Automatische Erkennung von Cover-Versionen und Plagiaten in ...

Feature Extraktion 33
sich am menschlichen Gehör zu orientieren. Der Forschungsbereich der Psycho-Akustik
liefert dazu Modelle, die die Audio-Wahrnehmung des Menschen beschreiben. Diese
Wahrnehmung unterliegt bestimmten Einschränkungen bzw. Unschärfen. Berücksich-
tigt man diese, so können einerseits Algorithmen besser an die perzeptuellen Vorgänge
beim Menschen angepasst werden. Andererseits ist es möglich durch Vernachlässigung
von Daten, die vom Menschen ohnehin nicht wahrgenommen werden, eine Reduktion
des zu verarbeitenden Datenvolumens zu erreichen. Dieses Prinzip machen sich bei-
spielsweise verlustbehaftete Komprimierungsverfahren zu Nutzen.
Die wichtigsten der angesprochenen Einschränkungen der Wahrnehmung sind die abso-
lute Hörschwelle, simultane Maskierung, temporale Maskierung und Eigenschaften der
kritischen Bänder (vgl. [36] und [48]). Ihr Einfluss auf die Audioverarbeitung wird im
Folgenden beschrieben.
3.2.8.1 Absolute Hörschwelle
Die absolute Hörschwelle beschreibt den minimalen Schalldruck (in dB) der notwendig
ist, damit ein Ton ohne jegliche Störgeräusche von einem Menschen wahrgenommen
werden kann. Dieser ist abhängig von der Frequenz und kann verallgemeinernd für
Menschen mit gutem Gehör durch die Funktion
−0.8 f
f
Tq(f) = 3.64
− 6.5e
−0.6( 1000
1000
−3.3)2
+ 10 −3
4 f
1000
[dB] (3.20)
angenähert werden. Entsprechend dieser Formel ist das menschliche Gehör bei Frequen-
zen rund um 4kHz am empfindlichsten. Abbildung 3.6 verdeutlicht den Zusammenhang
zwischen Frequenz und Hörschwelle.
Diese Erkenntnis kann man sich insofern zu Nutze machen, als dass man alle durch die
bisherigen Arbeitsschritte gefundenen Peaks vernachlässigt, deren Intensität unter der
für ihre Frequenz zutreffende Hörschwelle fällt.
3.2.8.2 Kritische Bänder
Die absolute Hörschwelle ist jedoch aus zweierlei Gründen von untergeordnetem Wert.
Einerseits ist ein Ton in Musikstücken nie allein zu hören. Aufgrund des Mitschwingens
von Obertönen sind immer mehrere Frequenzen gleichzeitig präsent. Andererseits spielt