人耳听觉特性：听阈与痛阈、等响曲线、掩蔽效应、临界频带

做音频Codec的人，如果不懂人耳，就像做显示器的人不懂眼睛。我常说一句话：耳朵才是最终的Codec。你算法写得再漂亮，指标测出来再好看，人听着不舒服，那就是废的。

这一章我们聊几个核心概念。它们不是枯燥的生理学，而是你调Codec、写算法时天天要打交道的“潜规则”。

2.1 听阈与痛阈：耳朵的动态范围

先说两个极端值。

• 听阈：人耳能感知到的最小声压。大概在0 dB SPL附近。注意，这是针对1kHz纯音测出来的。不同频率差异很大。
• 痛阈：耳朵开始感到疼痛的声压级。大约120-130 dB SPL。再往上，就是物理损伤了。

这两个值之间，就是人耳的动态范围——大约120 dB。你想想看，一个优秀的24位ADC动态范围也就120多dB。巧了不是？

我个人习惯在设计Codec的模拟前端时，把输入级的等效输入噪声控制在-120 dBV以下。为什么？因为再低，人耳在安静环境下也听不出来了，徒增功耗和成本。

2.2 等响曲线：为什么你的Codec在低音量下“缺低音”？

你有没有遇到过这种情况：一首歌开大声听，低音很足；调小音量，低音好像消失了？

这不是你的音响坏了。是人耳的等响特性在作怪。

人耳对不同频率的敏感度不一样。对1kHz-4kHz最敏感，对低频和高频相对迟钝。而且这种差异会随着音量变化而变化。这就是等响曲线（Fletcher-Munson曲线，后来被ISO 226标准更新）。

简单说：

• 大音量下，各频率的响度感知相对平坦。
• 小音量下，低频和高频的感知响度会“掉得特别快”。

等响曲线对Codec的EQ设计有直接影响。你调EQ时，不能只看频响曲线平不平，还得考虑用户实际听音的音量。

2.3 掩蔽效应：音频压缩的“物理基础”

这个太重要了。现代有损音频压缩（MP3、AAC、Opus）的根基，就是掩蔽效应。

什么叫掩蔽？就是一个声音的存在，导致你对另一个声音的感知阈值提高了。说白了，就是“听不见了”。

分两种：

• 频域掩蔽：一个强音（比如1kHz的纯音）会掩蔽掉它附近频率的弱音。频率越近，掩蔽效果越强。
• 时域掩蔽：强音出现之前和之后的一小段时间内，弱音也会被掩蔽。之前叫“前掩蔽”，之后叫“后掩蔽”。后掩蔽持续时间更长，大约50-200ms。

我记得有一次调试一个语音Codec的量化噪声问题。频谱上看，噪声明明在-80 dB以下，但用户就是觉得“有嘶嘶声”。后来发现，那个噪声刚好落在某个语音共振峰的掩蔽阈值之上。调整了一下量化器的噪声整形，把噪声推到掩蔽阈值以下，问题就解决了。

2.4 临界频带：人耳的“分辨率”

人耳不是一台精密的频谱分析仪。它对频率的分辨率是有限的，而且是非线性的。

临界频带（Critical Band）就是描述这种分辨率的概念。简单说，人耳的内耳基底膜上，不同频率对应不同的位置。每个位置对应一个“频带宽度”。在这个带宽内，两个频率的声音会互相干扰、互相掩蔽；超出这个带宽，它们就相对独立了。

临界频带的宽度随中心频率变化：

• 低频段（<500 Hz）：带宽约100 Hz。
• 中高频段（>500 Hz）：带宽约为中心频率的20%。

这个特性直接催生了Bark尺度（一种心理声学频率尺度）。整个可听频率范围被划分为24个Bark带。每个Bark带对应一个临界频带。

为什么这对Codec重要？

• 感知音频编码（如MP3）的量化噪声分配，就是按临界频带来的。在每个临界频带内，把噪声推到掩蔽阈值以下，而不是在整个频谱上均匀分配。
• Codec的EQ滤波器设计，如果按Bark尺度来布置频点，往往比线性频点更“符合人耳听感”。

2.5 知识体系图：人耳听觉特性与Codec应用

下面这张图，把这一章的核心逻辑串起来了。你看一眼就明白：这些听觉特性是怎么一步步影响到Codec设计的。

2.6 小结：这些特性怎么用？

讲完了理论，说点实际的。你在Codec开发中，这几个概念怎么落地？

听觉特性	Codec设计中的直接应用	我踩过的坑
听阈与痛阈	确定ADC/DAC的动态范围目标（通常100-120 dB）	曾经把DAC动态范围做到130 dB，功耗翻倍，听感无提升
等响曲线	小音量下自动EQ补偿（Loudness功能）	补偿曲线没对准ISO 226，用户觉得“声音怪怪的”
掩蔽效应	感知音频编码、ANC降噪策略、噪声整形	噪声整形没推到掩蔽阈值以下，用户投诉“有底噪”
临界频带	Bark尺度滤波器组、心理声学模型	用线性频点做EQ，调了半天听感不如按Bark尺度随便拉两下