2)

要實(shí)現(xiàn)虛擬聽覺系統(tǒng)，通過測量得到自由聲場與頭部相關(guān)聯(lián)的傳遞函數(shù)，將單路聲頻信號E0用信號處理的方法，按(2)式進(jìn)行處理：

(3)

所得的雙耳信號EL、ER經(jīng)一對耳機(jī)重發(fā)，傾聽者的雙耳聲壓將正比于θ、φ方向的單聲源所產(chǎn)生的雙耳聲壓，通過改變?chǔ)?、φ，從而在虛擬聽覺系統(tǒng)中模擬出相應(yīng)的空間信息聲像。圖1是虛擬聽覺空間信號處理的結(jié)構(gòu)原理圖。

圖1 虛擬聽覺空間信號處理的結(jié)構(gòu)原理

4.2 單通道虛擬聽覺交互實(shí)現(xiàn)

虛擬聽覺交互通過對原始的聲音相關(guān)聯(lián)的傳遞函數(shù)的處理，得到雙聲道的數(shù)字信號，利用耳機(jī)對其信號進(jìn)行重發(fā)。圖2是虛擬聽覺系統(tǒng)的功能實(shí)現(xiàn)流程圖。

圖2 虛擬聽覺系統(tǒng)的功能實(shí)現(xiàn)流程圖

方位選擇器根據(jù)虛擬聲源相對于收聽者的位置，決定大致的空間方位，由存儲(chǔ)器得到相應(yīng)的系數(shù)，并重建出所需方位與頭部相關(guān)聯(lián)的沖激響應(yīng)，分別送往左右耳的感知計(jì)算器。聲音信息經(jīng)過信號放大器放大后，輸送到收聽者的左右聽覺感知器。

由圖2所示的虛擬聽覺系統(tǒng)的實(shí)現(xiàn)流程可以看出，每一幀數(shù)據(jù)都要使用線性運(yùn)算，兩個(gè)序列的線性運(yùn)算可以用圓周計(jì)算來代替，而圓周計(jì)算可以在頻域中用FFT快速算法實(shí)現(xiàn)。

對于兩個(gè)有限長序列x(m),h(m)，要使圓周計(jì)算的結(jié)果不產(chǎn)生混淆，則兩個(gè)序列長度都必須進(jìn)行補(bǔ)零擴(kuò)展，其長度至少為n點(diǎn)，即：

M=M1+M2-1

(4)

其中，M1為x(m)的數(shù)據(jù)長度，M2為h(m)的數(shù)據(jù)長度。

y(m)=x(m)?h(m)的計(jì)算可以通過以下幾個(gè)步驟來完成，其中?為線性運(yùn)算：

(1)求H(k)=DFT[h(m)],M點(diǎn)；

(2)求X(k)=DFT[x(m)],M點(diǎn)；

(3)計(jì)算Y(k)=H(k)·X(k)；

(4)y(m)=IDFT[Y(k)]。

虛擬聽覺系統(tǒng)實(shí)現(xiàn)中，一般采用wav格式的音頻文件，wav音頻采樣率為 44.1kHz，如果有幾分鐘長度的wav文件，則整個(gè)文件需要占用大量的計(jì)算機(jī)存儲(chǔ)空間，會(huì)嚴(yán)重造成數(shù)據(jù)處理的延遲。因此，需要對數(shù)據(jù)進(jìn)行分幀、分段處理。

數(shù)據(jù)分段的方法是將聲音信息序列進(jìn)行分段，再和相關(guān)聯(lián)的傳遞函數(shù)做運(yùn)算處理。具體分段過程為：先確定輸入序列x(m)的分段長度，對x(m)各段xi(m)作如下處理：

(1)與上幀重疊Mk-1點(diǎn)取點(diǎn)，其中第一幀數(shù)據(jù)前補(bǔ)Mk-1個(gè)零，做M1點(diǎn)FFT得到Xi(k)；

(2)在h(m)后補(bǔ)零至長度為M1，做M1點(diǎn)FFT得到H(k)；

(3)求Yi(k)=H(k)·Xi(k)；

(4)對Yi(k)做IFFT得到y(tǒng)i(m)。

(5)將yi(m)的后(M1-Mk+1)個(gè)點(diǎn)作為該段卷積輸出。

每一段輸出的前(Mk-1)點(diǎn)是要?jiǎng)h除的，然后把相鄰段留下的點(diǎn)鏈接起來就構(gòu)成了最終的輸出，因?yàn)樽罱K的輸出是雙聲道數(shù)據(jù)，所以都需要對每段數(shù)據(jù)經(jīng)過兩次正反 FFT變換?；诖?，我們轉(zhuǎn)換如下運(yùn)算：

yi(m)=yil(m)+jyir(m)=xi(m)·hl(m)+jxi(m)·hi(m)

=xi(m)·(hl(m)+jhr(m))

(5)

其中，yil、yir分別代表左、右耳數(shù)據(jù)，hl、hr為對應(yīng)的左、右耳相關(guān)聯(lián)的沖激響應(yīng)數(shù)據(jù)。相應(yīng)的：

Yi(k)=Xi(k)·H(k)

(6)

其中，

H(k)=FFT(hl(m)+jhr(m))

(7)

最后，即可得到：

yil(m)=Re(IFFT[Yi(k)])

yil(m)=Img(IFFT[Yi(k)])

(8)

4.3 雙通道虛擬聽覺交互實(shí)現(xiàn)

以上實(shí)現(xiàn)的是一個(gè)聲源情況下虛擬系統(tǒng)的聽覺交互[7]。但是，在實(shí)際環(huán)境中，往往會(huì)有2種甚至多種以上的聲源信息同時(shí)進(jìn)入人的聽覺感知系統(tǒng)。對此情況采用如圖3所示的多聲源信息的合成處理。

圖3 雙聲源信號合成處理示意圖

將兩聲源分別進(jìn)行相關(guān)聯(lián)的傳遞函數(shù)處理，得到左右聲道不同的聲音感知信息，然后進(jìn)行相互疊加，最終得到綜合性的聽覺感知。

以上，不管是單聲源信息或者是多聲源信息，都是在聲源靜止情況下的虛擬實(shí)現(xiàn)。在實(shí)際的動(dòng)態(tài)操控系統(tǒng)中，聲音信息與操作者之間往往存在相對運(yùn)動(dòng)，這時(shí)，聲波頻率與波源頻率會(huì)發(fā)生多普勒頻移。在處理動(dòng)態(tài)聲音的虛擬實(shí)現(xiàn)中，一般采用傅立葉變換方法。

fR(h)=fS(h)g(h)

(9)

其中，

g(h)=1-

(10)

(11)

其中，g(h)是接收頻率與發(fā)送頻率的變換因子，vx(h)、vy(h)、vs(h)是t時(shí)刻聲源相對接收者的速度分量，v(h)、y(h)、s(h)分別是t時(shí)刻聲源相對接收者的坐標(biāo)分量，c是空氣中的聲速。

si(h)=Aicos[βi(h)]

(12)

其中，βi(t)是瞬時(shí)相位。

頻率也可以用相位來定義：

(13)

根據(jù)式(12)、式(13)，可得到：

(14)

將式(12)、式(13)代入式(14)，去掉積分得到：

(15)

把聲源信號按時(shí)間劃分為長度為N的序列，傅立葉變換后，得到傅立葉級數(shù)的系數(shù)Ai和Bi，則運(yùn)動(dòng)聲源的信號可以表示為：

(16)

其中，α(h)=η/r(h)是聲音的衰減因子。

經(jīng)過以上的函數(shù)變換，就可以實(shí)現(xiàn)虛擬環(huán)境中人體模型聽覺系統(tǒng)的人機(jī)信息交互。

5 總結(jié)

文章分析了人體聽覺的特征，利用人工頭模型立體聲系統(tǒng)，虛擬人體對聲音的感知模型。同時(shí)通過函數(shù)計(jì)算，實(shí)現(xiàn)了虛擬環(huán)境中的人體對音頻信息的感知，最終構(gòu)建了虛擬人機(jī)環(huán)境中聽覺的交互模型，該模型對復(fù)雜系統(tǒng)中多信息虛擬人機(jī)交互有重要的意義。