8D·DRONE
Ascolta

Mascheramento uditivo e bande critiche: il segreto dell’MP3

Perché un suono forte ne fa sparire uno debole: Fletcher e le bande critiche, le scale Bark ed ERB e il modo in cui MP3 e AAC sfruttano ciò che non sentiamo.
Illustrazione astratta per l’articolo «Mascheramento uditivo e bande critiche: il segreto dell’MP3»

In una stanza silenziosa si sente il ticchettio di un orologio da polso; basta che passi un camion sotto la finestra perché sparisca. L’orologio non ha smesso di ticchettare, e le orecchie non hanno smesso di funzionare: un suono più forte ha semplicemente reso inudibile un suono più debole. È il mascheramento, uno dei fenomeni più antichi e più studiati della psicoacustica, ed è anche, senza che quasi nessuno lo sappia, il principio che ha permesso di comprimere la musica in file abbastanza piccoli da viaggiare su internet.

Capire il mascheramento significa capire una cosa fondamentale sull’orecchio: non ascolta lo spettro sonoro come un unico blocco, ma lo divide in una serie di canali, le bande critiche, all’interno dei quali i suoni competono tra loro. Da questa idea, nata nei laboratori telefonici americani negli anni Trenta e Quaranta, discendono scale di frequenza come il Bark e l’ERB, e discende il funzionamento di formati come l’MP3 e l’AAC.

Un suono che ne nasconde un altro

In termini tecnici, si dice che un suono, il mascheratore, maschera un altro suono, il segnale, quando la presenza del primo alza la soglia alla quale il secondo diventa udibile. Il mascheramento si misura proprio così: in decibel di innalzamento della soglia. Se un tono da solo è percepibile a 5 dB e in presenza di un rumore serve portarlo a 45 dB, il rumore ha prodotto 40 dB di mascheramento.

Le prime misure sistematiche risalgono al 1924, quando gli ingegneri americani R. L. Wegel e C. E. Lane pubblicarono sulla Physical Review uno studio sul mascheramento di un tono puro da parte di un altro. Ne emerse subito una caratteristica che si ritrova in tutti gli esperimenti successivi: il mascheramento è asimmetrico. Un tono maschera molto meglio i suoni più acuti di sé che quelli più gravi, e questa estensione verso l’alto cresce con il livello del mascheratore. Gli psicoacustici la chiamano diffusione del mascheramento verso le frequenze alte, ed è il motivo per cui un rumore di fondo cupo, come quello di un motore, copre facilmente la voce, mentre un sibilo acuto disturba meno la comprensione del parlato.

La spiegazione è nella coclea. Ogni frequenza mette in vibrazione con la massima ampiezza un punto preciso della membrana basilare, ma l’onda che viaggia lungo la membrana eccita anche le regioni vicine, in modo asimmetrico: la coda dell’eccitazione si estende verso le zone che rispondono alle frequenze più alte. Un suono forte occupa così una porzione ampia della membrana, e un suono debole che cada in quella porzione resta sommerso.

Fletcher e l’idea di banda critica

Il passo concettuale decisivo lo compì Harvey Fletcher, fisico dei laboratori Bell, in un articolo pubblicato nel 1940 sulla Reviews of Modern Physics con il titolo «Auditory Patterns». Fletcher fece ascoltare a dei volontari un tono puro immerso in un rumore centrato sulla stessa frequenza, e allargò progressivamente la banda del rumore mantenendone costante la densità di energia. All’inizio, più il rumore si allargava, più il tono diventava difficile da sentire. Oltre una certa larghezza, però, allargarlo ancora non cambiava più nulla.

L’interpretazione di Fletcher è diventata il modello di base dell’udito periferico. L’orecchio si comporta come un banco di filtri passa-banda sovrapposti; per rilevare un tono, l’ascoltatore usa il filtro centrato vicino a quella frequenza, e solo il rumore che passa attraverso quel filtro contribuisce a mascherarlo. Il rumore che cade fuori dal filtro non conta. La larghezza oltre la quale l’allargamento smette di avere effetto è la larghezza del filtro: la banda critica. Fletcher supponeva filtri rettangolari, un’approssimazione che le ricerche successive avrebbero corretto, ma l’idea generale ha resistito.

Le bande critiche non riguardano solo il mascheramento. Lo stesso confine compare nella percezione dell’intensità, perché un rumore che si allarga oltre la banda critica a parità di energia comincia a sembrare più forte, e compare nella sensazione di ruvidità che si prova quando due toni troppo vicini cadono nello stesso filtro.

Bark ed ERB: due modi di misurare l’orecchio

Nel 1961 il fisico tedesco Eberhard Zwicker pubblicò sul Journal of the Acoustical Society of America una tabella che suddivideva lo spettro udibile in 24 bande critiche adiacenti. La scala che ne deriva prende il nome di Bark, in omaggio a Heinrich Barkhausen, che aveva proposto le prime misure soggettive dell’intensità sonora. Nella tabella di Zwicker le bande più basse sono larghe circa 100 Hz, e la larghezza resta quasi costante fino a circa 500 Hz; più in alto cresce con la frequenza, all’incirca in proporzione, fino ai 3500 Hz dell’ultima banda. Su questa scala distanze uguali corrispondono a distanze percettivamente uguali: in basso è quasi lineare, in alto quasi logaritmica.

Negli anni successivi il metodo di misura si è raffinato. Invece di allargare un rumore, si è cominciato a usare un rumore con un intaglio, una zona vuota attorno al tono da rilevare, variando la larghezza dell’intaglio: in questo modo si ricava non solo la larghezza ma anche la forma del filtro uditivo. Su questi dati Brian Glasberg e Brian Moore, all’Università di Cambridge, hanno proposto nel 1990 su Hearing Research la misura oggi più usata, la larghezza di banda rettangolare equivalente, o ERB: la larghezza di un filtro rettangolare ideale che lascia passare la stessa energia del filtro reale. La loro formula dà, per un filtro centrato a 1000 Hz, un’ERB di circa 130 Hz, e prevede filtri più stretti delle bande di Zwicker alle frequenze basse.

Le due scale non si contraddicono: descrivono lo stesso fenomeno con metodi diversi, e restano entrambe in uso. Il Bark compare nei modelli di intensità sonora e in molti codificatori audio; l’ERB è diventato lo standard nella ricerca uditiva e nei modelli computazionali dell’orecchio.

Il tempo: mascheramento in avanti e all’indietro

Il mascheramento non avviene solo tra suoni simultanei. Un suono forte continua a rendere meno udibili i suoni deboli che lo seguono per un certo tempo dopo essersi interrotto: è il mascheramento in avanti, che si attenua progressivamente e si esaurisce nell’ordine di un centinaio di millisecondi. Più sorprendente è il mascheramento all’indietro: un suono forte può coprire un suono debole che lo precede di pochi millisecondi, nell’ordine di una ventina al massimo. Il fenomeno è meno stabile e tende a ridursi negli ascoltatori molto allenati, ma esiste, ed è importante per una ragione molto pratica, come si vedrà a proposito degli artefatti di compressione.

Come la psicoacustica è entrata nell’MP3

Un file audio non compresso, come quello di un CD, descrive ogni campione con la stessa precisione, che quel dettaglio sia udibile o no. L’intuizione della codifica percettiva è che una parte di quell’informazione non arriverà mai alla coscienza dell’ascoltatore, perché mascherata da altri suoni presenti nello stesso momento e nella stessa regione di frequenze. Se si riesce a calcolare, istante per istante, la soglia di mascheramento, si può rappresentare il segnale con meno precisione proprio dove l’errore resterà nascosto.

Questo è il compito del modello psicoacustico, il cuore di ogni codificatore. Come spiega Karlheinz Brandenburg, il ricercatore del Fraunhofer IIS di Erlangen che ha guidato lo sviluppo dell’MP3, in un articolo presentato nel 1999 alla conferenza dell’Audio Engineering Society, il modello stima la soglia di mascheramento variabile nel tempo e nella frequenza, e la traduce in un «rumore consentito» per ogni partizione dello spettro. Nell’MP3 queste partizioni corrispondono approssimativamente alle bande critiche. Il codificatore riduce poi il numero di bit finché il rumore di quantizzazione, cioè l’errore introdotto dalla compressione, resta sotto la soglia in ogni banda: se ci riesce, il risultato dovrebbe essere indistinguibile dall’originale.

La qualità di un codificatore, sottolinea Brandenburg, dipende soprattutto da quanto è buono il suo modello psicoacustico, che non è fissato dallo standard: lo standard prescrive come decodificare il file, non come produrlo. Per questo due MP3 alla stessa velocità di trasmissione possono suonare in modo diverso. Lo sviluppo fu lungo: l’MPEG-1 Layer III fu approvato nel 1992 e pubblicato nel 1993 come norma ISO/IEC 11172-3, e l’estensione «.mp3» fu scelta nel luglio 1995. Uno dei banchi di prova più famosi fu la versione a cappella di «Tom’s Diner» di Suzanne Vega, una voce sola e quasi nuda che i primi prototipi distorcevano in modo evidente, e che Brandenburg dichiarò di aver ascoltato centinaia di volte durante la messa a punto.

Pre-eco e AAC: quando il mascheramento non basta

Il mascheramento temporale spiega anche uno degli artefatti più tipici della compressione. Il codificatore lavora su blocchi di tempo, e l’errore introdotto si distribuisce su tutta la durata del blocco. Se il blocco contiene un attacco improvviso, per esempio un colpo di nacchere, il rumore può comparire un attimo prima del colpo, nel silenzio che lo precede, dove nessun suono forte lo maschera. Se questo anticipo supera la breve finestra del mascheramento all’indietro, l’orecchio sente una specie di soffio che precede l’attacco: il pre-eco. Brandenburg lo indica come uno degli artefatti più difficili da evitare.

L’AAC, standardizzato nel 1997 come parte di MPEG-2 nella norma ISO/IEC 13818-7, ha affrontato il problema con blocchi brevi molto più corti, circa 5 millisecondi a 48 kHz contro i circa 19 dell’MP3, e con una tecnica chiamata modellazione temporale del rumore. Il risultato, secondo la stessa analisi del 1999, è che l’AAC raggiunge in media la qualità dell’MP3 con circa il 70 per cento dei bit. È il formato che, in varie versioni, usano ancora oggi molte piattaforme di streaming.

Per chi ascolta drone music o ambient, il mascheramento ha un’implicazione curiosa. Questi generi sono fatti spesso di suoni lunghi e stabili, di armonici deboli, di rumori sottili che emergono lentamente: proprio il tipo di dettaglio che un modello psicoacustico può giudicare mascherato e quindi sacrificabile. A bassa velocità di trasmissione, è lì che la compressione si sente di più. Un ascolto attento, con file di buona qualità e a volume moderato, è il modo migliore per accorgersi di quanto lavoro svolga l’orecchio nel separare, banda per banda, ciò che merita di essere sentito.

Fonti

In questo articolo

Esplora il magazine

Continua a leggere

Altri articoli dal magazine