人耳听觉特性详解：听觉阈值掩蔽效应等响曲线音响声学入门

人耳——音响系统的最终裁判

音响系统做的一切事情，最终都要通过人耳来评判。但人耳不是一个"平坦"的测量仪器——它在不同频率、不同响度下的灵敏度差异巨大，而且听觉感知还受到心理预期、视觉信息甚至价格标签的影响。理解人耳的真实特性，是看懂音响设计为什么这么做的关键。

听觉阈值：人耳到底能听多轻多宽

人耳能感知的最微弱声音对应的声压约为 20 微帕斯卡，定义为 0dB SPL。在极安静的消声室中，确实有人在 1kHz 附近可以达到接近 0dB SPL 的听阈。但日常环境中，安静卧室的本底噪声通常在 25-30dB SPL，录音棚控制室约 15-20dB SPL——这就是你的听音环境底噪，低于这个水平的声音再细微也听不到。

人耳的频率范围约 20Hz 到 20kHz，但这不是一条平直的线。在 3-4kHz 附近人耳最敏感，这得益于两个因素的叠加：耳道长约 2.5cm，共振频率约 3kHz（提升该频段约 10-15dB）；中耳传声机构在该频段也有传递效率峰值。3-4kHz 恰好是人类语音中辅音（s、f、t、sh）的关键频段——进化使人耳在这个频段特别灵敏，这直接关系到语言交流的清晰度。

在低频端，200Hz 以下需要明显更高的声压级才能被感知到与中频相同的响度。在高频端，8kHz 以上的灵敏度也快速下降。这就是为什么小音量听音乐总觉得"低音不够"——不是音箱的问题，是你耳朵的等响特性使然。

等响曲线：响度不是线性的

1933 年，Fletcher 和 Munson 通过大量测试绘制了最早的等响曲线，后经多次修订成为今天的 ISO 226:2003 标准。等响曲线展示的是：在不同频率上，需要多大的声压级才能让听者感觉与 1kHz 参考音"一样响"。

曲线有几个关键特征：

• 在低声压级（20-40 phon，即 1kHz 处的 dB SPL 值）时，低频衰减非常严重。100Hz 需要大约比 1kHz 高出 20dB 才能感觉同样响。
• 在高声压级（90 phon 以上）时，曲线趋于平坦——不同频率的灵敏度差异显著缩小。这就是为什么在很大音量下听，低频明显变多了。
• 3-4kHz 的区域始终是最灵敏的，但低声压级时这个峰更突出。

等响曲线在音响工程中有三个直接应用：

• 响度补偿（Loudness Contour）：在小音量时自动提升低频（和高频），补偿人耳的自然衰减。很多功放和播放器都有这个功能。
• 混音参考：专业混音师会在大、中、小三种音量下检查混音的频率平衡，因为不同音量下感知到的平衡完全不同。
• dBA 加权的基础：环境噪声测量用的 A 加权曲线正是基于 40 phon 等响曲线设计，大幅衰减低频以模拟人耳对低音量噪声的感知。

临界频带：耳朵的分辨率是有限的

人耳基底膜的频率分辨能力并不是无限精细的。研究发现，听觉系统将频率范围划分为大约 24 个临界频带（Critical Band），每个频带内的声音被作为一个整体处理。频率相距在一个临界频带以内的两个声音会互相干扰（掩蔽），而超过一个临界频带时干扰大幅减少。

Bark 尺度是心理声学中用来描述这种频率划分的标准。低频段每个 Bark 的带宽仅 100Hz 左右（如 20-100Hz 为第 1 个 Bark，100-200Hz 为第 2 个），高频段每个 Bark 的带宽可达数千赫兹（如 15000-20000Hz 为第 24 个 Bark）。

临界频带理论的工程含义非常直接：

• 有损音频编码（MP3、AAC）利用临界频带内的掩蔽效应来丢弃人耳听不到的信息
• 均衡器的 Q 值设计不宜过窄——窄于临界频带的 EQ 调整在感知上是浪费的
• 房间声学测量通常按 1/3 倍频程进行，精度与 Bark 尺度相当

听觉掩蔽：一种声音怎么让另一种消失

当一个声音的存在使得另一个声音变得不可听时，就是掩蔽效应。这是现代音频编码的物理基础。

同时掩蔽是指两个声音同时出现时的掩蔽。基本规律是：低频更容易掩蔽高频（向上掩蔽），而高频掩蔽低频的效果较差。掩蔽效果在掩蔽声频率附近最强，频率越远效果越弱。掩蔽声越响，掩蔽的范围越宽。这意味着人耳实际上相当于一个频谱分析仪+掩蔽阈值计算器——它只关注那些没有被掩蔽的声音成分。

时序掩蔽发生在时间轴上。强声音结束后，紧随其后约 50-100ms 内的弱声会被掩蔽（前向掩蔽）。更惊人的是，强声音前面约 10-20ms 内的弱声也会被掩蔽（反向掩蔽）——这说明听觉处理存在一个"时间窗口"。

MP3 和 AAC 编码器的心理声学模型正是基于这些原理：分析信号中被掩蔽的频率成分，减少甚至完全不分配比特给它，听者无法察觉差异。编码器的优劣差异，本质上就是心理声学模型的精度差异。

双耳听觉：人怎么定位声音

人类依靠两个耳朵接收声音的微小差异来定位声源方向。主要有两种机制：

• ITD（耳间时间差）：声波到达两耳的时间差。从侧面来的声音到达远耳比近耳晚约 600-650 微秒。ITD 在 1.5kHz 以下最有效。
• ILD（耳间声级差）：头的遮蔽效应使远耳听到的声音比近耳轻。ILD 在 1.5kHz 以上最有效——高频波长小，遮蔽效果明显。

HRTF（头相关传输函数）描述了声源到鼓膜之间的完整声学滤波效果，包括头部、耳廓、耳道对声波的散射和反射。耳廓的褶皱对不同入射角的高频产生独特的梳状滤波——这是大脑判断声源垂直方向的主要线索。每个人头的外形不同，HRTF 因人而异，这解释了为什么虚拟环绕声（如杜比全景声的耳机模式）对不同人的效果差异巨大。

从听觉到音响设计

理解人耳特性后，很多音响设计的"为什么"就清晰了：

• 为什么需要 24bit/96kHz？因为人耳的动态范围约 120dB，16bit 的 96dB 已经能覆盖大部分听音场景，24bit 的价值主要在录音环节。
• 为什么中音单元比高音低音更关键？因为人耳对中频（200Hz-4kHz）最敏感，这也是人声和大多数乐器基频的集中区域。
• 为什么小音量下低频消失？因为等响曲线的低频衰减——这不是设备故障，是生理特性。
• 为什么好的编码器听起来更好？因为心理声学模型的精度决定了掩蔽阈值计算得有多准确。