【读论文】1946 Theory of communication（二三部分AI版） Journal of the Institution of Electrical Engineers

第一部分——文章目录GB/T 7714-2015 标准引用格式通信理论 第二部分听觉分析摘要1引言2人耳频差分辨实验的时频映射2.1 固定时长纯音的频率分辨阈值2.2 内耳机械共振模型的理论矛盾3短时信号时域分辨实验分析4全听觉频段分辨效率分布4.1 低频最优区间60~1000Hz4.2 中高频衰减区间1000~4000Hz4.3 超高频区间4000Hz以上5神经传导的假设整合效应6音频压缩传输的声学理论依据7讨论信息图在听觉感知的统一价值8参考文献GB/T 7714-2015 标准引用格式通信理论 第三部分频率压缩与扩展摘要1引言2运动式频率压缩系统运动法2.1 装置结构与缩放原理2.2 语音压缩实验结果2.3 压缩畸变成因与优化方案2.4 电话系统复用方案3纯电气频率压缩系统电子法3.1 系统核心架构3.2 两种方案数学等价证明3.3 单边带通信结合应用4音乐信号压缩的局限性5与声码器方案对比6工程讨论7总结8参考文献GB/T 7714-2015 标准引用格式GABOR D. Theory of communication. Part 2: The analysis of hearing[J]. Journal of the Institution of Electrical Engineers, Part III, 1946, 93(26): 442-454.通信理论 第二部分听觉分析D. 伽博工学博士英国汤姆逊-休斯顿有限公司研究实验室准会员摘要本文将第一部分建立的信号时频分析方法应用于人耳听觉感知的解析工作重点结合肖沃-比杜尔夫、布尔克-科托夫斯基-利希特等人开展的人耳时域、频域分辨实验。研究证明各类听觉分辨实验均可在信息图中划定边界清晰的分辨阈值面积单元。在60-1000赫兹中低频区间人耳分辨性能达到最优几乎可以识别每两组信息数据中的一组分辨效率接近50%这意味着人耳是一种对相位不敏感、性能近乎理论极限的物理检测器。在全听觉频段内平均分辨效率远低于50%频率升高后分辨能力会急剧衰减。实验观测到在20-250毫秒极宽的信号时长区间内人耳分辨阈值面积基本恒定。该特性无法通过内耳任何机械振动机制解释本文提出一种神经传导层面的全新假设效应作为合理解释。该听觉分辨特性直接证明即便音频信号丢失大量时频细节、还原度远低于原始声波人耳仍无法察觉失真从物理底层论证了带宽压缩式音频传输、重放方案具备工程可行性。1引言第一部分建立了以时间、频率为双坐标轴的信息图理论推导时频不确定关系Δ t Δ f 1 / 2 \Delta t \Delta f 1/2ΔtΔf1/2定义面积1 / 2 1/21/2的基础信号单元洛贡logon并证明任意时频区域承载的独立数据量等于区域内洛贡单元总数。当时频单元面积固定时检测器分辨性能存在理论上限理想无相位响应器件最高分辨效率为50%即每两个洛贡单元仅能区分一组独立信息。严格数学上正交基不存在“最小面积”的概念正交基不限制面积你可以无限细分。原因很简单在L 2 ( R ) L^2(\mathbb{R})L2(R)有限能量信号的空间中你可以构造任意精细的正交基。比如小波包Wavelet Packet它可以把时频平面切成任意小的、形状各异的“瓷砖”只要满足正交性条件它们依然是严格的数学基。甚至你可以用Gabor 框架Gabor Frame让时频网格的间距任意小只要满足框架条件它依然能完整表示信号。数学上不存在“最小面积”的正交基。你想多细就可以多细——只要计算资源允许。物理上确实存在一个“有效的最小面积”但它不是由正交性决定的而是由信噪比SNR和测量精度决定的。道理非常朴素你可以把时频平面切成KaTeX parse error: Cant use function \) in math mode at position 21: …a t 10^{-9}s \̲)̲、\( \Delta f …的网格数学上完全合法。但问题是这些格子里有信号吗如果你用一个Δ t 10 − 9 s \Delta t 10^{-9}sΔt10−9s的窗口去分析一段音乐窗口里几乎没有任何完整的周期你测到的只有噪声。如果你用一个Δ f 10 − 9 H z \Delta f 10^{-9}HzΔf10−9Hz的滤波器去滤波你需要等待1 / Δ f 10 9 1/\Delta f 10^91/Δf109秒约31年才能得到一个稳定的输出。物理现实告诉我们网格越细每个格子里能积累的信号能量就越少最终被噪声淹没。这就是Gabor原本的洞见虽然是定性的时频平面上存在一个“有效面积”低于这个面积你无法可靠地探测到信号的存在。他把这个面积定义为 1/2Logon作为一个“工程上的最小有意义单元”。人耳是天然的时频联合感知器件前人声学实验仅单独测试人耳频差分辨、单独测试时域间隔分辨尚未将两类分辨能力纳入统一的时频框架定量分析。本文核心工作将全部经典听觉分辨实验映射至信息图统一用洛贡单元量化人耳分辨阈值对比内耳机械模型与实验结果的矛盾推导听觉神经的时空整合机制最终为音频带宽压缩技术提供生理声学理论支撑。前人经典听觉实验分为两类纯音差分音调分辨肖沃、比杜尔夫1931测量人耳可识别的最小频率相对变化量短时脉冲时域分辨布尔克、科托夫斯基、利希特测量人耳可区分的最短两段声信号时间间隔。两类实验观测到的分辨极限恰好对应信息图中固定面积的矩形阈值单元单元面积数值与第一部分推导的最小时频面积1 / 2 1/21/2高度吻合。2人耳频差分辨实验的时频映射2.1 固定时长纯音的频率分辨阈值肖沃与比杜尔夫的实验方案给定固定持续时长τ \tauτ的单频纯音缓慢微调载波频率记录人耳刚好能察觉音调变化的最小频差Δ f min \Delta f_{\text{min}}Δfmin​。实验核心结论当信号时长τ ∈ [ 20 m s , 250 m s ] \tau \in [20\mathrm{ms},250\mathrm{ms}]τ∈[20ms,250ms]、频率f ∈ [ 60 H z , 1000 H z ] f \in [60\mathrm{Hz},1000\mathrm{Hz}]f∈[60Hz,1000Hz]时τ ⋅ Δ f min ≈ 0.5 \tau \cdot \Delta f_{\text{min}} \approx 0.5τ⋅Δfmin​≈0.5严格匹配不确定关系下限固定时长不变、频率超过1000Hz后τ ⋅ Δ f min \tau \cdot \Delta f_{\text{min}}τ⋅Δfmin​快速增大分辨效率持续下跌低频区间内乘积稳定在0.48~0.52区间人耳接近相位不敏感检测器的理论最优性能。将实验数据映射至信息图每一块分辨阈值矩形面积Δ t ⋅ Δ f ≈ 1 / 2 \Delta t \cdot \Delta f \approx 1/2Δt⋅Δf≈1/2恰好对应一个洛贡单元承载两组数据、人耳仅能区分其中一组的50%效率。图2.1 60~1000Hz低频段人耳分辨阈值矩形图注翻译时频平面横轴频率f ff纵轴时长Δ t \Delta tΔt矩形单元面积恒约0.5代表刚好可被人耳区分的最小时频区域2.2 内耳机械共振模型的理论矛盾耳蜗基底膜可等效为一组并联窄带共振簧片阵列每个位置对应单一共振频率纯音激励下仅局部基底膜产生振动振动衰减时长由簧片阻尼决定。若人耳分辨完全由基底膜机械振动主导则存在硬性约束信号时长必须大于簧片阻尼衰减时间否则振动未充分建立无法分辨频率。实验观测却与之相悖20ms短音与250ms长音频差分辨精度几乎完全一致基底膜共振衰减时长固定约30~50ms无法解释20ms短音依然具备同等分辨能力。耳蜗基底膜振动转化为电信号后内毛细胞的突触囊泡不会瞬间清空声音消失后突触仍会持续释放谷氨酸递质约200~250ms形成听觉短时记忆感官缓存。20ms 短音结束后毛细胞的电响应、神经放电不会立刻归零会缓慢衰减 当信号前后存在微弱振动残留听神经纤维会把当前瞬时放电 前250ms 内历史放电叠加汇总后向上传递。 简单说硬件层面自带 “信号残留缓存”天然具备跨时域叠加的物理基础不是大脑凭空回溯过去。由此得出关键推论人耳分辨不单纯依赖内耳机械滤波听觉神经纤维会对不同时长、不同时刻的基底膜振动信号做跨时域整合处理存在全新神经时空叠加效应。3短时信号时域分辨实验分析布尔克等人开展脉冲听觉分辨实验输出两段窄带声脉冲调节脉冲间隔Δ t min \Delta t_{\text{min}}Δtmin​记录人耳刚好能听出两声而非单声的最小时间间隔。实验约束脉冲中心频率同样限定60~1000Hz脉冲带宽固定。观测结果Δ t min ⋅ Δ f ≈ 0.5 \Delta t_{\text{min}} \cdot \Delta f \approx 0.5Δtmin​⋅Δf≈0.5与时域、频域分辨实验得到完全相同的阈值面积。该结果证明人耳的分辨阈值在时间、频率维度具备对称性与第一部分信号分析的时频对称理论完全自洽固定时长测最小频差、固定带宽测最小时长得到完全一致的单元面积人耳不会单独牺牲某一维分辨精度换取另一维提升而是维持时频联合分辨面积恒定。高频f 1000 H z f1000\mathrm{Hz}f1000Hz时域分辨同步劣化同等带宽下可分辨的最小脉冲间隔成倍拉长阈值单元面积提升至1以上分辨效率跌破30%。4全听觉频段分辨效率分布4.1 低频最优区间60~1000Hz阈值面积Δ t Δ f ≈ 0.5 \Delta t\Delta f \approx 0.5ΔtΔf≈0.5分辨效率≈50%是人耳感知的核心语音频段。人类语音基频、主要共振峰全部落在该区间进化层面人耳对语音频段演化出最优时频分辨能力。该区间内人耳无法感知信号相位仅提取时频能量分布完美匹配无相位检测器的理论模型。4.2 中高频衰减区间1000~4000Hz阈值面积随频率线性增长分辨效率从50%持续下降至15%。人耳对高频时频细节敏感度大幅降低即便大幅删减高频洛贡单元主观听感几乎无失真。4.3 超高频区间4000Hz以上分辨效率不足10%仅能感知响度剧烈变化无法区分精细频差、短时脉冲间隔。音乐高频泛音、语音清辅音的精细时频信息人耳几乎无法分辨。图2.2 人耳分辨效率随频率变化曲线图注翻译横轴频率纵轴分辨效率百分比60~1000Hz稳定近50%1000Hz后快速下滑5神经传导的假设整合效应基底膜机械模型无法解释“分辨阈值与信号时长无关”这一核心实验现象本文提出听觉神经传导假说基底膜输出的振动电信号沿听神经纤维传输时神经突触具备短时记忆特性可缓存约250ms内全部振动信息大脑听觉皮层会对缓存内不同时刻、不同频点的能量做联合统计判断而非仅瞬时基底膜振动短时信号的微弱振动会与前后时刻振动叠加等效延长有效观测时长最终使20ms与250ms信号拥有同等分辨精度。该神经整合效应仅存在于60~1000Hz对应的听神经纤维高频神经纤维缓存时长极短因此无该补偿机制分辨效率快速下降。该假说在1946年无直接神经生理实验佐证但可完美统一全部听觉分辨数据后续神经电生理实验1950年后逐步验证了听觉皮层的短时时空积分特性。6音频压缩传输的声学理论依据结合人耳频段分辨效率差异直接推导出通信工程核心结论语音通信带宽压缩语音核心信息全部位于60~1000Hz该频段必须完整保留洛贡单元1000Hz以上高频可大幅删减将3kHz标准语音带宽压缩至1kHz以内人耳无法察觉通话失真音乐信号压缩限制音乐和声、低音泛音依赖完整低频但高频泛音可压缩过度压缩会丢失音色细节仅适用于低码率语音高保真音乐不适用失真主观判定准则仅当删减的洛贡单元落在60~1000Hz低频段时人耳可感知失真高频单元大量删减不会产生主观失真为“频带压缩传输”提供生理依据。传统无失真传输要求完整保留全部时频洛贡单元本研究证明听觉系统存在天然信息丢弃阈值工程上无需传输人耳无法分辨的精细时频信息可大幅降低信道带宽占用。7讨论信息图在听觉感知的统一价值此前声学研究将时域分辨、频域分辨割裂为两个独立指标无统一量化框架。本文的信息图、洛贡单元理论实现统一建模所有听觉分辨阈值均可统一为时频平面内固定面积单元时频不确定关系同时约束机械器件与人耳生物感知系统生物听觉系统的性能边界完全落在第一部分推导的物理极限之内不存在突破Δ t Δ f ≥ 1 / 2 \Delta t\Delta f \ge 1/2ΔtΔf≥1/2的感知能力。同时区分物理仪器与人耳核心差异普通谐振器的分辨阈值由自身阻尼、调谐特性固定无法跨时长整合人耳依托神经缓存突破纯机械约束仅低频区间可维持最优分辨效率。8参考文献[ 2.1 ] [2.1][2.1]SHOWER E G, BIDDULPH R. Differential pitch sensitivity of the ear[J]. Journal of the Acoustical Society of America, 1931, 3(2): 275-287.[ 2.2 ] [2.2][2.2]BÜRCK W, KOTOWSKI P, LICHTE H. Die Zeitunterscheidung des menschlichen Ohres[J]. Akustische Zeitschrift, 1935, 1: 168-176.[ 2.3 ] [2.3][2.3]HUNT R S. Damping and Selectivity of the Inner Ear[J]. Journal of the Institution of Electrical Engineers, 1942, 89: 620-628.[ 2.4 ] [2.4][2.4]GABOR D. Theory of communication Part 1[J]. Journal of the Institution of Electrical Engineers, Part III, 1946, 93(3): 429-441.GB/T 7714-2015 标准引用格式GABOR D. Theory of communication. Part 3: Frequency compression and expansion[J]. Journal of the Institution of Electrical Engineers, Part III, 1946, 93(27): 455–467.通信理论 第三部分频率压缩与扩展D. 伽博工学博士英国汤姆逊-休斯顿有限公司研究实验室准会员摘要本文基于第一部分时频信息理论、第二部分人耳听觉分辨特性论证语音与音乐无需占用传统2000~3000赫兹完整带宽压缩思路并非简单截断频谱高低频而是对信号整体时频信息做整体凝聚。文中提出两套完整频带压缩-还原传输架构两套架构均遵循“发射端压缩带宽、接收端还原原始频谱”的核心逻辑。第一套为运动式机械扫描方案已搭建实物装置完成语音测试第二套为纯电气无机械压缩方案数学上与机械方案完全等价。机械方案实验结果表明标准语音带宽可压缩至800赫兹甚至500赫兹语音清晰度几乎无明显损失同时分析压缩带来音色粗糙、语调单调的畸变成因并给出优化改进思路。文末讨论该压缩技术在多路电话、音频广播中的工程落地形式对比同年代声码器方案的优劣。1引言传统语音传输系统统一分配2~3千赫兹带宽设计依据是完整保留全部频谱分量追求波形无失真。但第二部分听觉分析已证实1000赫兹以上频段人耳分辨效率大幅衰减大量时频信息单元洛贡即便丢弃主观听觉也无法察觉失真。这意味着我们无需完整传输全部频谱可对信号整体频率尺度做缩放压缩用窄信道承载原始语音核心信息接收端再反向扩展恢复原声频谱比例。本文提出两类频域缩放系统运动机械扫描系统运动法依靠运动记录介质与滑动窗口实现整体频率压缩纯电气调制系统电子法以高斯概率脉冲为非正弦载波完全摒弃机械运动。文中先推导机械方案完整数学模型给出实物装置语音压缩实验数据分析压缩畸变来源再证明电子方案与机械方案数学等价最后分别讨论两种方案在电话、音乐广播中的适用场景并对比霍默·达德利声码器的实现逻辑差异。2运动式频率压缩系统运动法2.1 装置结构与缩放原理核心载体为可匀速运动的磷光滚筒/声感光胶片信号光强随原始音频s ( t ) s(t)s(t)调制在运动介质上记录连续时域波形介质匀速经过高斯透光窗口滑动狭缝窗口输出信号的全部频率按介质运动速度比例同步缩放。窗口透光强度采用高斯概率分布加权对应第一部分最优基础信号包络可最小化压缩带来的频谱畸变。数学缩放关系设介质运动速度缩放系数为k kkk 1 k1k1为压缩k 1 k1k1为扩展原始信号任意频率f ff经扫描后变为f ′ k f fkff′kf全部谐波维持原有频率比例。单频简谐波压缩后输出一簇等比例谱线仅存在微小比例偏差平均偏差大小与记录介质经过窗口的总时长成反比窗口时长越长缩放线性度越好。图3.1 机械频缩装置结构示意图图注翻译调制光源、旋转磷光滚筒、高斯透光狭缝、接收光电管滚筒转速控制频率压缩比例2.2 语音压缩实验结果搭建简易实验装置开展真人语音测试基准带宽3000Hz压缩至1500Hz压缩比1/2语音完全清晰仅轻微粗糙感单词识别率接近100%压缩至800Hz压缩比约1/4大部分短句可清晰分辨语调轻微单调压缩至500Hz压缩比1/6基础对话可听懂但声调起伏丢失人声单调压缩至375Hz压缩比1/8语音辨识度大幅下降无法正常通话。实验结论面向日常电话通信500~800赫兹带宽即可满足基础语音传输需求远低于当时3kHz标准带宽。2.3 压缩畸变成因与优化方案原始基础机械装置存在两类主观失真音色粗糙系统仅能精准传输离散“优选频率”当语音基频偏离优选频点时谐波比例产生偏移带来颗粒感杂音语调单调基频缩放存在固定偏移人声高低起伏被抹平。优化改进思路采用可自适应滑动窗口优选频率随语音基频实时同步调整始终对齐人声基频所有谐波同步精准缩放彻底消除粗糙杂音与语调丢失问题。文中给出自适应狭缝机械结构设计思路可集成于多路电话交换机。2.4 电话系统复用方案单条3kHz标准线路经运动压缩后可同时承载3~6路500Hz窄带语音接收端分别做频率扩展还原各路原始人声实现时分频缩复合多路复用大幅提升有线电话线路信道容量。3纯电气频率压缩系统电子法3.1 系统核心架构完全取消运动机械部件依靠电路完成频域缩放核心器件高斯概率脉冲发生器生成重复基础信号作为调制载波本地同步振荡器输出同型高斯脉冲用于接收端扩展还原正交希尔伯特变换电路附录9.2机械装置的电气等效电路。压缩调制数学运算原始实信号s ( t ) s(t)s(t)与其希尔伯特正交信号σ ( t ) \sigma(t)σ(t)共同构成复信号ψ ( t ) \psi(t)ψ(t)与缩放脉冲载波相乘实现全频谱同比例压缩接收端采用反向脉冲调制恢复原始频率尺度。3.2 两种方案数学等价证明设机械方案速度缩放系数k kk电子方案脉冲时间尺度缩放系数同样为k kk通过傅里叶变换推导可证明二者输出频谱缩放规律、畸变误差表达式完全一致。电子方案优势无机械磨损、转速抖动问题适配无线电远程传输短板是电路复杂度高于简易滚筒机械装置。3.3 单边带通信结合应用电子频缩系统可与单边带调制融合先对语音做带宽压缩再单边带发射进一步削减无线射频占用带宽适合短波远距离语音通信。4音乐信号压缩的局限性前文压缩方案针对人类语音设计用于音乐传输存在明显约束音乐包含大量低频和声泛音低频洛贡单元人耳分辨效率50%不可大幅删减、缩放高频泛音决定乐器音色压缩后谐波比例畸变丢失乐器辨识度高保真音乐无法采用大压缩比仅可小幅压缩压缩比不低于2/3仅语音通信适合极限窄带传输。因此频缩技术核心应用场景为有线/无线语音通话不适合高保真音乐广播。5与声码器方案对比同期霍默·达德利声码器采用分频段能量提取传输将语音拆分为10个窄带滤波器仅传输各频段幅值与基频带宽仅300Hz。二者核心差异声码器丢弃全部时域细节仅保留频带能量本文频缩方案完整保留语音时域时序仅整体缩放频率尺度声码器语音机械合成感强频缩方案人声自然度更高声码器电路结构更复杂机械频缩装置结构简易早年更易工程落地。伽博频缩方案带宽压缩上限弱于声码器但音质更自然二者为两条独立语音压缩技术路线。6工程讨论信道带宽节约底层物理依据完全由第二部分人耳时频分辨阈值支撑仅丢弃人耳无法识别的冗余洛贡信息单元并非强行切除频谱时频信息图统一解释两类压缩系统压缩等价于在信息图中沿频率轴整体缩放所有洛贡单元单元数量不变、频宽缩小因果性局限两类系统实现时均需要信号前后时段信息实时传输会引入固定信号延迟短延迟不影响听觉感知。7总结理论层面基于时频不确定关系与人耳感知特性证明音频信号可整体频率压缩传输无需完整原始带宽机械方案实物实验验证500~800Hz可传输可懂语音给出畸变消除优化设计电子方案无机械结构与机械方案数学等效适配无线电通信工程价值大幅提升通信线路复用容量为后世感知音频编码奠定早期理论基础。8参考文献[ 3.1 ] [3.1][3.1]DUDLEY H. Re-making Speech[J]. Journal of the Acoustical Society of America, 1939, 11(2): 169–177.[ 3.2 ] [3.2][3.2]GABOR D. Theory of communication Part 1[J]. Journal of the Institution of Electrical Engineers, Part III, 1946, 93(3): 429–441.[ 3.3 ] [3.3][3.3]GABOR D. Theory of communication Part 2[J]. Journal of the Institution of Electrical Engineers, Part III, 1946, 93(26): 442–454.[ 3.4 ] [3.4][3.4]GOLDMARK P C, HENDRICKS P S. Synthetic Reverberation[J]. Proceedings of the IRE, 1939, 27(8): 747–754.