Lombard speech detection in case of spatial separation between noise source and talkers of different genders

封面

如何引用文章

全文:

详细

The spatial selectivity of hearing to speech signals was studied when the target signal and interference were separated by distance between their sources and the listener. In the work, the hypothesis about the improvement of hearing selectivity due to more intensive activation of the high-frequency binaural mechanism due to the shift of the speaker’s voice spectrum occurs in noisy environment towards high frequencies, was tested. The thresholds for detecting the target signal – a two-syllable word uttered by male or female, were evaluated in the two-alternative two-interval forced choice paradigm in 4 series. Series differed by the type of target signal (ordinary or Lombard speech) and the location of target source and noise (multi-talker noise) one. The both sources were located at a distance of 1 and 4 m opposite the subject at the level of his head. The detection threshold was defined as the ratio of signal and noise levels at the listener’s place (S/N). The threshold for detecting the target signal (male and female speaker voices together) was -11 dB S/N for ordinary as well as Lombard speech. It did not depend on which of the sources - the target signal or noise, was closer to the listener. In normal speech, the detection thresholds on average differed for male and female voices, but the difference was not significant. In Lombard speech, these thresholds were significantly different: for a male voice, the threshold at a detection level of 0.67 was -10 dB S/N, and for a female voice – -12.5 dB S/N.

全文:

ВВЕДЕНИЕ

Успешная речевая коммуникация в условиях большой группы людей реализуется благодаря пространственной избирательности слуха. Бинауральные механизмы обеспечивают настройку слухового внимания на определенную область пространства, в которой находится целевой диктор [1–3]. Слушатель способен различать источники, разделенные по азимутальному углу в семь и более градусов, и при необходимости переключать внимание между ними [4]. Бинауральные механизмы участвуют также и в локализации источника звука по расстоянию при удаленности источника звука от слушателя менее 4–5 м [5, 6]. Показано, что для локализации источника звука на таких расстояниях важны высокочастотные составляющие звукового сигнала [7, 8]. Был обнаружен эффект пространственной избирательности по расстоянию. Он состоит в том, что при одинаковых уровнях интенсивности в месте прослушивания, разделение помехи и целевого сигнала вызывает одинаковое освобождение от маскировки независимо от того, какой из источников – целевого сигнала или помехи – расположен ближе к слушателю [9].

Речь как звуковой сигнал имеет широкий диапазон частот. Вместе с тем основные характеристики голоса дикторов, включающие формантную структуру звуков речи, расположены в более узких областях спектра. Эти области соответствуют рабочему диапазону низкочастотных бинауральных механизмов и границе спектральных диапазонов, в которых реализуются низкочастотные и высокочастотные бинауральные механизмы. Первый диапазон включает частоты основного тона голоса (F0) у взрослого человека (100–250 Гц) и первую форманту гласных звуков речи (300–1300 Гц). Второй диапазон находится в пределах 2–4 кГц и содержит спектральные области второй и последующих формант гласных звуков. Роль этих механизмов в обнаружении голоса диктора при разделении источников целевого сигнала и помехи по расстоянию практически не исследована [3]. Однако были получены предварительные данные, указывающие на влияние спектральных характеристик голоса диктора на пространственную избирательность слуха по расстоянию при обнаружении его сигнала на фоне речеподобного шума [10].

При обнаружении и распознавании целевого голоса диктора на фоне шума наиболее эффективной помехой является шум толпы, который обладает спектральными и временными характеристиками, близкими к целевому сигналу [11], что вызывает максимальную величину маскирования [12]. Вместе с тем именно такая ситуация – выделение целевого речевого сигнала при пребывании в общественных местах – на улице, в магазине, на вокзале, в аэропорту и т.д. является наиболее экологически и социально значимой.

Пространственная избирательность слуха по отношению к речевым сигналам в мировой научной литературе изучается без учета изменений характеристик голоса при произнесении слов в шуме, так называемого эффекта Ломбарда. В шуме диктор испытывает затруднения в восприятии собственной речи. Такое нарушение работы слуховой обратной связи вызывает непроизвольное усиление голоса, которое создается в результате повышения тонуса мышц, участвующих в голосообразовании. Повышение мышечного тонуса приводит как к повышению уровня голоса, так и к повышению F0, частоты основного тона голоса, частот основных спектральных компонентов гласных, сонорных согласных [13, 14] и спектрального центроида мощности (ЦМ) речевого сигнала [15–17].

Смещение спектра голоса диктора в сторону высоких частот может улучшить пространственную избирательность речевого слуха по расстоянию за счет более активного включения высокочастотного механизма пространственного слуха. Целью данной работы являлась проверка этой гипотезы. Поскольку типичные мужские и женские голоса значительно различаются по спектру, то дополнительной задачей исследования было выполнить сравнительный анализ пространственной избирательности для дикторов разного пола, которые имеют типичные гендерные характеристики голоса.

МЕТОДЫ ИССЛЕДОВАНИЯ

В исследовании принимали участие 36 испытуемых (16 мужчин, 20 женщин, возраст 18–35 лет, средний возраст 23 ± 6 года) с нормальным слухом по результатам тональной пороговой аудиометрии и теста обнаружения паузы [18]. Запись речевых стимулов и их последующее прослушивание выполняли в анэхоидной звукоизолированной камере объемом 62.5 м3, ослабление уровня внешних шумов составляло не менее 40 дБ на частотах 0.5–16 кГц. Речевые стимулы представляли собой записи восьми двусложных слов русской речи: «кредит», «набор», «рубеж», «строка», «выпуск», «плата», «почва», «ручка». Эти записи были выполнены при участии двух дикторов – носителей русского языка, которые не входили в число испытуемых, участвовавших в экспериментах по обнаружению речи. Первым диктором был мужчина 30 лет (обычная речь F0: 113 ± 4 Гц, ЦМ: 899 Гц; ломбардная речь 130 ± 2 Гц, ЦМ: 1186 Гц), вторым – женщина 28 лет (F0: обычная речь 198 ± 16 Гц, ЦМ: 1021 Гц; ломбардная речь 214 ± 17 Гц; ЦМ: 1108 Гц). Речь записывали при надетых головных телефонах в тишине (обычная речь) и при диотической подаче дикторам в наушники шума многоголосия уровнем 60 дБ (ломбардная речь). Для снижения влияния заглушающего эффекта наушников на восприятие дикторами собственного голоса использовали обратную связь: сигнал с микрофона, при помощи которого велась запись голоса, в режиме реального времени подавали диктору в наушники с таким усилением, при котором воспринимаемая им громкость собственного голоса соответствовала таковой без головных телефонов.

В качестве маскирующих сигналов применяли отрезки шума многоголосия продолжительностью 2 с, имевшие линейные фронты нарастания и убывания амплитуды продолжительностью по 0.1 с каждый. Шум многоголосия включал записи речи четырех дикторов (двух мужчин и двух женщин). Он был создан в результате микширования 32 аудиофайлов (4 диктора × 8 слов) длительностью 10 с, в каждом из которых один и тот же речевой стимул повторялся несколько раз подряд без пауз. Спектральные характеристики шума многоголосия представлены на рис. 1. Амплитудно-частотный спектр имеет характерный для речевого сигнала наклон и по своим характеристикам близок к розовому шуму. На спектрограмме видны фрагменты формантной структуры отдельных гласных звуков, типичные для шума многоголосия и демонстрирующие сходство шума с речевым сигналом по ритмической структуре. При прослушивании этого речевого маскера испытуемый слышал шум многоголосия, когда одновременно говорят много людей. Создание такого шума подробно описано в работе [19]. Из полученного в результате микширования аудиофайла были вырезаны десять случайных фрагментов продолжительностью 2 с.

 

Рис. 1. Спектральные характеристики шума многоголосия. (a) – спектрограмма, (b) – амплитудно-частотный спектр.

 

Для воспроизведения шумовых и речевых стимулов использовали ноутбук с внешней звуковой картой Tascam US-16x08 (44100 Гц, 16 бит) и усилитель мощности Neva Audio SA-3004 с подключенными к нему динамическими громкоговорителями Klipsch R-3800-C. Громкоговорители располагались внутри анэхоидной камеры, на расстоянии 1 и 4 м напротив сидящего испытуемого на уровне его головы. Акустический контроль параметров шумовых и речевых стимулов в месте расположения испытуемого осуществляли при помощи набора калиброванного измерительного оборудования фирмы Bruel & Kjaer (микрофон 4145, предусилитель 2639, усилитель 2606) в режиме усреднения среднеквадратичной мощности на интервале времени 1 с. Акустический контроль при записи речи выполняли с помощью комплекта измерительного оборудования для поля звукового давления фирмы CrySound (искусственное ухо CRY318 и анализатор спектра CRY651B).

В первой части исследования 20 испытуемым (10 мужчин и 10 женщин) предлагали выполнить перцептивную задачу обнаружения речевого сигнала в четырех экспериментальных сериях. Пороги обнаружения оценивали методом двухальтернативного двухинтервального вынужденного выбора в 4 сериях, которые различались типом целевого сигнала и расположением источников целевого и маскирующего сигналов. Порядок прослушивания серий для всех испытуемых был одинаковым: 1) обычная речь, конфигурация «речь 1 м – шум 4 м»; 2) обычная речь, «речь 4 м – шум 1м»; 3) ломбардная речь, «речь 1 м – шум 4 м»; 4) ломбардная речь, «речь 4 м – шум 1 м». Пороги определяли, меняя соотношение сигнал/шум (С/Ш) с шагом в 3 дБ: -8, -11, -14, -17 дБ. Во всех сериях уровень целевого сигнала был равен 60 дБ УЗД в месте прослушивания. В каждой из них количество целевых сигналов составляло 16 (2 диктора x 8 слов) при каждом из отношений С/Ш. В квазислучайных последовательностях серии половину целевых стимулов предъявляли в первом интервале шума, а другую половину – во втором. Рандомизация экспериментальных серий, их воспроизведение и регистрация ответов испытуемых выполнялись с использованием оригинального программного обеспечения, созданного в среде Matlab.

Во второй части экспериментов все 36 человек участвовали в определении порогов обнаружения при определенном положении источников: целевой сигнал прослушивали с расстояния 1 м, а шум многоголосия подавали с расстояния 4 м (серии 1 и 3). Эта часть работы позволила оценить влияние эффекта Ломбарда у дикторов разного пола на пространственную избирательность слуха.

Анализ данных выполняли, вычисляя индивидуальные и среднегрупповые вероятности обнаружения речевых стимулов при разных отношениях С/Ш. Сравнение вероятностей обнаружения речевых стимулов при одинаковых отношениях С/Ш в сериях выполняли с использованием биномиального теста в пакете программ Statistica. Порог обнаружения целевого речевого сигнала оценивали на уровне вероятности обнаружения 0.67.

РЕЗУЛЬТАТЫ ИССЛЕДОВАНИЯ

В первой части исследования оценивали вероятность обнаружения целевого речевого сигнала независимо от пола диктора. По результатам всех экспериментальных серий получили снижение вероятности обнаружения речевого стимула при уменьшении отношения С/Ш до -14 дБ (p < 0.01) (рис. 2). Достоверных различий между обнаружением речевого стимула при отношениях С/Ш -14 и -17 дБ не было выявлено (p > 0.05), а вероятность обнаружения при этих уровнях зашумления находилась в диапазоне от 0.60 до 0.53 и была ниже пороговой. Сравнение результатов серий с разным положением целевого и шумового источников, а также с обычным и ломбардным целевым речевым сигналом не показало достоверных различий ни при одном из отношений С/Ш. Порог на уровне вероятности обнаружения 0.67 был достигнут при обнаружении стимула во всех сериях при отношении С/Ш равном -11 дБ. Таким образом, пространственная избирательность для целевого сигнала при ломбардной речи оказалась такой же, что и при обычной речи в задаче обнаружения голосов дикторов обоего пола.

 

Рис. 2. Обнаружение обычного и ломбардного речевого сигнала при разных положениях источника целевого сигнала и шума многоголосия. По абсциссе – соотношение сигнал/шум (дБ); по ординате – вероятность обнаружения речевого стимула на фоне шума многоголосия; TH – порог обнаружения стимула; IS – стимул с обычной речью; LS – стимул с ломбардной речью; 1 m – источник целевого сигнала расположен на расстоянии 1 м от слушателя; 4 m – источник целевого сигнала расположен на расстоянии 4 м от слушателя. Вертикальные линии – доверительный интервал (n = 320).

 

Во второй части работы проверяли предположение о том, что с учетом пола диктора ломбардная речь будет обнаруживаться лучше при одинаковых уровнях интенсивности целевых сигналов. Целевой речевой сигнал, источник которого находился на расстоянии 1 м от слушателя, обнаруживали 18 мужчин и 18 женщин на фоне источника шума, удаленного на 4 м от слушателя. Были сопоставлены результаты по обнаружению обычной и ломбардной речи для речевых стимулов, произнесенных мужским и женским голосами. Стимулы, содержащие обычную и ломбардную речь одного и того же диктора мужчины, имели одинаковую вероятность обнаружения при всех отношения С/Ш (p > 0.05) (рис. 3). Такой же результат получили для стимулов, произнесенных женским голосом. Обычная и ломбардная речь диктора женщины обнаруживались с одинаковыми вероятностями при всех отношениях С/Ш (p > 0.05). Сравнение обнаружения на фоне шума двусложных слов, произнесенных женским и мужским голосами в обычной речи, не показало достоверных различий ни при одном из соотношений С/Ш (p > 0.05). При С/Ш равном -11 дБ различия выявлялись в виде тенденции (р = 0.06).

 

Рис. 3. Обнаружение мужского и женского голоса при обычной и ломбардной речи (источник удален на 1 м от слушателя) на фоне шума многоголосия (источник удален на 4 м от слушателя). По абсциссе – соотношение сигнал/шум (дБ); по ординате – вероятность обнаружения речевого стимула на фоне шума многоголосия; TH – порог обнаружения стимула; ISF – стимул с женской обычной речью; ISM – стимул с мужской обычной речью; LSF – стимул с женской ломбардной речью; LSM – стимул с мужской ломбардной речью. Маркерами показаны достоверные различия вероятности обнаружения женской и мужской ломбардной речи; * – p < 0.05, ** – p < 0.01 (биномиальный тест, n = 288). Вертикальные линии – доверительный интервал (n = 288).

 

При ломбардной речи женский голос обнаруживался достоверно лучше мужского при отношении С/Ш = -8 и -14 дБ (p = 0.014 и p = 0.003 соответственно), а при С/Ш = -11 дБ различия были на уровне тенденции (p = 0.076). Таким образом, вблизи порога обнаружения получили тенденцию к лучшему обнаружению двусложных слов, произнесенных женским голосом, причем при ломбардной речи эти различия были статистически достоверны. Этот результат позволил оценить различия в порогах обнаружения мужского и женского голоса. Для мужского голоса порог составил -10 дБ, а для женского – -12.5 дБ.

Таким образом, для обычной речи пороги обнаружения мужского и женского голоса на уровне 0.67 достоверно не различались, а для ломбардной речи со смещенным в сторону высоких частот спектром пороги были различны.

ОБСУЖДЕНИЕ РЕЗУЛЬТАТОВ

Вероятность обнаружения голоса при пространственном разделении целевого источника и помехи по расстоянию в 3 м была выполнена в диапазоне соотношения С/Ш - 8 – -17 дБ. По сравнению с предыдущим исследованием [9], в котором применяли только обычную речь, дизайн эксперимента был изменен. Этот диапазон был сдвинут на 3 дБ в направлении снижения соотношения С/Ш. Целью такого изменения было достижение порога обнаружения, поскольку даже при самом низком соотношении С/Ш вероятность распознавания в предыдущем исследовании составляла выше 70%. В результате более высокий уровень неопределенности при обнаружении целевого голоса в измененном диапазоне повлиял на вероятность обнаружения таким образом, что уже для соотношения С/Ш -8 дБ получили значения ниже 0.8 по сравнению со средним значением 0.9, полученным в аналогичной ситуации в предыдущей работе. Поэтому при оценке порога применили критерий 0.67 вероятности обнаружения целевого сигнала. С учетом высокого уровня неопределенности получили такую же величину порога обнаружения целевого сигнала для обычной речи на фоне речеподобного шума (шума многоголосия), что и в предыдущем нашем исследовании. Пороговое соотношение С/Ш составило -11 дБ, а после -14 дБ достоверных изменений вероятности обнаружения не выявлено, т.е. характер ответов испытуемых был случайным.

В представленной работе получили подтверждение полученные ранее данные по положению целевого сигнала и помехи [9]. При равных соотношениях их уровней интенсивности в месте расположения слушателя освобождение от маскировки не зависело от того, какой из источников – целевого сигнала или помехи – находился ближе к слушателю. Достоверных различий в вероятности обнаружения при разном положении целевого сигнала и помехи не было выявлено во всем исследованном диапазоне С/Ш. В упомянутой выше работе освобождение от маскировки при пространственном разделении, по сравнению с пространственным совпадением целевого сигнала и шума многоголосия, составила 2–3 дБ (шум многоголосия). В другом исследовании разница в уровне маскировки при синфазной и противофазной подаче целевого речевого сигнала на фоне непрерывного бинаурального шума равнялась 7 дБ по средним данным в группе испытуемых той же возрастной группы, что и в нашем исследовании [20]. Заметим, что последний результат был получен при максимальном разделении по фазе целевого сигнала и помехи, соответствующем 180º, тогда как освобождение от маскировки в случае пространственного разделения по расстоянию было достигнуто при околопороговых различиях в азимутальных углах, приходящихся на левое и правое ухо – около 2º.

Применение в качестве целевого сигнала ломбардной речи не привело к значимым изменениям обнаружения сигнала по сравнению с обычной речью при совместном рассмотрении данных для мужского и женского голоса. Вместе с тем, как показано в разделе «Методы исследования», F0 при ломбардной речи увеличивается на фоне шума по средним данным на 16–17 Гц, а спектральный центроид – на 87 и 287 Гц. Заметим, что голоса дикторов были подобраны нами определенным образом – разница в F0 составила около 100 Гц и была близка к октавному повышению высоты, что характерно для типичных мужских и женских голосов [21]. Таким образом, увеличение доли высоких частот в ломбардной речи оказывается существенным при его сравнении с гендерными различиями голосов дикторов. Оно менее выражено, чем различие типичного мужского и женского голосов, поэтому раздельное рассмотрение предполагаемого эффекта ломбардной речи на обнаружение мужского и женского голосов было обоснованным.

В случае ломбардной речи, то есть при смещении спектральных областей голосов в высокочастотную область по сравнению с обычной речью, достоверные различия были выявлены между результатами обнаружения мужского и женского голосов. Различия в пороге обнаружения для мужского и женского голосов были определены в 2.5 дБ, тогда как для обычной речи пороги различались по средним данным, но достоверных различий выявлено не было. Полученная разница была сопоставима с различием в уровне маскировки при пространственном разделении целевого сигнала и речеподобного шума, она составляла 2–3 дБ (шум многоголосия) [9]. Полученный результат позволяет считать, что найденное различие в величине порогов для мужского и женского голосов при ломбардной речи с пространственным освобождением от маскировки является следствием смещения в высокочастотную область спектра речи этого типа.

Уровень шума многоголосия, при котором выполняли записи речи дикторов, составлял 60 дБ. Известно, что при более высоких уровнях шума эффект сильнее выражен [13, 22, 23]. Использование уровней около 80 дБ, вероятно, привело бы к более существенным различиям в обнаружении обычной и ломбардной речи, однако продолжительное воздействие шума высокого уровня интенсивности при оценке порогов противоречит этическим требованиям безопасности. В качестве косвенного подтверждения усиления эффекта и отличий от обычной речи можно рассматривать данные, полученные в психоакустических опытах и в модельных экспериментах при обнаружении «кричащей» речи [14]. Однако целью нашего исследования было сравнение вероятностей обнаружения обычной и ломбардной речи при уровне шума многоголосия, более характерного для повседневного общения и не вызывающего перцептивного дискомфорта.

В нашей работе были использованы голоса дикторов, которые имеют типичные гендерные различия F0 вблизи одной октавы. Влияние высоты голоса в околопороговых условиях проявилось при сходной схеме расположения источников обычной речи и шума многоголосия [10]. Эти результаты обнаружения обычной речи показали улучшение и значимые различия (p < 0.05) для женского голоса с наиболее высокой средней F0 – 226 ± 12 Гц по сравнению с тремя другими (два мужских и низкий женский голос) в случае локализации источника шума на расстоянии 1 м, а источника речи – 4 м от слушателя и соотношения С/Ш -14 дБ [10].

Полученные нами данные существенно дополняют представления об избирательности механизмов выделения речевого сигнала в шуме. Они могут быть использованы для моделирования процессов распознавания речи в шуме, развития технологий слухопротезирования с целью повышения эффективности выделения целевого речевого сигнала в условиях сложных коммуникативных сцен. Вместе с тем исследования голоса последних десятилетий демонстрируют снижение различий по данному признаку и тенденцию к сближению гендерных диапазонов F0, в частности, понижению женских голосов в среднем на 20–22 Гц [25]. На гендерные проявления эффекта Ломбарда может оказывать влияние и возрастной фактор, который определяет изменения в органах речеобразования и, в первую очередь, в голосовых связках пожилого человека [25, 26]. При этом, как правило, диапазоны высоты голоса также сближаются: у мужчин F0 смещается в сторону повышения, у женщин, наоборот, в сторону понижения [26]. В настоящем исследовании это направление сравнительной оценки не рассматривалось, но оно будет включено в дальнейшее изучение проблемы избирательности речевого слуха. Представляется существенным проанализировать возможные гендерные различия в группе аудиторов, т. к. согласно данным Похилайнен и соавт., они наблюдали значительное преимущество в обнаружении «кричащей» речи у аудиторов-мужчин относительно аудиторов-женщин [24].

БЛАГОДАРНОСТИ

Авторы благодарят А. П. Гвоздеву за подготовку программного обеспечения для выполнения процедуры эксперимента и акустические измерения при подготовке методики.

ВКЛАДЫ АВТОРОВ

А. И. Г. – разработка идеи и дизайна работы, написание рукописи; Л. А. М. – выполнение записей речи, проведение экспериментов, анализ данных, работа над текстом рукописи; Е. А. О. – анализ литературных данных, редактирование рукописи.

ФИНАНСИРОВАНИЕ РАБОТЫ

Данная работа финансировалась за счет средств гранта Российского научного фонда (проект № 22-25-00068). Никаких дополнительных грантов на проведение или руководство данным конкретным исследованием получено не было.

СОБЛЮДЕНИЕ ЭТИЧЕСКИХ СТАНДАРТОВ

Все исследования проводились в соответствии с принципами биомедицинской этики, изложенными в Хельсинкской декларации 1964 г. и последующих поправках к ней. Они также были одобрены Комитетом по этике Института эволюционной физиологии и биохимии им. И.М. Сеченова (протокол № 01-10 от 18 октября 2022 г.)

Каждый участник исследования дал добровольное письменное информированное согласие после получения разъяснений о потенциальных рисках и преимуществах, а также о характере предстоящего исследования.

КОНФЛИКТ ИНТЕРЕСОВ

Авторы данной работы заявляют, что у них нет конфликта интересов.

×

作者简介

I. Andreeva

Sechenov Institute of Evolutionary Physiology and Biochemistry of Russian Academy of Sciences

编辑信件的主要联系方式.
Email: ig-andreeva@mail.ru
俄罗斯联邦, Saint Petersburg

А. Lunichkin

Sechenov Institute of Evolutionary Physiology and Biochemistry of Russian Academy of Sciences

Email: ig-andreeva@mail.ru
俄罗斯联邦, Saint Petersburg

Е. Ogorodnikova

Sechenov Institute of Evolutionary Physiology and Biochemistry of Russian Academy of Sciences; Pavlov Institute of Physiology, Russian Academy of Sciences

Email: ig-andreeva@mail.ru
俄罗斯联邦, Saint Petersburg; Saint Petersburg

参考

  1. Bronkhorst AW (2015) The cocktail-party problem revisited: early processing and selection of multi-talker speech. Atten Percept Psychophys 77(5): 1465–1487. https://doi.org/10.3758/s13414-015-0882-9
  2. Andreeva IG (2018) Spatial selectivity of hearing in speech recognition in speech-shaped noise environment. Hum Physiol 44: 226–236. https://doi.org/10.1134/S0362119718020020
  3. Andreeva IG, Ogorodnikova EA (2022). Auditory Adaptation to Speech Signal Characteristics. J Evol Biochem Physiol 58(5): 1293–1309. https://doi.org/10.1134/S0022093022050027
  4. Marrone N, Mason CR, Kidd G (2008) Tuning in the spatial dimension: Evidence from a masked speech identification task. J Acoust Soc Am 124(2): 1146–1158. https://doi.org/10.1121/1.2945710
  5. Haustein BG (1969) Hypothesen uber die einhorige Entferungswahrnehmung des menschlichen Gehors. Hochfrequensthechnick und Electroakustic 78(2): 45–57.
  6. Mershon DH, Bowers JN (1979) Absolute and relative cues for the auditory perception of egocentric distance. Perception 8(3): 311–322. https://doi.org/10.1068/p080
  7. Kolarik AJ, Moore BC, Zahorik P, Cirstea S, Pardhan S (2016) Auditory distance perception in humans: a review of cues, development, neuronal bases, and effects of sensory loss. Atten Percept Psychophys 78: 373–395. https://doi.org/10.3758/s13414-015-1015-1
  8. Андреева ИГ, Бахтина АВ, Гвоздева АП (2014) Разрешающая способность слуха человека по расстоянию при приближении и удалении источников звука разного спектрального состава. Сенс сист 28(4): 3–12. [Andreeva IG, Bahtina AV, Gvozdeva AP (2014) Human’s hearing resolution in case of localizing of approaching and withdrawing sound images with various spectral structures. Sensory Systems 28(4): 3–12. (In Russ)]. https://www.elibrary.ru/item.asp?id=22741084
  9. Andreeva IG, Dymnikowa M, Gvozdeva AP, Ogorodnikova EA, Pak SP (2019). Spatial separation benefit for speech detection in multi-talker babble-noise with different egocentric distances. Acta Acust United Acust 105(3): 484–491. https://doi.org/10.3813/AAA.919330
  10. Огородникова ЕА, Лабутина ОВ, Андреева ИГ, Гвоздева АП, Баулин ЮА (2020) Фактор просодики в восприятии коммуникативной сцены с пространственным разделением источников речи и речеподобной помехи. Лингвистический форум 2020: Язык и искусственный интеллект. Москва, 12–14 ноября: 127–128. [Ogorodnikova EA, Labutina OV, Andreeva IG, Gvozdeva AP, Baulin YA (2020) Faktor prosodiki v vospriyatii kommunikativnoj sceny s prostranstvennym razdeleniem istochnikov rechi i rechepodobnoj pomekhi [The prosody factor in the perception of a communicative scene with spatially separate sources of speech and speech-like interference. Linguistic Forum 2020: Language and artificial intelligence. Moscow, November 12-14: 127–128. (In Russ)].
  11. Kleczkowski P, Żak A, Król-Nowak A (2017) Lombard effect in Polish speech and its comparison in English speech. Arch Acoust 42(4): 561–569. https://doi.org/10.1515/aoa-2017-0060.
  12. Brungart DS, Simpson BD, Ericson MA, Scott KR (2001) Informational and energetic masking effects in the perception of multiple simultaneous talkers. J Acoust Soc Am 110(5 Pt 1): 2527–2538. https://doi.org/10.1121/1.1408946.
  13. Van Ngo T, Kubo R, Morikawa D, Akagi M (2017) Acoustical analyses of tendencies of intelligibility in lombard speech with different background noise levels. J Signal Process Syst 21(4): 171–174. https://doi.org/10.2299/jsp.21.171
  14. Tang P, Xu Rattanasone N, Yuen I, Demuth K (2017) Phonetic enhancement of Mandarin vowels and tones: Infant-directed speech and Lombard speech. J Acoust Soc Am 142(2): 493–503. https://doi.org/10.1121/1.4995998
  15. Lu Y, Cooke M (2008) Speech production modifications produced by competing talkers, babble, and stationary noise. J Acoust Soc Am 124(5): 3261–3275. https://doi.org/10.1121/1.2990705
  16. Lu Y, Cooke M (2009) Speech production modifications produced in the presence of low-pass and high-pass filtered noise. J Acoust Soc Am 126(3): 1495–1499. https://doi.org/10.1121/1.3179668
  17. Garnier M, Henrich N (2014) Speaking in noise: How does the Lombard effect improve acoustic contrasts between speech and ambient noise? Comput Speech Lang 28(2): 580–597. https://doi.org/10.1016/j.csl.2013.07.005
  18. Keith RW (2000) Random Gap Detection Test. St Louis: Auditec St Louis 2000.
  19. Gvozdeva AP, Lunichkin AM, Zaytseva LG, Ogorodnikova EA, Andreeva IG (2022) Joint Changes in First and Second Formants of /a/, /i/, /u/ Vowels in Babble Noise-a New Statistical Approach. In International Conference on Speech and Computer. Cham: Springer Int Publ. 252–264. https://doi.org/10.1007/978-3-031-20980-2_22
  20. Strouse A, Ashmead DH, Ohde RN, Grantham DW (1998) Temporal processing in the aging auditory system. J Acoust Soc Am 104(4): 2385–2399. https://doi.org/10.1121/1.423748
  21. Puts DA, Gaulin SJC, Verdolini K (2006) Dominance and the evolution of sexual dimorphism in human voice pitch. Evol Hum Behav 27(4): 283–296. https://doi.org/10.1016/j.evolhumbehav.2005.11.003
  22. Stowe LM, Golob EJ (2013) Evidence that the Lombard effect is frequency-specific in humans. J Acoust Soc Am 134(1): 640–647. https://doi.org/ 10.1121/1.4807645
  23. Bottalico P, Passione II, Graetzer S, Hunter EJ (2017) Evaluation of the starting point of the Lombard effect. Acta Acust United Acust 103(1): 169–172. https://doi.org/10.3813/AAA.919043
  24. Pohjalainen J, Raitio T, Yrttiaho S, Alku P (2013) Detection of shouted speech in noise: Human and machine. J Acoust Soc Am 133(4): 2377–2389. https://doi.org/10.1121/1.4794394
  25. Berg M, Fuchs M, Wirkner K, Loeffler M, Engel C, Berger T (2017) The Speaking Voice in the General Population: Normative Data and Associations to Sociodemographic and Lifestyle Factors. J Voice 31(2): 257.e13–257.e24. https://doi.org/10.1016/j.jvoice.2016.06.001
  26. Шиленкова ВВ, Бестолкова ОС (2013) Пресбифония. Возрастные изменения акустических параметров голоса. Вестн оториноларингол 78(6): 24–27. [Shilenkova VV, Bestolkova OS (2013) Age-related changes in the acoustic voice characteristics. Vestn Otorinolaringol 8(6): 24–27. (In Russ)]. https://www.elibrary.ru/item.asp?id=21074035

补充文件

附件文件
动作
1. JATS XML
下载
2. Fig. 1. Spectral characteristics of polyphonic noise. (a) – spectrogram, (b) – amplitude-frequency spectrum.

下载 (167KB)
索引源数据
3. Fig. 2. Detection of regular and Lombard speech signals at different positions of the source of the target signal and polyphonic noise. Abscissa – signal-to-noise ratio (dB); along the ordinate – the probability of detecting a speech stimulus against the background of polyphonic noise; TH – stimulus detection threshold; IS – stimulus with normal speech; LS – stimulus with Lombard speech; 1 m – the source of the target signal is located at a distance of 1 m from the listener; 4 m – the source of the target signal is located at a distance of 4 m from the listener. Vertical lines – confidence interval (n = 320).

下载 (96KB)
索引源数据
4. Fig. 3. Detection of male and female voices during ordinary and Lombard speech (the source is 1 m away from the listener) against the background of polyphonic noise (the source is 4 m away from the listener). Abscissa – signal-to-noise ratio (dB); along the ordinate – the probability of detecting a speech stimulus against the background of polyphonic noise; TH – stimulus detection threshold; ISF – stimulus with female normal speech; ISM – stimulus with male normal speech; LSF – female Lombard speech stimulus; LSM – stimulus with male Lombard speech. The markers show significant differences in the probability of detecting female and male Lombard speech; * – p < 0.05, ** – p < 0.01 (binomial test, n = 288). Vertical lines – confidence interval (n = 288).

下载 (105KB)
索引源数据

版权所有 © Russian Academy of Sciences, 2024

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».