バイノーラルアンマスキング

バイノーラル アンマスキングは、アイラ ハーシュによって発見された聴覚の現象です。^[1]バイノーラル アンマスキングでは、脳は両耳からの情報を組み合わせ、ノイズの中での信号検出と識別を改善します。この現象は、信号の両耳間位相とノイズの両耳間位相に差がある場合に最もよく見られます。このような差がある場合、両耳間位相が同じである基準状況、または刺激が片耳で提示された場合と比較して、マスキング閾値が向上します。通常、これら 2 つのケースでは非常によく似た閾値が得られます。改善の大きさは、「バイノーラル マスキング レベル差」(BMLD)、または単に「マスキング レベル差」として知られています。

バイノーラルアンマスキングは、低周波数で最も効果的です。広帯域ノイズ中の純音の BMLD は、250 Hz で約 15デシベル(dB) の最大値に達し、1500 Hz で 2～3 dB まで徐々に低下します。その後、少なくとも 4 kHz までのすべての高周波数で BMLD は 2～3 dB で安定します。^[2]バイノーラルアンマスキングは狭帯域マスキングノイズでも見られますが、効果は異なります。より大きな BMLD が見られ、周波数の増加に伴う低下の証拠はほとんどありません。^[3]

騒音下での音声識別の改善は、 JCR Lickliderによって初めて報告されました。^[4] Lickliderは、アンマスキングに使用されている両耳間位相の差は、音源の方向によって変化し、音源定位に関係する両耳間時間差に似ていると指摘しました。音声がアンマスキングされ、その背後にある手がかりが音源の方向によって変化するという事実は、両耳間のアンマスキングがカクテルパーティー効果に役割を果たしている可能性を示唆しました。

異なる刺激構成に対する体系的なラベル付けシステムは、ジェフリーズ^[5]によって初めて使用され、この分野のほとんどの著者によって採用されています。条件名はNxSyと表記され、xはノイズの両耳構成、yは信号の両耳構成です。xとyの一般的な値は次のとおりです。

• 0は、信号またはノイズが両耳で同一であることを意味する。
• πは、信号またはノイズの両耳間の位相差がπ ラジアンであることを意味する。
• τ は、信号またはノイズに両耳間の時間差があることを意味します。時間差τの正確な値は、別の場所で指定されます。
• ρ は、ノイズの両耳相関が 1 未満であることを意味し、正確な相関は別の場所で指定されます。
• u は、信号またはノイズが両耳間で相関していないことを意味します。
• m は信号またはノイズがモノラルであることを意味します。

バイノーラルアンマスキングには2つの主な説明枠組みがあります。これらは両耳間相互相関^{[6]と両耳間減算[7]}に基づいています。

相互相関の説明は、音源定位における両耳間の時間差に対する感度を説明するためにロイド・A・ジェフリーズ^{[8]が提唱したものと同様の、中脳の同時検出ネットワークの存在に依存しています。各同時検出器は、差動伝達遅延を導入する軸索ネットワークを介して、両耳から}活動電位の流れを受け取ります。信号の検出は、最もアクティブな同時検出器の応答率が信号の存在によって低下したときに発生すると考えられています。両耳での信号の相互相関は、このような同時検出ニューロンの配列をモデル化するための数学的な代替としてよく使用されます。応答率の低下は、相互相関最大値の減少につながります。

減算的説明は「イコライゼーション・キャンセル」または「EC」理論として知られています。この説明では、両耳の波形（またはその内部表現）は、脳によって時間的に整列（イコライゼーション）され、その後、一方から他方が減算されます。実際には、一致検出器は、一方の耳からの活動電位によって興奮し、もう一方の耳からの活動電位によって抑制されるニューロンに置き換えられます。しかし、EC理論は一般にそのような明確な神経学的用語で表現されておらず、脳内で適切な神経基質は特定されていません。それでも、EC理論は非常に人気のあるモデリングフレームワークであることが証明されており、心理音響実験における相互相関モデルとの直接比較で良好な結果が出ています^[9]

耳は入ってくる音を異なる周波数にフィルタリングします。蝸牛の特定の場所と特定の聴神経線維は、限られた範囲の周波数にのみ反応します。そのため、研究者は、信号の周りの狭い周波数帯域内で両耳で音声とノイズの混合によって生成される手がかりを調べてきました。信号と狭帯域ノイズが追加されると、ベクトル加算が発生し、結果として生じる振幅と位相は、ノイズまたは信号のみの場合とは異なります。両耳のマスキング解除刺激の場合、信号とノイズの両耳パラメータの違いにより、各耳で異なるベクトル加算が発生します。^{[5]その結果、刺激の構成に関係なく、リスナーの耳での刺激のレベルと位相差の}両方に変動が生じる傾向があります。

実験では、聴覚システムがこれらの手がかりのどれを最もよく検出できるかが調べられました。その結果、低周波数（具体的には500Hz）では、聴覚システムは両耳間の時間差に最も敏感であることがわかりました。^[10]しかし、高周波数では、両耳間のレベル差を使用するように移行しているようです。^[11]

日常生活では、音声と雑音が異なる方向から来ると、雑音の中で音声が理解しやすくなります。これは「マスキングからの空間的解放」と呼ばれる現象です。この状況では、音声と雑音には明確な両耳間時間差と両耳間レベル差があります。時間差は両耳への音の経路の長さの差によって生じ、レベル差は頭部の音響シャドウイング効果によって生じます。これら 2 つの手がかりは音の定位に大きな役割を果たし、どちらもマスキングからの空間的解放に独立した効果を持つことが示されています。^{[12]両耳間レベル差により、どちらかの耳の}信号対雑音比が向上し、リスナーは単にその耳を聞くだけで理解度が向上します。ただし、両耳間時間差は、両耳の波形を比較することによってのみ利用できます。マスキングからの空間的解放の成功したモデルは、両耳間時間差の効果を生成するためにイコライゼーション キャンセレーション理論を使用する傾向があります。^[13]