การรับรู้ Tonal Spatial และ Echo

เสียงดนตรีและเสียงพูดสร้างรูปร่างของ Tonal ที่เปลี่ยนแปลงอย่างต่อเนื่อง ซึ่งหูของเราสามารถรับฟังและรับรู้ได้ เราคาดหวังว่ารูปทรงของ Tonal จะเปลี่ยนไปพร้อมกับดนตรีโดยไม่ขึ้นอยู่กับระบบเสียง หากระบบการสร้างเสียงมีความโปร่งใสมากพอ เพลงจะผ่านไปได้โดยไม่มีการแก้ไข Tonal แต่หากระบบเสียงมี Peak ในช่วงเสียงกลาง Peak นั้นจะถูกส่งผ่านไปยังเพลงทั้งหมด รูปร่างของ Tonal ที่สัมพันธ์กันนี้จึงเป็นสิ่งที่น่ากังวล

ลักษณะของ Tonal

ลักษณะของ Tonal ที่ได้ยินประกอบด้วย 3 ส่วนหลัก ๆ คือ

1. รูปคลื่นเสียงที่มาจากแหล่งกำเนิดโดยตรง (Direct Sound)
2. สำเนาของรูปคลื่นที่เป็นเสียงสะท้อน โดยมาถึงหูในช่วงเวลาใกล้เคียงกับเสียงต้นฉบับ ภายใต้กรอบระยะเวลาการรวม
3. สำเนาของรูปคลื่นที่เป็นเสียงสะท้อนเช่นกัน แต่มาถึงหูเราหลังจากนั้น ซึ่งมีความหน่วงเวลา (Delay) มากกว่า

ปัจจัยเหล่านี้จะส่งผลต่อ Tonal เว้นแต่ว่าจะอยู่ในสภาพแวดล้อมที่ไม่มีเสียงสะท้อน ระดับความซับซ้อนของ Tonal จะเพิ่มขึ้นทุกครั้งที่มีการเพิ่มสำเนาของสัญญาณ

การรวมกันของปัจจัยเหล่านี้ สร้างเป็นภาพรวมของเสียงที่เราได้ยินและรับรู้ในสมอง ชื่อเรียกที่ใช้กันทั่วไปในการจำแนกประสบการณ์การฟังนี้ คือการรับรู้ด้าน Tonal, Spatial และ Echo

ประสบการณ์การฟังเสียงไม่ได้จำกัดอยู่แค่การรับรู้ด้าน Tonal, Spatial และ Echo เท่านั้น แต่สามารถเกิดขึ้นได้หลากหลายรูปแบบ ไม่ว่าจะเป็นการรับรู้ทั้งสามอย่าง หรือเป็นการรับรู้แค่ด้านใดด้านหนึ่งก็ตาม ผลลัพธ์ขึ้นอยู่กับองค์ประกอบของสัญญาณต้นฉบับ สัดส่วนของเสียงสะท้อนเทียบกับเสียงตรง และระยะเวลาของการมาถึงล่าช้าของเสียงสะท้อน

ความสัมพันธ์ของปัจจัยเหล่านี้อาจดูซับซ้อน แต่ก็ไม่ได้ยากเกินกว่าที่เราจะทำความเข้าใจได้ เพราะในท้ายที่สุดแล้ว ทุกอย่างล้วนเชื่อมโยงและผสมผสานกันในรูปแบบต่าง ๆ ใจความสำคัญของบทความนี้ คือการชี้ให้เห็นถึงความสัมพันธ์ระหว่างคุณสมบัติการรวมกันของเสียง กับการรับรู้ Tonal ว่ามีผลอย่างมากต่อการออกแบบและปรับแต่งระบบเสียงให้มีคุณภาพ

บทความนี้แตกต่างจากการเรียนรู้ทั่วไปตรงที่เราไม่ได้มุ่งเน้นแค่ช่วงเสียงพูดเท่านั้น งานวิจัยส่วนใหญ่มักจะเน้นไปที่การรับรู้เสียงคำพูด โดยไม่ได้ให้ความสำคัญกับเสียงของเครื่องดนตรีมากนัก แต่สำหรับนักออกแบบระบบเสียงแล้ว การทำความเข้าใจการรับรู้เสียงของเครื่องดนตรีต่างๆ ก็เป็นเรื่องสำคัญไม่แพ้กัน

ประเด็นหลักอยู่ที่เราจำเป็นต้องเชื่อมโยงสิ่งที่ได้ยินจากหู กับสิ่งที่เห็นบนเครื่องวิเคราะห์เสียง แล้วจะแปลสิ่งนี้เป็นการออกแบบที่เหมาะสมได้อย่างไร ? สิ่งที่ต้องทำคือมองถึงความต่อเนื่องระหว่าง Tonal, Spatial และ Echo perception รวมถึงสาเหตุทั่วไปของสิ่งเหล่านั้นด้วย

การรับรู้ของเราทำให้เชื่อว่า เสียง Echo ที่แยกออกจากกันหรือการสะท้อนเสียงที่ไม่ต่อเนื่อง เป็นเหตุการณ์ที่แตกต่างกันโดยสิ้นเชิง ความจริงอาจยากกว่าที่คิดไว้มาก กรณีส่วนใหญ่ระยะเวลาความต่างของความถี่ต่ำ ยังคงเพียงพอสำหรับการรวมเข้าด้วยกันเนื่องจากความยาวคลื่นที่มาก ซึ่งแตกต่างจากความถี่สูง ดังนั้นเวลาคือองค์ประกอบสำคัญ

หูและสมองมีความสามารถในการรวมเสียงจริงและเสียง Echo ที่มาถึงเข้าด้วยกันภายในระยะเวลาที่กำหนด และจะไม่ได้ยินเสียง Echo นั้น ๆ ไม่ว่ากระจกจะล้อมรอบเรามากเพียงใดก็ตาม แต่เสียง Echo จะได้ยินก็ต่อเมื่อมีการเปลี่ยนแปลงแบบไดนามิก, ระยะเวลาที่เกินการรวมเสียง และการเปลี่ยนแปลง Transient ในบางรูปแบบเท่านั้น

ลองพิจารณาสัญญาณ 2 รูปแบบซึ่งเป็นลักษณะตรงกันข้าม

แบบแรกให้นึกถึงดนตรี “Gregorian chant” ซึ่งเป็นดนตรีที่มีการเล่นเสียงจังหวะคงที่ เป็นเสียงการสวดมนต์ในมหาวิหารหินและกระจกที่มี Echo อยู่จำนวนมาก ทำให้มีการรับรู้ Tonal สูงสุด แต่หูจะป้องกันไม่ให้ถูกรบกวนด้วยการรวมเสียงสะท้อนในเวลาอันใกล้ ซึ่งตรงข้ามกับสัญญาณ Pure Impulse ซึ่งเป็นเสียงที่ดังขึ้นและหายไปอย่างรวดเร็ว โดยมีการกระจายตัวในช่วงความถี่ที่กว้าง เช่น เสียงฟ้าผ่าหรือเสียงปรบมือ เป็นต้น

สัญญาณ Pure Impulse เป็นสัญญาณที่ง่ายที่สุดในการแยกแยะเสียง Echo ในขณะเดียวกันก็เป็นสัญญาณที่แยกแยะได้ยากที่สุด โดย “Gregorian chant” จะใช้ระยะเวลาสูงสุดในไดนามิกที่ต่ำ ในขณะที่ Pure Impulse ตรงกันข้าม

สัญญาณดนตรีจะประกอบด้วยสัญญาณชั่วครู่ (Transient) และสัญญาณคงที่ (Steady state) ที่หลากหลาย โดยจะเกิดการเปลี่ยนแปลงอย่างต่อเนื่องระหว่างการรับรู้ Tonal, Spatial และ Echo perception แม้ว่าผู้ฟังจะนั่งอยู่ที่เดิมในห้องเดียวกันก็ตาม เป้าหมายของคือการหาวิธีแยกแยะเกณฑ์การรับรู้เหล่านี้ สิ่งสำคัญคือความถี่

การรับรู้เสียงก้อง (Echo Perception) เกิดขึ้นอย่างค่อยเป็นค่อยไป โดยจะเริ่มต้นที่ความถี่สูงสุด แต่มีการตีพิมพ์อย่างแพร่หลายว่า กลไกการแบ่งแยกนี้คือความต่างของเวลา (Time Offset) แต่ขอบเขตเวลาที่แบ่งแยกที่ได้รับการตีพิมพ์นั้นไม่ใช้ทั้งหมดที่สมบูรณ์

โซนการรับรู้แรกคือโซนการรวม Tonal (Tonal Fusion Zone) เป็นระยะเวลา 20-30 ms นี่คือพื้นที่ที่จะได้รับประโยชน์มากที่สุดในการ Equalization จากนั้นจะเข้าสู่พื้นที่แห่งการรับรู้ความกว้างของเสียง คือระหว่าง 50 หรือ 60 ms และในที่สุดก็ปรากฏให้เห็นถึงการรับรู้ของเสียง Echo ที่แยกจากกัน (สูงกว่า 60 ms) โดยภายในโซนสุดท้ายนี้จะเป็นพื้นที่ที่จะได้ประโยชน์น้อยที่สุดจากการ Equalization

“ที่จริงแล้วสิ่งเหล่านี้ไม่ควรถูกมองเป็นตัวเลขที่แน่นอน แต่สามารถทำให้เกิดระมัดระวังได้” ท้ายที่สุดแล้ว ช่วงเวลาที่แตกต่างกันของความถี่สำหรับช่วงการได้ยินที่ 20 Hz ถึง 20 kHz คือสัดส่วนถึง 1,000 ต่อ 1 !

ตัวอย่าง ลองนึกถึงสัญญาณเสียงสองชุดที่ถูกรวมเข้าด้วยกัน โดยมีความหน่วงเวลาห่างกัน 30 มิลลิวินาที ซึ่งเป็นขีดจำกัดสูงสุดของช่วงที่เสียงจะถูกรับรู้เป็น Tonal เดียวกัน (Tonal Fusion Zone) เมื่อเราพิจารณาการตอบสนองความถี่ของเสียงที่รวมกันนี้ ที่ความถี่ 30 Hz จะพบลักษณะ Peak ที่มีความกว้างประมาณ 1 Octave แต่เมื่อพิจารณาที่ความถี่ 12 kHz กลับพบว่าความกว้างนั้นแคบลงมาก เหลือเพียงแค่ 1/400 ของ Octave เท่านั้น

สิ่งเหล่านี้มีผลต่อการ Equalization หรือไม่ ?

การรับรู้ Tonal

การรับรู้การตอบสนองทาง Tonal ในระบบมีความซับซ้อนหลายชั้น คุณภาพ Tonal คือการผสมผสานระหว่างเสียงโดยตรงและผลรวมที่มาถึงภายในระยะเวลาการรวม โดย Tonal Character ของเสียงโดยตรงจะถูกปรับเปลี่ยนโดยผลรวมผ่านกระบวนการ “Comb Filtering”

เมื่อระลอกคลื่นของการรวมเพิ่มขึ้น (Summation Ripple) การบิดเบือนของคุณภาพ Tonal จะยิ่งชัดเจน เสียงจะถูกปรับเปลี่ยนในระดับหนึ่งไม่ว่าการมาถึงครั้งที่สองจะมีความล่าช้าเพียงใด (หากเป็นไปตามเกณฑ์ระยะเวลาการรวม)

ความล่าช้าจะเป็นตัวกำหนดช่วงความถี่ที่ได้ยิน เมื่อความล่าช้าเพิ่มขึ้น ช่วงความถี่เดิมจะได้รับผลกระทบลดลง อย่างไรก็ตาม สิ่งรบกวนไม่ได้หายไปไหน เพียงแต่จะย้ายข้ามเกณฑ์การรับรู้ด้าน Tonal ไปสู่การรับรู้เชิงพื้นที่และการรับรู้ Echo ในที่สุด

Tonal Envelope

ในห้องที่มืดมิดมีเพียงแสงจากไฟดวงหนึ่ง แสงไฟก่อตัวเป็นรูปทรงที่เป็นที่รู้จัก เช่น ต้นไม้ แม้ว่าไฟจะมีอยู่เพียงบางส่วนเล็ก ๆ ในการมองเห็น จิตใจของเราก็มุ่งความสนใจไปที่การแยกแยะรูปแบบของแสงเหล่านั้นได้ โดยมุ่งเน้นไปที่สิ่งที่มองเห็น ไม่ใช่สิ่งที่มองไม่เห็น

การรับรู้ Tone ก็เช่นกัน หูของเราจะได้ยินสิ่งที่มีอยู่ในเสียง มากกว่าสิ่งที่ขาดหายไป เราจะโฟกัสไปที่ความโดดเด่นหรือจุดที่สว่างที่สุดในสเปกตรัมเสียง, นั่นคือจุด Peak, ในขณะที่ละเลยส่วนที่เบาหรือมืดไป นั่นคือจุด Dips ไว้ที่พื้นหลัง รูปแบบของจุดสว่างในสเปกตรัมเสียงคือ Envelope ซึ่งมีผลต่อลักษณะของ Tonal

ในสภาพแวดล้อมฟรีฟิลด์ (Free Field Environment) ที่ไม่มีเสียงสะท้อน “Envelope” จะมีรูปทรงตามสเปกตรัมของลำโพงแต่ละใบ และควรจะไม่มีการ Dips Cancellations โดยตามทฤษฎีรูปทรง Envelope ของลำโพงในอุดมคติคือ สเปกตรัมความถี่เสียงที่ Flat ไม่มีช่องว่าง (Dips)

เมื่อมีการเพิ่มผลรวมจากการสะท้อนของห้องหรือลำโพงอื่น ๆ การตอบสนองจะเปลี่ยนไป Peaks และ Dips จะถูกเพิ่มเข้าไปในสมการ ทำให้ Envelope เปลี่ยนไป พื้นที่ Peak จะโดดเด่นเหนือการตอบสนองค่าเฉลี่ยมัธยฐาน และพื้นที่ Deep Cancellations จะถูกย้ายลงไปด้านล่าง

“จงอย่าลืมว่า หูของเราติดตามไปยังจุดที่มีแสงสว่างที่สุดในพื้นที่ หรือแถบสเปกตรัมที่โดดเด่น”

จุด Peak ในบริเวณใกล้เคียงกับการตอบสนองค่าเฉลี่ยมัธยฐาน จะโดดเด่นเช่นเดียวกับการมองเห็นเนินเขา ซึ่งพื่นที่การตอบสนองค่าเฉลี่ยมัธยฐานในบริเวณใกล้เคียง Deep Cancellations ก็โดดเด่นในลักษณะเดียวกัน สุดท้ายจุด Peak ที่ล้อมรอบด้วย Deep Cancellations ระดับที่ลึก ถือเป็นกรณีที่ร้ายแรงที่สุด เนื่องจากระดับความแตกต่าง

เมื่อมีการเพิ่มผลรวมที่มากขึ้น ความซับซ้อนในการตอบสนองก็จะเพิ่มตาม Envelope จะเกิดใหม่ในรูปทรงของแถบสเปกตรัม

แบนด์วิธของ Peak ที่ปรากฏในสเปกตรัมเสียง มีผลอย่างมากต่อระดับการรับรู้ Tonal เนื่องจากหูมีความละเอียดในการรับรู้ Tonal ที่จำกัด การเปลี่ยนแปลงเล็ก ๆ น้อย ๆ ใน Oscillator Pitch สามารถสังเกตได้ด้วยหูของคนทั่วไป แม้ไม่ได้ไม่ได้ผ่านการฝึกฝนมาโดยเฉพาะ

ความละเอียดในการรับรู้ความถี่ Tonal Character ที่สามารถได้ยินได้ เรียกว่า Critical Bandwidth ความหมายก็คือจุด Peaks และ Dips ที่แคบกว่า Critical Bandwidth จะไม่ถูกรับรู้ว่ามีการเปลี่ยนแปลงของ Tonal แต่ไม่ได้หมายความว่า Peaks และ Dips ที่แคบจะไม่มีผลกระทบต่อการได้ยิน แต่จะถูกมองว่าเป็นผลการรับรู้เชิงพื้นที่มากกว่า

จาก Comb Filters และ Critical Bands แบนด์วิธของ Comb Filters เหล่านี้ สัมพันธ์กับการชดเชยความยาวคลื่น ระหว่างสัญญาณสองสัญญาณในความถี่ที่กำหนด เมื่อการชดเชยเวลามีมากพอ ผลกระทบจะเป็นที่ชัดเจนในการการรับรู้เชิงพื้นที่ และในที่สุดเกิดเป็นการรับรู้ Echo แบบไม่ต่อเนื่อง

สามารถยืนยันว่าการรับรู้ Tonal Envelope มีความสอดคล้องกับรูปแบบการตอบสนองความถี่ที่แสดงในเครื่องวิเคราะห์สเปกตรัมความละเอียดสูง (High-Resolution Complex Analyzer) และยอด Peak แบนด์วิธที่มีความกว้างเป็นสิ่งที่ระบุได้มากที่สุด แม้ว่าระดับของ Peak เหล่านั้นจะสูงกว่าค่ามัธยฐานเพียงไม่กี่เดซิเบลก็ตาม

จุด Peak ที่แคบมาก ๆ ในสเปกตรัมเสียง แม้จะมีระดับใกล้เคียงกับ Peak ที่กว้าง ก็ไม่ค่อยส่งผลต่อการรับรู้ Colorations มากนัก เนื่องจากการรับรู้ Critical Bandwidth ในการรับฟังของหูมนุษย์

ค่าที่พบมากที่สุดในการรับรู้คือประมาณ 1/6 Octave ในช่วงความถี่กลางและสูง ในช่วงความถี่ต่ำ ความละเอียดในการรับรู้ความถี่ของหูจะ Linear มากขึ้นเช่นเดียวกับ Critical Bandwidth

สิ่งนี้มีความเหมาะสมที่จะใช้เครื่องมือ EQ กวาดหาโทนที่รบกวนมากที่สุด กล่าวคือ หายอดที่กว้างที่สุดแล้วจัดการ ความสำคัญจะลดลงจากจุดนั้น โดยความสำคัญต่ำสุดคือจุด Peaks และ Dips ที่แคบเกินกว่าจะรับรู้ได้ แต่นี่อาจเป็นแนวทางที่ดีที่สุดสำหรับการแก้ปัญหาในเรื่องอื่น ๆ

แต่นี่ไม่ได้หมายความว่าการตอบสนอง Dips นั้นจะไม่สามารถได้ยิน หากการตอบสนองที่หายไปที่มีความกว้างมากพอ จะสามารถรับรู้ถึงความผิดปกติได้อย่างชัดเจนเมื่อมีการเล่นดนตรี เหมือนกับว่ามีบางส่วนของเพลงหายไป 

ลักษณะที่เห็นได้ชัดเจนที่สุดคือ การเปลี่ยนแปลงโทนเสียงของเครื่องดนตรีหรือเสียงนั้น ๆ ขณะที่เคลื่อนผ่านสเกล (Scale) การเล่น โน้ตบางตัวโดดเด่นและบางตัวก็หายไป ส่วนบางตัวมี Colorations ที่ผิดแผกไปจากโครงสร้างฮาร์โมนิค

การลดจุดสูงสุดลงไปที่ระดับเฉลี่ยมัธยฐาน จะป้องกันไม่ให้มีส่วนโดดเด่น แต่จะไม่ช่วยฟื้นฟูชิ้นส่วนที่ขาดหายไปที่เกิดจากการ Cancellation และการ Cancellations นี้ยังคงเป็นข้อที่น่ากังวล แต่ถ้ามันไม่กว้างพอก็ไม่ต้องพยายามรักษาก็ได้

การรับรู้ Echo

คุณภาพ Tonal, Spaciousness (ความรู้สึกกว้าง) และเสียง Echo แบบไม่ต่อเนื่องที่เรารับรู้ได้นั้น แท้จริงแล้วเกิดจากกลไกพื้นฐานเดียวกัน คือการมีอยู่ของเสียงต้นฉบับโดยตรง และสำเนาที่ไม่สมบูรณ์ที่เกิดจากความล่าช้า หรือมีการตอบสนองความถี่ที่ถูกแก้ไข ไม่มีเส้นแบ่งที่ชัดเจนระหว่างลักษณะการรับรู้เหล่านี้ ?

ในโลกของฟิสิกส์นั้นไม่มีเส้นแบ่งที่ชัดเจน ในขอบเขตเวลาการมาถึงก่อนซึ่งเปลี่ยนแปลง Tonal กับเสียงที่รับรู้ว่าเป็น Echo โดยหากวัดเสียงในโดเมนของเวลา การแยกเวลาใด ๆ จะถูกมองว่าเป็นแรงกระตุ้น (Impulse) ที่แยกจากกันอย่างไม่ต่อเนื่องเสมอ

โดยเมื่อเพิ่มการชดเชยเวลามากขึ้น เพียงแต่ช่วยในการแยก Impulse ออกจากกัน ส่วนในโดเมนความถี่จะเห็นการ Comb Filter แคบลงอย่างต่อเนื่อง ไม่ว่าในกรณีใด ไม่มีอะไรแจ้งให้ทราบโดยตรงถึงการเปลี่ยนแปลงของ Spaciousness และเสียง Echo แบบไม่ต่อเนื่อง

เส้นแบ่งจะอยู่ที่หูของเรา เนื่องจากรู้ว่าการเปลี่ยนแปลง Tonal มาจากไหน ? นั่นคือผลรวมที่มาถึงเร็ว / รู้ว่าการรับรู้เชิงพื้นที่มาจากไหน ? นั่นคือผลรวมการมาถึงระดับกลาง และ รู้ว่าเสียง Echo ที่ไม่ต่อเนื่องมาจากไหน ? นั่นคือผลรวมการมาถึงล่าช้า โดยจะนิยามความล่าช้าไว้ว่า เมื่อเราได้ยินเป็นเสียง Echo !!

ต่อมาเรารู้ว่า สิ่งนี้ขึ้นอยู่กับสัญญาณกระตุ้น (Impulse) จึงต้องดูว่า ประเภทของสัญญาณส่งผลต่อการรวมอย่างไร ความแตกต่างที่สำคัญคือบทบาทของระยะเวลาการรวม

สัญญาณต่อเนื่อง (Continuous signals) จะมีระยะเวลารวมผลที่ยาว และมีผลต่อการเปลี่ยนแปลง Coloration

สัญญาณชั่วคราว (Transient signal) มีระยะเวลาที่สั้น

เนื่องจากความถี่สูงมีคาบสั้นที่สุด Transient Peaks จึงมีคาบเวลาสั้นตามไปด้วย จึงจะเป็นกลุ่มแรกที่จะถูกแยกออกมาเป็นการรับรู้ Echo

ลักษณะความต่างเวลาของการรวม จะทำหน้าที่เป็นฟิวเตอร์สำหรับการตอบสนองความถี่ที่เลื่อนต่ำลงไปในการรับรู้ Tonal จึงเป็นสิ่งสมควรที่จะใช้ความถี่ที่เลื่อนต่ำลงไปสำหรับการรับรู้ Echo

ตัวอย่าง ในการมาถึงที่ล่าช้า 5 ms ความล่าช้านี้สำหรับ 10 kHz และ 100 Hz เป็นเรื่องที่แตกต่างกันอย่างมาก เนื่องจากจะทำให้เกิด Comb Filtering ที่ 10 kHz ซึ่งเท่ากับ l/50 ของความกว้าง Octave (ความต่าง 50 ความยาวคลื่น) ซึ่งอยู่ไกลเกินกว่า Critical Bandwidth (ความต่าง 6 ความยาวคลื่น) สำหรับการเปลี่ยนแปลง Tonal

แล้วมีผลอย่างไร ? อย่างน้อยต้องมีเสียง Echo ที่เกิดขึ้นแน่นอน และแน่นอนยิ่งกว่าคืออย่าไปพยายาม Equalize มัน

เกิดอะไรขึ้นที่ 100 Hz ? เสียใจที่ต้องแจ้งให้ทราบว่า ความถี่ 100 Hz เกิดความล่าช้าครึ่งหนึ่งของความยาวคลื่น เกิดการเปลี่ยนแปลง Tonal สูงสุด นั่นคือการ Cancellation ระดับการเลื่อนเวลาของ Tonal ที่จะเกิด Echo นั้นพอ ๆ กับลอการิทึมของ Comb Filter ในกรณีที่ฟันหวีกว้างเราจะได้ยินเสียง เมื่อฟันหวีแคบมาก ๆ นั่นคือเวลาที่มากจนเกิดเป็นเสียง Echo

จากเนื้อหาก่อนหน้า เกณฑ์การรับรู้เสียง Echo จะอยู่ที่ 60 ms ความล่าช้าดังกล่าวจะสร้าง Filter ประมาณ 1/24 Octave ในช่วงความถี่ 400 Hz (60/2.5 ms) ตัวเลขเกณฑ์เวลานี้เกิดขึ้นจากการวิจัย เนื่องจาก 400 Hz ถือเป็นหัวใจหลักของช่วงเสียงของมนุษย์ ดังนั้นจึงสมเหตุสมผลอย่างยิ่งที่ใช้ 1/24 Octave เป็นเกณฑ์

ต่อมาเราจะกลับมุมมองมาตรฐานเกณฑ์การชดเชยเวลา เป็นเอฟเฟกต์การตอบสนองต่อความถี่แทน จะเกิดอะไรขึ้นถ้าใช้ Octave 1/24 (ความยาวคลื่น 24 ช่วง) เป็นเกณฑ์ แทนที่จะใช้เป็นเวลาคงที่ 60 ms ?

ยกตัวอย่าง สิ่งนี้จะแปลงเป็นมาตราส่วนเวลาด้วย 2 ms ที่ 12 kHz (0.083 ms x 24) และ 240 ms ที่ 100 Hz (10 ms x 24)

สิ่งนี้จะมีความสำคัญ เนื่องจากจะทำให้มีเกณฑ์เดียวในการแยกแยะระหว่างโดเมนเวลาและโดเมนความถี่ ตัวเลือกการเพิ่มประสิทธิภาพสำหรับการมาถึงภายใต้ขีดจำกัด  l/24 Octave จะรวมถึงความเป็นไปได้ของการ Equalization ในขณะที่ตัวเลือกที่เกินกว่านั้น จะถูกจำกัดไว้ในการแก้ปัญหาด้วยวิธีอื่น ๆ

พิสูจน์ด้วยการฟังสัญญาณการรวมทั้ง Transient signals และ Continuously แล้วปรับการชดเชยเวลา การเปลี่ยนผ่านไปสู่เสียง Echo จะเกิดขึ้นทีละน้อย โดยเริ่มจากเฉพาะความถี่สูงสุด และค่อยๆ เคลื่อนสเปกตรัมความถี่ต่ำลงไปเรื่อย ๆ

จุด Transient Peak แสดงการแยกความถี่สูงสุดที่รับรู้ได้ในเวลาน้อยกว่า 2 ms ซึ่งสอดคล้องกับ Octave l/24 ต่อมาเมื่อเวลาเพิ่มขึ้นเป็น 10 ms การแยกสัญญาณจึงเห็นได้ชัดเจนอย่างมากในช่วงความถี่กลาง แต่ความถี่ต่ำยังเป็นเพียงเสียงที่ขยายออกไปเท่านั้น

เมื่อผ่านไป 25 ms สัญญาณก็ฟังดูเหมือนแยกจากกันอย่างชัดเจนขึ้น แต่เรารู้ว่าจริง ๆ แล้วเสียงไม่ได้เป็นเช่นนั้น เนื่องจากความยาวคลื่น 30 Hz จะแยกออกได้อย่างไร ? ในเมื่อเวลายังผ่านไปไม่ถึงแม้แต่รอบคลื่นเดียวด้วยซ้ำ !!

สิ่งนี้ไม่ขัดแย้งกับการค้นพบก่อนหน้านี้ ซึ่งตัวเลขที่ยอมรับนั้นขึ้นอยู่กับการส่งผ่านเสียงพูด และการค้นพบ 60 ms นั้นสอดคล้องกับการเปลี่ยนแปลงการรับรู้ในช่วงเสียงกลาง แต่งานของเราในการเพิ่มประสิทธิภาพระบบเสียงนั้น จะอยู่นอกเหนือไปจากขอบเขตของเสียงพูดเท่านั้นเอง

การรับรู้เชิงพื้นที่ (Spatial Perception)

มีหลายครั้งที่สามารถระบุแหล่งที่มาของเสียงได้อย่างแม่นยำ และก็มีช่วงเวลาที่สามารถระบุหลายแหล่งเสียงในรูปแบบของเสียง Echoได้ ที่อยู่ตรงกลางระหว่างทั้งสองสิ่งนี้คือ การรับรู้เชิงพื้นที่ แหล่งกำเนิดเสียงจะมีลักษณะเป็น “ใหญ่” “อ้วน” “กว้าง” หรือแล้วแต่จะเรียก เนื่องจากหูกำลังได้รับข้อมูลที่ขัดแย้งกัน เกี่ยวกับตำแหน่งและระยะเวลาของแหล่งกำเนิดเสียง

เรารู้จากเรื่องการระบุทิศทางแล้วว่า Sound Image จะสนับสนุนทิศทางของการมาถึงครั้งแรก เว้นแต่จะถูกครอบงำอย่างมากด้วยระดับความดังเสียงที่แตกต่างกัน

พิจารณา Precedence effect ก่อนหน้านี้ Sonic Image ได้ดำเนินไปครึ่งหนึ่งแล้วโดยมีเวลาชดเชยเพียง 2.5 ms ที่ 10 kHz ค่านี้จะชดเชยความยาวคลื่น 25 ช่วงคลื่น ซึ่งเกิน 24 ช่วงคลื่น ดังนั้นจึงเพียงพอที่จะย้ายเสียงไปยังด้านการรับรู้เสียง Echo ต่อมาที่ 100 Hz ซึ่งค่าออฟเซ็ตเท่ากับ 1/4 ของความยาวคลื่น จึงไม่มีนัยสำคัญใด ๆ ในเวลานี้

ผลลัพธ์ที่รับรู้ได้คือ Image ความถี่สูงถูกแยกออก ความถี่ช่วงกลางและต่ำจะถูกขยายไปด้านข้างระหว่างแหล่งกำเนิด เนื่องจากมีการแยกจากกันด้วยความยาวคลื่นที่น้อยกว่าเมื่อเทียบกับความถี่

เราสามารถพูดได้ว่าความถี่ต่ำมี “ความยืดหยุ่น” เชิงพื้นที่มากกว่าความถี่สูง Image จะขยายระหว่างแหล่งกำเนิดเสียงต่าง ๆ ได้อย่างง่ายดาย ตรงกันข้ามกับความถี่สูงที่แยกออกจากกันได้อย่างรวดเร็ว

เมื่อเพิ่มเวลาชดเชยที่เพียงพอเพื่อแยกความถี่ต่ำ แน่นอนเราจะข้ามเส้นไปสู่การรับรู้เสียง Echo ที่ความถี่ที่สูงกว่า

โซนการรับรู้เชิงพื้นที่ คือพื้นที่ที่มีการชดเชยเวลาต่ำพอที่จะขยาย Image ในบางความถี่ โดยไม่ถูกมองว่าเป็นเสียง Echo ที่แยกจากกันที่ความถี่อื่น ๆ

สัญญาณ Transient ความถี่สูงจำนวนมาก จะมีช่วงเวลาแคบที่สุดระหว่างโลกของการรับรู้ Tonal และการรับรู้ Echo

ในขณะที่สัญญาณที่มีการ Filter ความถี่สูงออกไป (จึงมีการตอบสนองชั่วขณะ – Transient Response ความถี่สูงลดลง) จะสามารถเพิ่มเวลาให้มาถึงได้ช้ากว่า เพื่อเป็นการเพิ่มประสบการณ์เชิงพื้นที่ภายใต้ Sonar การรับรู้เสียง Echo ได้

การออกแบบอะคูสติกของ Symphony Hall ต้องใช้ความชำนาญในลำดับการมาถึง โดยเสียงที่มาทีหลังควรมีปริมาณความถี่สูงน้อยลง เป้าหมายคือการเพิ่มการรับรู้เชิงพื้นที่ในประสบการณ์ของผู้ฟังให้มากที่สุด และลดการรับรู้ Echo ให้เหลือน้อยที่สุด

Perception Zone Detection

มีวิธีใดบ้างที่สามารถบอกได้ด้วยเครื่องวิเคราะห์ ? คำตอบสามารถพบได้ในการแสดงความถี่ที่ละเอียดสูง เพื่อให้สามารถค้นพบโซนการรับรู้ Tonal เนื่องจากแหล่งที่มาของผลรวมมีความยาวคลื่นต่างกันเพียงเล็กน้อย

หากปฏิบัติตามทฤษฎี Critical Band เราสามารถกำหนดเกณฑ์การดูที่ 1/24 Octave หรือมากกว่านั้น ซึ่งการแสดงความถี่แบบลอการิทึมสามารถให้ข้อมูลนี้แก่เราได้

สรุป การรับรู้ Tonal Spatial และ Echo

ความรู้เกี่ยวกับ การรับรู้ Tonal Spatial และ Echo สามารถนำไปประยุกต์ใช้ได้อย่างกว้างขวางในงานที่เกี่ยวข้องกับเสียง ทั้งการออกแบบระบบเสียง การออกแบบอะคูสติก และการมิกซ์เสียง

ความเข้าใจถ่องแท้ในเรื่องปฏิสัมพันธ์ระหว่างเสียงต้นฉบับ เสียงสะท้อน และการรับรู้ของมนุษย์ในแต่ละย่านความถี่และช่วงเวลา จะช่วยให้เราสามารถสร้างสรรค์ประสบการณ์การฟังที่ดีเยี่ยม ตอบโจทย์ความต้องการที่หลากหลาย และยกระดับคุณภาพของงานด้านเสียงในทุกแขนงให้ดียิ่งขึ้นได้อย่างมีประสิทธิภาพ