從音響科學的調整到古典音樂美感的經歷(長篇連載)

[bchsieh]

看起來您想要測試的更像是兩個聲道的相位/時間差? 小弟覺得要在phase response相當不平順的情況下才可能有實際上的"相位問題"。

另外早期D類擴大機的phase response雖然不太漂亮，但換算成時間差的話，好像也沒有特別糟糕... 因此小弟猜測psycho教授感受到的定位問題可能不是"相位"而是其他問題。 至少小弟現在從訊號處理或是心理聲學的定義來看，定位問題和器材的"相位"之間可能實務上沒有太大的關係。 不過這方面可能要請psycho教授整理更多關於定位問題的聽感才能判斷了

比如說:

正確錄音: 器材在什麼樣的情況定位正確/錯誤，錯誤時會有哪些現象~

錯誤錄音: 同上

arnoldonomics兄您好，

是的，小弟正是想要測量兩聲道之間的相位/時間差。

基本上，音場中的定位，就是由兩聲道之間的音量差和相位差來決定。
這個部分的聲音心理學，在混音界已經研究了很長一段時間。

人類對聲音定位的判斷，可以分成「方位/方向」和「深度/前後距離」兩種。

關於方位/方向定位，小弟好像幾年前在哪裡有分享過.. 現在記憶力越來越糟..
如下圖：


大約800Hz以下，基本上就是用左右耳聽到聲音的相位差/時間差來判斷，越往低頻判斷方位的能力越差。
800Hz~2KHz，左右耳的音量差和相位差會一起被用來判斷方位。
所以在這個頻率範圍內，聲音來源的方位判斷力是最準確的。方位判斷解析度甚至可以高達1~2度，非常精準。
2KHz~4KHz，人耳對這個頻率範圍的方向判斷力非常差。
4KHz以上，只用音量大小來判斷聲音方向，相位資訊不重要。

而深度/前後距離的定位，靠的是回音的特徵來判斷。
回音有三個特徵可以一起用來判斷聲音來源的距離：
1. 回音和直接音之間的時間差。
2. 因為高頻的聲速比低頻快，所以回音反射時間越長，高頻會超前低頻越多，造成時間差/相位差。
3. 高頻強度消散的比低頻快，所以反射距離越遠，高頻的強度就越低。
綜合這三個資訊，大腦就可以憑經驗判斷出聲音源的距離。

如果假設人耳的前音場定位寬度大約是60度，左右再多加15度，總共約為90度，如下圖：


根據德波埃效應(De Poher Effect)，左右聲道差15dB時，人耳會把聲音認為只從單邊喇叭出聲，完全忽略那個音量較小的喇叭。
假設定位角度跟左右音量差異的dB值成線性關係，則每度的音量差異為15dB/45度 = 0.33dB/度。
而從上文中可以知道，人耳從800Hz以上開始參考音量差來分辨方位，而4KHz以上完全仰賴音量差。
所以，一個音響系統裡，至少從800Hz以上，左右聲道的音量差異越小越好。
小弟認為除了喇叭和空間以外，其他的器材要做到這點並不困難。

同時，德波埃效應也告訴我們，當左右喇叭的時間差為3ms的時候，人耳也會把聲音認為只從單邊喇叭出來。
所以按照上一段的計算方式，每度方位角的時間差為3ms/45度 = 67us/度。
人耳利用相位來判斷方位角的頻率為2KHz以下。
而67us的時間差在2KHz時的相位差為48度，在200Hz時為4.8度，在20Hz時為0.48度。
器材的左右聲道相位差能夠做到什麼程度，說實在的小弟沒什麼概念。
所以才會想要量量看。

而如上文所說，相位的正確性除了影響方位定位，也會影響深度定位。
不過深度定位的相位正確性，除了跟左右聲道之間的相位差異有關，
跟單一聲道特定頻率的相位穩定度也是有關的(如果是DAC的話，其實這點跟低頻率jitter息息相關)。

ps. 人耳雖然對2KHz~4KHz之間的方位辨別率很低，但是在這個頻率範圍內，對音高的辨識率是最高的。
在這個頻率範圍內，聲音只要14ms的長度，人耳就可以聽出正確的音高。
超出這個頻率範圍以外，聲音的持續時間要拉長，人耳才能辨認出音高來。
小弟覺得這也可以引申爲人類對這個頻率範圍的音色辨識率也最高。



如果看英文無障礙，小弟推薦一本書：
William Moylan寫的UNDERSTANDING AND CRAFTING THE MIX: THE ART OF RECORDING
目前出到第三版，Amazon上面一本賣47美金。
上面的圖全部來自於這本書。
小弟有找到網路上有免費下載的第二版電子版，很值得一讀，連結如下：
https://epdf.pub/understanding-and-c...recording.html

小弟是這麼想的，crosstalk或許可以和center channel 有某種程度上的等價。 如果左聲道和右聲道有一部分的聲音是相同的話，那這一部分的聲音和兩聲道播放mono 錄音的效果應該是一樣的。

而考慮 upmix 到 LCR 三聲道的玩法，center channel 通常是 左聲道 * A + 右聲道 * A (A 為一參數)。
這時，如果存在crosstalk:
左聲道 = 左聲道 + 右聲道 * A * 0.707
右聲道 = 右聲道 + 左聲道 * A * 0.707

(由於 右(左)聲道 * A * 0.707 同時存在於左右聲道，相當於中聲道有 "右(左)聲道 * A" 這個訊號。

這樣和upmix 到 LCR 三聲道的聽感應該是類似的?

(當然這是比較粗淺的upmix玩法，複雜一些的還會考慮EQ, 時間延遲等等的問題~

您用的upmix玩法用的是最基本的演算法，把左右聲道不屬於中間聲道的部分，也一併加入了中間聲道。
這樣做的話，中間聲道跟左右聲道的聲音分離度會非常的低，音場會變窄。
不過當然，這樣就跟crosstalk是類似的意思，只是crosstalk是把左右互加，所以會更慘。

小弟原本以為您和朋友用的upmix玩法有把左右聲道相同的成分抽出來放到中間聲道，有做L/C/R decomposition。
這樣應該是比較好的upmix演算法，不會有音場變窄的問題。
https://pdfs.semanticscholar.org/d0d...6665700c32.pdf