Psicoacústica e inteligibilidad del habla

Las métricas de nivel dicen cuánta presión sonora hay; las métricas psicoacústicas dicen qué percibe realmente quien escucha. Esta página cubre la sonoridad (ISO 532-1), el sharpness (DIN 45692) y el índice de transmisión del habla (IEC 60268-16).

Sonoridad en sonos (ISO 532-1, Zwicker)

Los decibelios comprimen la percepción: 10 dB más se leen como el doble de sonoro, y dos sonidos con el mismo dB(A) pueden diferir audiblemente según cómo se reparta su energía entre las bandas críticas del oído. El método de Zwicker modela explícitamente la cadena auditiva — transmisión del oído externo/medio, análisis en bandas críticas sobre la escala de 24 Bark, pendientes de enmascaramiento dependientes del nivel — y produce la sonoridad N en sonos, una escala de razón: 4 sonos es el doble de sonoro que 2 sonos. Por definición, un tono de 1 kHz a 40 dB SPL es 1 sono, y cada +10 fonios duplica el valor en sonos.

Mismo nivel de banda, sonoridad muy distinta: la energía repartida entre muchas bandas críticas (rojo) suma muchos más sonos que el mismo nivel concentrado en una sola banda (azul). El área bajo N’(z) es la sonoridad total.

from phonometry import loudness_zwicker, loudness_zwicker_from_spectrum

# Desde una grabación sin calibrar: calibration_factor convierte unidades digitales en Pa
res = loudness_zwicker(x, fs, field="free", calibration_factor=sens)
print(f"N = {res.loudness:.1f} sone  ({res.loudness_level:.0f} phon)")

# Señales variables en el tiempo: la sonoridad percentil N5 es el
# estándar para informes
res = loudness_zwicker(x, fs)          # stationary=False (por defecto)
print(res.n5, res.n10, res.loudness)   # N5, N10, Nmax

# Desde 28 niveles de tercio de octava (25 Hz .. 12.5 kHz)
res = loudness_zwicker_from_spectrum(levels_28, field="diffuse")

La implementación es un port de sala limpia del programa de referencia normativo de la norma (Anexo A.4): las doce tablas de datos son exactas dígito a dígito y el conjunto completo de validación del Anexo B se ejecuta en CI — el caso de prueba estacionario reproduce el valor publicado hasta el último dígito impreso, y las trazas N(t) de los pulsos de tono se mantienen dentro de la banda de tolerancia del 5 % por muestra que fija la norma.

Parámetros de loudness_zwicker()

Parámetro	Tipo	Unidades	Rango / valor por defecto	Notas
x	array 1D	Pa (tras calibración)	≥ 8 ms a 48 kHz	Se remuestrea internamente a 48 kHz si es necesario
fs	int	Hz	> 0
field	str	—	'free' (por defecto) / 'diffuse'	Corrección de campo sonoro (Tabla A.5)
stationary	bool	—	por defecto False	True: un único N a partir del espectro promediado
calibration_factor	float	Pa por unidad digital	por defecto 1.0	De calculate_sensitivity()

Devuelve un dataclass ZwickerLoudness: loudness (N, sonos), loudness_level (fonios), specific (N′(z), 240 bins de 0,1 Bark) y, para los análisis variables en el tiempo, n5, n10, time, loudness_vs_time (traza a 500 Hz).

Sharpness en acum (DIN 45692)

Dos sonidos pueden ser igual de sonoros y aun así uno se percibe más “afilado” — siseante, metálico — porque su sonoridad se sitúa más arriba en la escala Bark. El sharpness es el primer momento del patrón de sonoridad específica ponderado por g(z):

$$S = k\ \frac{\int_0^{24} N'(z)\ g(z)\ z\ dz}{\int_0^{24} N'(z)\ dz}\ \text{acum}$$

con $g(z) = 1$ hasta 15,8 Bark y creciendo exponencialmente a partir de ahí, y $k$ normalizada para que el sonido de referencia — ruido de ancho de banda crítico a 1 kHz, 60 dB — sea exactamente 1,00 acum (DIN 45692 apartado 6; la $k = 0.108$ derivada queda dentro de la ventana normativa 0,105–0,115).

from phonometry import sharpness_din

s = sharpness_din(x, fs, calibration_factor=sens)      # acum
s_aures = sharpness_din(x, fs, method="aures")          # variante del Anexo B

CI verifica los valores objetivo de la Tabla A.2 (desde 0,38 acum a 250 Hz hasta 2,82 acum a 4 kHz) dentro de la tolerancia del 5 % / 0,05 acum de la norma.

Índice de transmisión del habla (IEC 60268-16)

La reverberación y el ruido no amortiguan el habla de manera uniforme — emborronan su envolvente: las modulaciones lentas de intensidad (0,63–12,5 Hz) que transportan las sílabas. El STI cuantifica cuánta de esa modulación sobrevive de la boca al oído, por banda de octava, como la función de transferencia de modulación (MTF) m(F). Un canal tipo delta mantiene m = 1 (STI = 1); la reverberación filtra paso-bajo la envolvente siguiendo la forma cerrada de Schroeder, y el ruido estacionario la escala:

$$m(F) = \frac{1}{\sqrt{1 + \left(2\pi F\ \frac{T_{60}}{13.8}\right)^2}} \cdot \frac{1}{1 + 10^{-\mathrm{SNR}/10}}$$

from phonometry import sti_from_impulse_response, stipa, stipa_signal

# Método indirecto: desde una respuesta al impulso medida en la sala
res = sti_from_impulse_response(ir, fs, snr=25.0)
print(f"STI = {res.sti:.2f}  ({res.rating})")   # p. ej. 0.62 (D)

# Medición STIPA directa: reproduce stipa_signal() en la sala y grábala
test = stipa_signal(fs, seconds=18.0, level_db=80.0)
res = stipa(recording, fs)

La implementación sigue la Edición 5 (2020): el PDF normativo de la Edición 4 es la base y cada cambio de la Ed. 5 está atribuido a su fuente en el código — el único delta numérico es el espectro de habla masculina revisado del apartado A.6.1. CI comprueba los vectores de verificación de la propia norma: los seis pares de bandas de los factores de ponderación a ±0,001 STI, la tabla de correspondencia m ↔ STI, los puntos de control del enmascaramiento dependiente del nivel y decaimientos con la forma de Schroeder a cuatro valores de T₆₀.

Parámetros de sti_from_impulse_response() / stipa()

Parámetro	Tipo	Unidades	Rango / valor por defecto	Notas
ir / x	array 1D	cualquiera / Pa	no vacío	Respuesta al impulso (indirecto) o grabación STIPA (directo)
fs	int	Hz	> 0
snr	float o vector de 7, opcional	dB	por defecto None	Añade la degradación por ruido estacionario
level	vector de 7, opcional	dB SPL	por defecto None	Activa el enmascaramiento auditivo + umbral de recepción (Tablas A.2/A.3)
ambient	vector de 7, opcional	dB SPL	requiere level	Niveles de banda del ruido ambiente
reference	array 1D, opcional (stipa)	—	por defecto None	Señal de la fuente medida en lugar del m = 0,55 nominal

Ambas devuelven STIResult: sti, mti (7 bandas), mtf (7×14 o 7×2), band_levels, rating (letra del Anexo F, A+…U).

Consulta Niveles para las métricas de tonalidad y Teoría para la matemática subyacente.