3. 人耳听觉特性：从结构到感知

做音频处理这么多年，我越来越觉得，人耳才是整个声学系统里最精密的“传感器”。你算法写得再漂亮，最后过不了人耳这一关，那都是白搭。这一章，咱们就聊聊这个“传感器”到底怎么工作的。

声音从外耳进来，到大脑感知，其实是一条很清晰的路径。我习惯把它分成三段：外耳、中耳、内耳。

外耳（耳廓 + 耳道）：负责收集声音。耳廓的形状其实有讲究，它能对特定方向的声音产生微弱的增益，帮我们判断声源方位。耳道呢，大概2-3厘米长，它有个共振频率，大概在3-4kHz左右。这就是为什么我们人耳对这个频段的声音特别敏感。
中耳（鼓膜 + 听小骨）：负责阻抗匹配。空气的声阻抗和水（内耳淋巴液）的声阻抗差很多。听小骨（锤骨、砧骨、镫骨）就像个杠杆，把声压放大，把空气中的振动高效地传递到内耳。没有它，大部分声音能量都会被反射掉。
内耳（耳蜗）：负责换能。耳蜗里充满了液体，还有基底膜。声音振动在基底膜上形成行波，不同频率对应基底膜上不同的位置。高频在底部，低频在顶部。基底膜上的毛细胞再把机械振动变成电信号，传给大脑。

核心理解：人耳本质上是一个“频率-位置”变换器。基底膜就是我们的“频谱分析仪”。

嗯，这里要注意，毛细胞是不可再生的。我见过不少做现场调音的老工程师，长期在高声压环境下工作，高频听力下降得很厉害。这就是毛细胞受损了，不可逆的。

这个数字大家肯定都背过。但说实话，这只是一个理论上的“理想值”。

我个人习惯把20Hz-20kHz再细分一下，方便做音频处理时心里有数：

避坑指南：我曾经在调试一个降噪算法时，发现降噪后声音“闷”了。一查频谱，算法把8kHz以上的部分全切了。虽然人耳对8kHz以上不敏感，但没了“空气感”，声音就变得不自然。所以，处理高频时要格外小心，别一刀切。

你想想看，是不是感觉晚上听音乐，低音特别明显？白天同样的音量，低音好像没那么重？这就是等响曲线在作怪。

等响曲线（Fletcher-Munson曲线）告诉我们：人耳对不同频率的敏感度是不一样的，而且这种差异还跟音量有关。

这个特性对音频工程师来说太重要了。比如做母带时，你不能在小音量下把低频调得刚刚好，一放大音量，低频就炸了。反过来，在大音量下调好的高频，小音量下听可能又不够亮。

我的习惯：做混音或调音时，我会用三种音量来检查：正常监听音量（85dB SPL左右）、小音量（60dB SPL左右）、大音量（95dB SPL左右）。确保在三种音量下，声音的平衡感都OK。

掩蔽效应，说白了就是一个声音的存在，让你听不到另一个声音。这是心理声学里最核心的概念之一，也是音频编码（比如MP3）和降噪算法的理论基础。

掩蔽效应分两种：

频域掩蔽（同时掩蔽）：两个声音同时出现，一个强音会掩蔽掉它附近频率的弱音。比如一个1kHz的纯音，它不仅能掩蔽掉950Hz和1050Hz的声音，甚至能影响到更远的频率。而且，高频更容易被低频掩蔽。
时域掩蔽（非同时掩蔽）：声音在时间上的掩蔽。又分两种：
- 前掩蔽：强音出现之前，它就能掩蔽掉前面几毫秒的弱音。
- 后掩蔽：强音结束后，它还能掩蔽掉后面几十到几百毫秒的弱音。后掩蔽的影响时间比前掩蔽长。

为什么会这样？这跟人耳的处理机制有关。基底膜上的行波传播需要时间，毛细胞的“恢复”也需要时间。强音让基底膜振动很大，弱音的振动就被淹没了。

下面这张图，是我自己总结的掩蔽效应在音频编码中的应用逻辑：

你看，MP3、AAC这些有损编码，就是利用了这个原理。它们把音频信号变换到频域，然后根据心理声学模型，计算出每个频段的掩蔽阈值。在掩蔽阈值以下的信号，人耳听不到，那就直接扔掉。这样，码率可以降到原来的十分之一，但听感上差别不大。

实战应用：我在做语音降噪时，也会用到掩蔽效应。比如，一个强噪声（像风扇声）会掩蔽掉它附近频率的语音。那我就可以在噪声频段适当降低降噪强度，因为反正语音也被掩蔽了，听不出来。这样可以减少降噪带来的语音失真。

嗯，掩蔽效应还有个有意思的点：临界频带。人耳对频率的分辨率不是均匀的，而是按“巴克（Bark）尺度”来划分的。一个巴克就是一个临界频带，大约对应基底膜上1.3mm的长度。在同一个临界频带内，掩蔽效应最强。这个尺度，是设计滤波器组和音频分析工具的重要依据。

好了，人耳听觉特性这块，咱们就聊到这儿。记住，做音频处理，不能只盯着数学公式，更要理解“人”是怎么听的。这才是声学工程的精髓。