第九章:聽覺系統
當你閉上眼睛用心聽的時候，你將發現在你的周圍隨時充滿了聲音，這些聲音的韻律、節奏、複雜度等都不同。尤其是在暗室中，聽覺扮演更重要的角色，因為你必須在看見物體之前先聽到它發出的聲音。即使不在暗室，也有很多時間是靠聽覺訊息做反應的，例如醫生進行胸腔聞(聽)診、一般的語言溝通、音樂欣賞等。
在這一章中我們將先從聲音能量的物理特性描述開始，再介紹聽覺生理機制，之後再談心理特性，包括音高、音響度的知覺、音源定位與聲音辨認等。接下來的兩章再討論兩個非常重要的聽覺議題：語音知覺(speech perception)與音樂知覺(music perception)。
物理聲波特性
所謂聲波是指機械擾動所產生的震盪波，經由某種介質(通常是空氣)以分子互相碰撞的方式傳遞開來，就好像石塊丟入池塘中所產生的漣漪一般。當然，在完全真空下，不可能傳遞出這些聲波的。著名的物理學家Robert Boyle就曾將自動震動的鈴鐺放在真空管中，結果並沒有鈴聲傳出管外，但再注入空氣後,管外又可聽到悅耳的鈴聲了。而不同介質傳遞的速度也不同。例如在室溫空氣中聲波速度約340m/sec,當室溫降低時,音速也下降;固體介質中的音速大於液體,液體介質中的音速又大於氣體。一旦介質固定,則音速也必是常數。只是聲波傳遞的過程,不論在什麼介質中,都會漸漸消耗能量,因此傳遞越遠振幅就越弱。
物理學上描述聲波的向度與描述光波的向度一致,即包括振幅、頻率與波長。聲波壓力強度的度量單位是decibels(以後簡稱dB)。因為吾人可以辨認之聲波能量差距範圍高達10的14次方,所以dB是一個對數量尺(logarithmic scale),才容易表示如此大的範圍。
1dB定義為20Log(p1/p0),其中p0=標準參考聲壓水準(sound pressure level,或簡稱SPL),即0.0002dyne/cm2 ,p1=欲測量之聲壓大小。
音頻表示每秒鐘振盪變化次數,以Hertz(簡稱Hz)表示。而波長與頻率成反比!亦即
波長 x 頻率 = 音速
描述一個純音(pure tone),可以sin或cos函數表示之,如圖 所示。但是日常生活中極少聽得見純音,多是複合音(complex sound waves)。亦即這些聲音由各種不同頻率的聲波加總起來。
聲波的傳遞與外界物體之間有著非常複雜的交互作用。其中比較重要的現象包括:
| 各類情境 |
聲壓(SPL,dB) |
|
聽覺閾值 |
0 |
|
正常的呼吸聲 |
10 |
|
葉片兮兮沙沙的聲音 |
20 |
|
安靜的住宅區 |
40 |
|
一般的講話聲音 |
60 |
|
壅塞的交通或放大聲的搖滾樂(達危險水平) |
70-80 |
|
地下鐵路(長期暴露將造成失聰) |
100 |
|
直昇機螺旋槳發出的噪音 |
120 |
|
飛機噴射引擎著陸的噪音(會引發疼痛感) |
140 |
|
太空船登陸所發出的噪音 |
180 |
聲波與傅立葉轉換
根據傅立業轉換原理可知,任何一個複雜的聲波都可以用各種不同頻率、不同振幅、不同相位起始點的正弦音波線性組合而成。而個個頻率之間成整數倍關係。例如一個複合波的振幅A,可以拆解成頻率f1振幅A1的波,加上頻率f2振幅A2的波,再加上頻率f3振幅A3的波,…..。
A = Σ Ai Sin(tifi+θi)
i=1 to n
其中f2=2f1,f3=3f1,…,我們稱f1為基頻(fundamental frequency),f2,f3,f4,…等等被稱為泛頻(overtone)。這個數學關係可以藉由下圖來理解。
複合音的頻率成份雖然複雜,但是吾人的耳朵可以輕易在嘈雜的環境中分辨出語音、樂音等,顯然吾人的聽覺系統也必定在作類似傅立業轉換的頻率成份之拆解。
下一節我們將談到聽覺系統的結構並探討它如何做到上述頻率拆解功能。
邊緣聽覺系統介紹
邊緣聽覺系統指涉耳朵(ear)與進入初級聽覺皮質區之前的神經結構,包括外耳、中耳、內耳與聽神經四部分。
外耳是指耳殼(auricle;pinna)和外聽道(external auditory meatus),以鼓膜(tympanic membrane)與中耳為界。耳殼就像有方向性的麥克風，主要在收集聲波，造成鼓膜震動。而聽道長約2.5cm,使得它可與特定頻率(約3000Hz)的聲波發生共振。
中耳包括鼓室(tympanic cavity)、三個小聽鼓(依序為maleus、incus、stapes統稱為Ossicular bridge),maleus一端與鼓膜相連,一端與incus連成關節,incus又與stapes相連,stapes再經韌帶與內耳卵圓窗(oval window,或稱前庭窗,fenestra vestibuli)相連。聽骨的功能在於傳遞鼓膜的震波到內耳的內淋巴中。然卵圓窗面積約等於鼓膜的1/17,加上三塊聽骨的槓桿作用,幾乎可將鼓膜的震波放大22倍以上(Durant & Lovrinic,1977)!
在此處尚有一個關於聽骨的物理現象值得討論。聽骨不僅放大物理震波,而且在聲波由空氣介質傳入含有淋巴液體的介質時,骨的固體介質扮演了阻抗配對(impedance-matching)的角色。因為,如果沒有固體介質居中協調,聲波直接碰到卵圓窗時將幾乎完全反射(約達97%的全反射,Evans,1982)回來!這是卵圓窗內的液體阻抗大於氣體所致。試想當你在岸上對著潛在水裏的朋友大聲講話時,他在水中可能聽得到你的聲音嗎?當然不可能,其道理完全相同。為了克服這些阻抗,除了有聽骨的幫忙外,耳咽管(Eustachian tube)因為可隨口腔張合而隨時保持耳內外氣壓相同,這也會有助於阻抗配對運作的效率。
聽骨上的韌帶肌肉除了支持骨架之外,還有一項重要的功用。即當外界發生巨響時,聲波經由聽神經負回饋傳導可以刺激韌帶肌肉緊縮,降低由鼓膜傳到內耳的壓力,保護內耳。
內耳又稱迷路(labyrinth),包括兩大部分:1.骨性迷路(Bony labyrinth)即由骨質形成的一系列腔室；2.膜性迷路(membranous labyrinth)即由充滿內淋巴液(endolymph)的囊膜腔組成。其中骨性迷路又包括耳蝸(cochlear)、前庭(vestibule)、半規管(semicircular canal)。前庭外側壁上方有前庭窗,下方則有耳蝸窗(round window),覆蓋其上的膜又有第二鼓膜(second tympanic membrane)之稱,用以緩衝來自前庭窗的液壓。耳蝸內含聽覺受器,位於螺旋錐形的耳蝸管(cochlear canal)內又有上下兩層膜將管道分成三個螺旋狀空間,由上而下分別是前庭腔(scala vestibuli)、耳蝸管(cochlear duct)、鼓腔(scala tympani)。隔開中間管與前庭階的是Reissner
’s membrane;隔開中間管與鼓階的則是基底膜(basilar membrane)。基底膜上附著許多聽覺受器:科氏器(organ of corti)。基底膜的結構與聽覺訊息登陸方式有很密切的關係。Georg von Bekesy(1928)首先清楚的展現其中的關係而獲得諾貝爾獎。他發現從耳蝸的Base端(即靠近卵圓窗的一端)到Apex端(即捲入螺旋中心的尖端),基底膜約32-35mm長,一個振波從Base端傳遞到Apex端只需3ms就可完成。然基底膜本身由Base端的窄(約0.05mm寬)而硬的膜質漸漸轉變成Apex端的寬(約0.5mm寬)而軟的質地,使得Base端較能與的高頻震波產生共振,Apex端則與低頻震波共振。亦即低頻振波傳至Apex端時,基底膜的振幅達到最大,反之,高頻振波傳至Base端時,基底膜的振幅達到最大。讀者可用兩手分持住一片塑膠膜的左右兩邊,輕輕底在唇上吹氣以發出聲音。此時兩手繃緊塑膠膜片時,這個音頻就變成高頻了!反之,放鬆膜片則音頻降低,這個原理與基底膜的運作完全一樣。如果你的技巧夠好,應該可以運用這個耳蝸力學(cochlear mechanics)原理,使一片葉子或塑膠膜吹出一首曲子來!
但是,基底膜除了可被聲波振起來之外,它本身還有生理上的主動運動(active process),使得它能對更窄的特定頻寬有更大的反應!這些主動運動的肇因可能來自於耳蝸內的淋巴液振動,並反方向將振波透過聽骨、鼓膜,傳出聽道。如果你放置一個敏感的麥克風在聽道內,應該可以測量到這些從耳內射出的音響。或者你製造兩個頻率相當接近的聲音同時發聲,由於基底膜無法同時對這兩個音都作出很大的區辨反應,導致導致聽道中『射出』扭曲了的音頻! 這些統稱為耳蝸回音(cochlear echo)或稱為otoacoustic emmision,可由耳蝸反射回來的回音測出。例如:1000 與 1200Hz 同時出現,會導致反射出(2*1000-1200)=800Hz的聲音,又稱為distortion product emission。目前的研究顯示這個現象與聽覺的病理狀態有相當密切的關係!常被當成診斷工具!不過這類active process會被Aspirin藥物所抑制!
科氏器由感覺細胞與支持細胞構成。支持細胞是指inner & outer pillar cells,inner & outer phalangeal cells,border cells與Hensen cells等。感覺細胞指內外髮細胞(inner & outer hair cells)。內髮細胞成梨形,佔一排;外髮細胞成圓柱形,由底部到頂端佔3排到5排不等。整個科氏器上方又有一層較硬的覆膜(tectorial membrane)蓋住。科氏器內的髮細胞會因為基底膜震動的擠壓而彎曲,造成髮細胞膜去極化,釋出神經傳導物質,再使接觸之聽神經末梢產生活動電位。聽神經(auditory nerve)主要是由內髮細胞與typeⅠ節細胞(ganglion cell,詳見下段相關敘述)連接，以形成聽神經傳出聲音訊息，但也接受Superior olive的回饋控制。從Superior olive到inner hair cell的回饋無左右交叉現象,但Superior olive到outer hair cell的回饋有左右交叉現象,這可能與注意力分配有關！
科氏器底部的神經纖維先集中成螺旋神經節(spiral ganglion),再與前庭神經纖維(vetibular neurons)會合成前庭耳蝸神經(vestibulocochlear neurons),穿過顳骨岩部(petrous part),形成所謂的第八對腦神經
—聽神經(auditory nerves)。這束聽神經在延腦與橋腦的交會處開始分枝,一枝進入背側耳蝸神經核(dorsal cochlear nucleus),另一枝進入腹側耳蝸神經核(ventral cochlear nucleus)。
就型態與功能差異上來分,螺旋神經節又有typeⅠ(粗而有髓鞘,可能用來傳導聲音)、typeⅡ(細而無髓鞘,可能用來回饋訊息)兩類細胞。這些螺旋神經節軸突組成一束聽神經。每一條聽神經對不同頻率敏感,當然,在沒有聲音的時候也有自發性的神經衝動產生!所以在夜蘭人靜時,仔細感覺一下似乎有時候會聽到一些輕微的『耳鳴』。不是嗎?
Liberman甚至發現有高自發性衝動的聽神經通常有較低的音量閾值,反之,有低自發性衝動的聽神經有較高的音量閾值。
從耳蝸神經核之後, 腹側耳蝸神經核又投射到背側耳蝸神經核,並在此處開始發生左右耳訊息交叉。其中的神經網路非常複雜,難以言述,可大約整理如下表:
| 左側 |
右側 |
|
左耳髮細胞 腹側耳蝸神經核
背側耳蝸神經核
Superior olive
Lateral lemnicus
Inferior colliculus
Medial geniculate
左腦A1區
|
右耳髮細胞 腹側耳蝸神經核
背側耳蝸神經核
Superior olive
Lateral lemnicus
Inferior colliculus
Medial geniculate
右腦A1區
|
音頻訊號的登陸
到目前為止,我們已經將聽覺系統結構及其如何將聲波轉化成電訊號的歷程說明清楚了,但是這些神經電訊號與吾人的音頻感受之間存在什麼樣的關係?這個問題類似於視覺系統中三種cone的神經訊號與吾人的色彩感受之間的討論。以下就直接從目前公認的兩個假說開始敘述:
位置理論很明顯已經由von Bekesy在基底膜上的研究給證實了。基底膜不同位置含有不同的髮細胞與聽神經受器,不同頻率聲波又會使基底膜不同位置達到最大震幅,因此形成基底膜上對不同頻率敏感的聽神經分布,這種分布是依照頻率高低順序,又稱為tonotopic map。Von Bekesy的觀察雖然正確,但是單一頻率誘發的膜震動面積相當廣,無法解釋吾人日常生活對於相近音頻之間的區辨力。Johnstone與Boyle(1967)利用更精密的方式測天竺鼠耳蝸內的單一髮細胞的音頻感受性(參閱圖 ),結果的確發現每一個內髮細胞只對一個相當窄範圍的頻率最敏感。Kiang(1975)進一步測量聽神經的音頻感受性,結果一致,因此稱該聽神經細胞最敏感的頻率值為特徵頻率(characteristic frequency)。這些生理證據支持了位置論的可信度。但是,時間論的想法也有證據支持。
雖然Rutherford最初的想法是:300Hz的頻率會引發一個神經細胞產生每秒300次神經衝動(firing rate),3000Hz的頻率則引發一個神經細胞產生每秒3000次神經衝動。但是生理上的知識告訴我們, 高頻(f)反應的細胞,其連續兩個神經衝動的間隔約與1/f成正比,神經細胞還有恢復期,它不可能產生高於每秒1000次以上的神經衝動,。所以E. Glen Wever(1949)提出另一個可能發生在神經系統上的運作原則,以解決時間論最初的困境。這個原則稱為volley principle,即由一群神經細胞協同登陸某一個高頻訊息時,每一個細胞都在其可以產生的最高神經衝動範圍內,對該頻率每隔數個週期後的特定波相位(通常是波峰)做反應。雖然每個細胞都對不同週期後的波峰反應,但是將這些細胞反應總和起來,卻可以完全反應出原波頻率訊息(參見圖 及其說明)。
Wever提出這個想法後18年,Rose等人(1967)才真的以實驗證實聽神經反應的確與外界刺激同步(synchronize)。這個同步現象被稱為相位鎖定(phase locking)現象。證實了時間論的想法也是對的。
Abeles與Goldstein(1970)進一步在貓的初級聽覺皮質區發現,基底膜的tonotopic map在皮質區中仍然成立,即不同部位的皮質區對不同頻率反應。甚至有柱狀排列特性(columnar arrangement),亦即將電極探針從一固定皮質表層垂直插入皮質內,所測得的特徵頻率都一致!這個現象類似視覺上的hypercolumn。這些證據顯示位置論不只在邊緣聽覺系統上成立,也在更高層的聽覺中樞上成立。
不幸的是,支持時間論的相位鎖定現象,在初級聽覺皮質區中卻不多見。而且聽神經要對特定相位反應的時候,需要一些起始化的動作時間。這使得4000-5000Hz以上的聲音刺激也不引發聽神經產生相位鎖定。即使發現少數皮質細胞有相位鎖定,也都是針對1000Hz以下的音頻才發生。看來,時間論反而是低頻訊息的主要登陸理論,而位置論則是高頻訊息的主要登陸理論!
然而,位置論仍無法解釋,當2000Hz的聲音強度增加時,基底膜的振盪範圍也變得更廣,此時有2000Hz特徵頻率的聽神經也已達飽和神經反應(即最高1000Hz的神經衝動),其他特徵頻率反應的細胞又陸續增加其反應強度,甚至可能2200Hz特徵頻率的聽神經也達飽和反應,但是吾人仍然能知覺到固定的2000Hz的音高(pitch)!顯然我們仍有許多關於物理頻率與心理上感覺的音高如何轉換的知識必須補充。而這又涉及音強訊息登陸的知識,所以下面將首先講解音強的登陸方式,再介紹音高與音頻的關係。
音強(intensity)訊息登陸與音響(loudness)的關係
當聲音強度增加時,基底膜的最大震幅面積將增加,使得該特定頻率敏感細胞之外的附近細胞的反應衝動也增加(參閱圖 及其說明)。這似乎意味著神經衝動次數與涉入之相關神經元多寡都可以用來表示音強訊息!事實上也的確如此,當聲音強度在40dB以下時,音強增加則神經衝動次數也增加,但是超過50dB以上時,該特徵頻率的神經衝動多已飽和,因此將鄰近特徵頻率的神經也一起『扯』進來,負責登陸音強訊息。聰明的讀者,看到這樣的運作機制應該會感到好奇:因為基底膜的質地因不同位置而有不同變化,我們對不同頻率的音強感受性應該也有所不同吧?沒錯,這可以從以下的一些心理物理實驗結果得知。
首先,由S.S.Steven定義1000Hz,40dB的響度為1 sone,並以大小估計法所測得音強與音響的心理物理函數可得知,音響感受有反應壓縮傾向,亦即音強增加的幅度大於心理上的音響增加幅度,其Steven函數的指數參數約為0.6(參閱圖 說明)。
若將不同頻率下,所能感受到音強的絕對閾值,畫成聽力曲線(audibility curve)。結果聽力曲線略呈U字型(參閱圖 ),最低閾值發生在3000Hz左右,這可能是因為聽道長度適合3000 Hz聲波共振所致。
如果我們進一步以1000Hz,40dB的響度感覺(1 sone)為標準刺激,要求受試者調整不同頻率的音強,使得其響度與標準刺激相同,我們可以獲得跟聽力曲線相似的等響度曲線(equal loudness curve)。這個曲線再度證實響度感受同時由音頻與音強共同決定,而不只是音強而已!
聽力曲線告訴我們大部分太低頻的聲音,都很難被聽到(閾值偏高),因此很多收錄音機都有對低頻加強的bass按鈕。然而當你把收錄音機音量開到80dB時,等響度曲線告訴你:不需要使用這個bass按鈕了,因為該曲線幾乎拉成水平線了。耳鼻喉科醫師也多用這個聽力曲線下降幅度或兩耳音強配對判斷來診斷聽障程度(參閱圖 說明)!
不只音頻、音強決定響度，聲音持續時間
(tone duration)也會影響響度感受。而且這個時距約200msec，亦即在200msec內的聲量會被神經細胞加總起來，200msec之後就不會對響度有影響了(見圖 )！
音高(pitch)與音頻的關係
前一段敘述已經明示,音頻與音強共同決定音響感受。同樣的，音高也不單純由音頻決定，它同時受到好幾個聲波的物理特性影響。然音頻與音強如何決定音高感受?同樣地,我們要先從Steven的音頻與音高的心理物理關係圖開始談起。
Steven & Volkmann(1940)任意定義1000Hz,40dB的音高感受為1000mels,以比率估計法所獲得的音頻與音高的心理物理函數圖如圖 所示。此關係圖顯示音頻與音高並不是一比一的對應,而有音高反應擴張的現象!更重要的是這一個心理物理函數圖與在天竺鼠耳蝸上所測得的音頻與基底膜最大振幅位置關係圖幾乎一致(如圖 所示)!聰明的讀者應該可以再度感受到,『心理物理函數的建立可能展示某些生理心理學意義』的威力!
雖然上述結果支持音頻訊息透過基底膜的轉錄,決定了音高感受,但是現在下結論說:音頻與音高有一對一的關係還太早了。這從另一個心理物理實驗可以看出。
將400Hz的數倍泛頻,即800Hz、1200Hz、1600Hz、2000Hz與2400Hz同時播放出來,唯獨400Hz基頻本身沒有播放出來,則你將預期受試者聽到的音高與單獨播放800Hz相同?還是與單獨播放400Hz相同呢?答案是與單獨播放400Hz相同,但音色(timbre)稍有不同!此現象稱為週期性音高(periodicity pitch)或失落的基頻效應(effect of the missing fundamental)。依照耳蝸力學原理,單獨400Hz與800Hz+1200Hz+1600Hz+2000Hz+2400Hz的聲波將造成基底膜不同部位震動,如果基底膜決定音高感受,則這兩個音高感受應有所不同,但事實上它們所產生的音高感受卻相同。這表示基底膜並不完全決定音高感受,顯然更高的處理層次有新的運作機制滲入。
又同樣音頻下，強度增減將影響音高感受，這表示音高感受與頻率非一對一對應關係!當要求受試者調整兩個不同頻率的音強，使得它們的音高感受相同時，可以相對音強為橫軸，頻率改變比率為縱軸，畫出等音高曲線(equal pitch contour)的實驗圖形(見圖 )！
Houstma & Goldstein(1972)進一步發現,當左耳聽1600Hz,右耳聽1700Hz時,所感受到的音高竟然與100Hz(即1600Hz與1700Hz共同的基頻)相同!Zatorre(1988)也發現在特定聽覺皮質區損傷的病人,沒有失落的基頻效應。可見失落的基頻效應起碼發生在雙耳訊息開始交會之後,亦即在superior olivary nucleus之後應有一個所謂的音高處理中樞(central pitch processor)。
失落的基頻效應不只是提供為音高處理機制的證據,這個現象也在低音部分的樂器製作上提供了很好的製作原理。例如一個管風琴要產生出55Hz音頻時,需要一個3公尺長的管子,這是很佔空間的,但是我們可以利用1.5公尺管子產生110Hz(55*2),1公尺管子產生165Hz(55*3),同時發聲,照樣能聽得到55Hz(165-110=55)!
失落的基頻效應又與樂理中所討論的拍音不相同!拍音是因為兩個頻率相近的聲波振幅互相消長所產生的、不和諧的振波,使吾人聽到霹拍聲。例如1000Hz與1003Hz同時彈奏出,
則會聽到3(1003-1000)個拍音,即聽到每秒3次霹潑聲。.
單耳遮蔽(masking )效應
之前我們大大地依賴Bekesy的生理知識來理解耳蝸力學原理,並知道音頻、音強訊息的登錄與音高、音響感受的關係。現在我們將從另一個觀點
—遮蔽效應的心理物理學觀點,重新來說明耳蝸力學,並獲得類似結論。希望讀者能再度欣賞到心理物理學與生理研究的互通性。首先,讓我們先來看看J.P.Egan與H.W.Hake(1950)所作的聽覺遮蔽實驗。他們使用一段頻率為410(以下稱central frequency)±45Hz的頻寬(寬度為45x2=90Hz)範圍來製作雜訊(雜訊音量是固定的)。在呈現雜訊的同時,也出現一個目標音(音頻介於100到4000Hz的純音),目標音的音強是可變的,藉以測量在該雜訊干擾下,不同頻率之目標音的音強閾值。結果發現如下圖 的關係曲線。這條關係曲線透漏一個很重要的訊息:即目標音頻在雜訊頻寬範圍外的時候,也會受到該雜訊影響,而且這種影響並不對稱。目標音頻比雜訊高時,所受到的影響比較大!這表示基底膜在各處的震動也不對稱。較硬端(Base端)的振幅總是比較軟端(Apex端)的振幅小而緩,以致於振幅最高點總是向較軟端靠攏。所以高頻音總是受低頻雜訊的影響,而低頻音卻不易受高頻雜訊影響。
如果我們將Egan的實驗反過來做,亦即固定一個10dB音強的目標音頻(假設為1000Hz),選定任一central frequency(介於100-4000Hz)的聲音當雜訊(頻寬固定為10Hz),來觀察這個雜訊需要增強到多大的音強時,才能恰好將目標音給遮蔽掉(即恰好聽不到目標音的狀況),則我們將可獲得另一個類似在天竺鼠的聽神經或貓聽覺皮質區中,所測得的電生理的frequency tuning curve曲線群,如圖 。
另外
,E.Zwicker,G.Flottorp與S.S.Stevens(1957)也發展了一種測量關鍵頻寬(critical bandwidth)範圍的程序,來說明基底膜的運作是把聲波頻率切割成一個個小範圍的頻帶(band)來處理的。這個頻寬範圍內所對應的基底膜振動位置寬度可能是固定的(不論有多少音頻成份涉入),而超出這個頻寬範圍外所對應的基底膜振動位置寬度則隨著音頻成份增加而增加。這個關鍵頻寬的測量程序與前述遮蔽效應的程序類似。即固定一個
central frequency = 1000 Hz,60dB,頻寬不定的雜訊範圍,在不增加雜訊音強(即固定為60dB)下,逐漸加寬雜訊頻寬,要求受試者以調整某個固定音頻(如1000Hz)的純音強度來表示這個雜訊的響度。結果發現大約在1000±160Hz頻寬範圍內,只要音強固定,不論有多少音頻涉入,其所引起的雜訊響度都是固定的。當雜訊的central frequency改變時,則這個固定響度的關鍵頻寬範圍也跟著改變。例如central frequency=4000Hz時,此關鍵頻寬則為600Hz。
前述所討論的聲音訊息處理多只涉及單耳即可解決,然人的耳朵與眼睛一樣都是水平對稱的一雙,故自有其成為一雙的複雜運作機制。以下就要來談談關於雙耳同時運作的音源定位問題與雙耳反遮蔽效應。
音源定位問題
從心理物理的角度來看,影響音源定位最重要的線索是聲波傳達到兩耳的強度差(interaural intensity difference)與傳達到兩耳的時間差(interaural time difference)。這可以由下面的小實驗中證實。
度傳到兩耳的強度差是相同的! 例如正前方與正後方音源的兩耳強度差一致。而且音頻越高,則些許方位角的變化即能引起很大的兩耳強度差異,或者反過來說,兩耳強度有稍許差異即能引起很大的音源方向感的變化。這是因為聲波越高頻,波長越短,頭的遮蔽效果越大所致。
至於另一個線索
—時間差—其與方位角之間的關係則可見圖 所示。然Mills(1958)發現低頻的時間差線索比高頻來的有效(即對於低頻音源定位錯誤率顯著低於高頻音源)。而其差值在90度時最大也不過0.8msec。顯然越是低頻,則其聲波的波峰與波谷相對於吾人的兩耳距離而言,越能拉開,亦即兩耳接受到的聲波相位差異最大。同樣地,這個曲線仍然是隨著方位角呈對稱變化度,亦即有兩個不同方位角度傳到兩耳的時間差是相同的!例如正前方與正後方音源的兩耳時間差一致。上述的討論發現,時間差與強度差線索雖然重要,但是都存在有不同空間位置所產生的時間差與強度差訊息完全一致。例如正前方與正後方音源的兩耳時間差、強度差皆一致，那我們怎麼還能區辨正前方與正後方的音源呢？事實上，真實情境中我們是能區辨它們的，因為我們的耳殼對後方的音源有遮蔽效果！還有，只要聲音持續夠久，好讓我們有足夠時間轉頭的話，我們也可以藉著轉動頭部來區辨音源方向。有些盲人就是藉著轉頭、偏著頭來辨認聲音來源而養成歪著頭的習慣。我們也可以藉著視覺辨認來幫助找出音源方向,例如看到前方的一男(在左方)一女(在右方)嘴巴在動,可能就知道男生音源來自男人,女生音源來自女人。
這些在人類身上做的心理物理學實驗所發現的強度差與時間差訊息的偵測,也有其他動物的生理證據支持。Brugge 與Merzenich(1973)就在猴子(rhesus monkey)的聽覺皮質區找到不同時間差敏感的偵測細胞(interaural time difference detector)。Masterton與Imig(1984)也在superior olive中發現一些雙耳訊息整合的細胞對於右耳先到的訊息會有最大反應,反之,另一群細胞則對左耳先到的訊息有最大反應。
Eric Knudsen與Masakazu Konishi(1978)則最早在貓頭鷹(barn owl)身上找到一個區域專門負責音源空間定位。這塊區域稱為mesencephalicus lateralus dorsalis(簡寫為MLD),約對等於哺乳類的inferior colliculus。在MLD中的每一個細胞只對空間中的一小塊橢圓區域的音源有興奮反應,區域外則是抑制的反應,類似於視覺中的on-center-off-surround接受域一般。而且相鄰細胞所負責的音源方位空間也是相鄰的,蠻類似於視覺的拓樸對應!但是請讀者注意,這類對應仍有別於視覺的拓樸對應。其差異在於,視覺的拓樸對應有網膜到皮層的神經連結可以朔及,然從基底膜到MLD卻沒有明確的直接的神經連結可以對應!亦即這種音源空間的分佈對應不是解剖上的神經對應,而是一整群細胞合力將左右耳訊息做一個統整的計算之後,才浮現出來的對應特性(emergent property)!
Middlebrooks(1994)等人也嘗試在貓身上尋找類似MLD的結構,但卻有不同的發現。他們發現貓的聽覺皮質區中,每個單一細胞對很廣的音源方位都有反應,並沒有像MLD一般有特定的小型接受域,但是,就全體的聽覺細胞反應來看,對不同音源方位就有不同的群體反應組型!不知道人類的聽覺皮質區對音源定位的處理機制,到底是像貓頭鷹?還是像貓呢?這有待進一步研究了。
還有一些關於回音(echo)的音源定位現象(echolocation),也是極有趣的現象。當我們處於一個封閉的臥室或山谷裡的時候，常常會感受到回音。這是由於山谷或室內牆壁材質不會吸收聲波，故將聲波反射出去，經過反射後的聲波進入我們耳內便會感覺出回音。我們稱這些經過反射之後才到達耳朵的聲音為間接聲音(indirect sound)，有別於直接由音源進入耳朵的直接聲音(direct sound)。這些反射的回音經過來回振盪，能量將一直消退。我們定義回音能量消退到原來聲音的1/1000所花費的時間為回音餘響時間(reverberation)，此餘響時間深深影響我們對於演奏廳內的樂音感受。據研究指出約1.5到2秒的餘響時間最能讓廳內的樂音感受不至於"死板"或不清楚。
在房內對話時，雖然回音可以從不同角度方向先後反射入你的耳內，但是你仍然只會感覺出一個固定的音源方向，而且這個方向與第一個到達你耳內的聲波方向一致(通常在35msec內反射回來的第一個回音是最重要的定位線索)，這又被稱為前置效應(precedence effect)。它說明了音源定位的另一個線索。你現在可以將家中立體音響喇叭(兩個喇叭分開約50公分遠)打開，讓兩喇叭播放同一首音樂，此時將頭靠向左邊喇叭或右邊喇叭，此時你應該會感覺，聲音好像只是從左邊喇叭來的(當你靠近左邊喇叭時)，或只從右邊喇叭來(當你靠近右邊喇叭時)，這便是前置效應了。
雙耳反遮蔽效應(binaural unmasking)
如前幾節所述,當左耳同時聽一個目標音與雜訊時,如果雜訊夠強,將對此目標音產生遮蔽效應(masking effect),亦即左耳聽不到目標音。但此時,如果將左耳的同量雜訊也給右耳聽,則左耳的目標音似乎起死回生,又可以被偵測到了,此現象稱為雙耳反遮蔽效應。這可能是因為一開始只有左耳有相近音頻、音強的雜訊與目標音,所以雜訊與目標音的音高、音響、音源方位都相當接近,難以區分,一旦右耳雜訊訊息加入,使得雜訊的音源方向與目標音顯出差異使然!
聽覺辨認的(identification)問題
到目前為止,我們已經了解了相當多邊緣聽覺系統如何處理單一音頻、音強的過程,以及如何處理音源定位的問題,但是我們日常生活中很少聽到單一音頻、音強或單一方向的音源,而是從四面八方不斷湧進的複雜聲波。這些聲音包括講話聲、風扇轉動的聲音、杯子敲擊的聲音、狗吠聲、鋼琴彈奏的旋律
….等等,構成『一幅』聽覺景象(auditory scene),就像視覺一樣，面對這麼複雜的聽覺景象，我們仍然可以一一區辨、並組織它們,而不會把狗吠聲與音樂旋律的音頻混而不分。顯然,這不是只靠基底膜運作就能理解。Bregman(1990)以視覺上的物件辨認(object identification)作為聲音辨認的類比，認為這些聲波刺激在整個聽覺景象的分析(auditory scene analysis)中，必定涉及不同聽覺流(auditory streams)的拆解，這不同於頻率拆解，就如同認出人臉並不等同於做空間頻率的拆解一般。我們可以將整個複雜的聽覺訊息處理模型畫成如圖 所示。並將聽覺辨認中,最重要的語音辨認與音樂旋律的辨認感受留待下兩章再詳細討論。
聽覺與視覺的相似處
雖然視覺是對光波(或說是電磁波)做反應，而聽覺是對空氣分子所產生的壓力波(聲波)做反應，各有不同的受器與不同的大腦皮質對應區。但是我們可以看出，這兩個感官功能仍有許多相似的運作機制存在,可以再這ㄦ做個總整理。
一.都可用傅立業分析方法，在頻率域(frequency domain)上討論視覺與聽覺訊息的拆解處理。視覺系統是將空間域(spatial domain)的訊息透過傅立業轉換，轉成的空間頻率(spatial frequency)訊息處理；聽覺系統則是將時間域(time domain)透過傅立業轉換,轉成時間頻率(temporal frequency)的訊息處理。而且都各有頻率敏感細胞(frequency tuning cells)或管道(channels)。這使得傅立業轉換可以同時用在視覺與聽覺，並獲得類似的結果。(Oppenheim在1981年指出：不論是聽覺訊息或影像訊息，傅立業轉換中的相位頻譜成分永遠是原訊息保持清晰度的最重要成分！亦即只要相位頻譜不變，振福頻譜的改變並不影響原影像或聲音內容的辨認。)
二.都有一些選擇性的偏好反應(response selectivity)存在。例如視覺有方向敏感細胞、空間頻率敏感細胞、運動方向敏感細胞、像差敏感細胞等;而聽覺有音頻敏感細胞、音頻變換敏感細胞(frequency sweep detectors,對固定音頻沒有反應，反而是對音頻的改變有反應)、音源方位敏感細胞等。
三.都有訊息壓縮的運作。視覺系統是將cone與rod訊息集中到數目較少的節細胞上;聽覺系統則是將內髮細胞訊息集中到數目較少的節細胞上。
四.都有左右訊息交叉傳送到大腦的運作方式。但視覺在視交叉之後,是左視野訊息傳到右腦,右視野訊息傳到左腦,幾乎是50%對稱交叉。然聽覺在superior olivary nucleus之處只有部份左右訊息交換。
五.都涉及雙眼線索或雙耳訊息整合運作。視覺系統的雙眼訊息整合,有利於辨認像差反應的深度。聽覺系統的雙耳訊息整合則有利於辨認聲源方位。
六.都有類似的接受域反應型態。視覺系統在節細胞以上就有on-center-off-surround的接受域反應;貓頭鷹的MLD也有類似運作。
七.都有規律的神經細胞排列對應。視覺是從網膜到初級視皮質區都遵守拓樸結構的對應;聽覺系統則是依頻率高低的tonotopic mapping。視覺系統還有一些柱狀排列的功能組織,如hypercollumn;聽覺也有。