マスキングしきい値

音響学（振動、音、超音波、超低周波音などを扱う物理学の分野）におけるマスキング閾値とは、2つの音が同時に存在し、一方の音が他方の音よりも大きい場合、小さい音は大きい音にマスキングされて聞こえない可能性があるプロセスを指します。^[1]

したがって、マスキングしきい値とは、「マスカー」と呼ばれる別のノイズが存在する場合に音を聞き取れるようにするために必要な音の​​音圧レベルです。このしきい値は、周波数、マスカーの種類、およびマスキングされる音の種類によって異なります。効果は、周波数が近い 2 つの音の間で最も強くなります。

オーディオ伝送の観点では、音を知覚できないことにはいくつかの利点があります。たとえば、オーディオエンコードでは、聞こえないトーンを省略することで、より良い圧縮を実現できます。これにより、サウンドをエンコードするために必要なビット数が少なくなり、最終的なファイルのサイズが小さくなります。

1 つのトーンのみで作業することはまれです。ほとんどのサウンドは複数のトーンで構成されています。同じ周波数で多くのマスカーが考えられます。この状況では、サウンドを構成する周波数を決定するために、512 または 1024 ポイントを介した高解像度の高速フーリエ変換を使用してグローバル マスキングしきい値を計算する必要があります。人間が聞き取れない帯域幅があるため、個々のしきい値を計算する前に、信号レベル、マスカーの種類、および周波数帯域を知っておく必要があります。静かなときにマスキングしきい値がしきい値を下回ることを回避するには、部分しきい値の計算に最後のしきい値を追加します。^{[説明が必要]}これにより、信号対マスク比 (SMR) を計算できます。

MPEGオーディオエンコード プロセスでは、マスキングしきい値を活用します。このプロセスには、「心理音響モデル」と呼ばれるブロックがあります。これは、バンド フィルタおよび量子化ブロックと通信します。心理音響モデルは、フィルタ バンドから送信されたサンプルを分析し、高速フーリエ変換を使用して各周波数バンドのマスキングしきい値を計算します。使用されるポイントの数は、MPEG レイヤーによって異なります。これらのしきい値を使用して、信号対マスク比が決定され、量子化器に送信されます。量子化器は、SMR に基づいて各ブロックに多かれ少なかれビットを割り当てます。SMR が最も高いブロックは、最大ビット数でエンコードされます。