看到少楠的PRODUCT THINKING的周刊推送，提到这么一段话：
MP3 压缩算法的诞生，便是一次数字时代对人类器官的愚弄。整个算法不是围绕着数学来改进，而是围绕如何骗过人类的听觉器官来优化
于是这个算法产生了很强好奇心，百度了好久终于找到了一些资料，对其原理有了一知半解的了解，特此记录一下。
基础原理
人体听觉模型中有一个遮蔽效应的特效。
耳蜗的作用就像一个频谱分析仪，把声波转换成不同频率的讯号，每一个特定位置的绒毛细胞会受特定频率的刺激，但是当基底膜传导波动时其邻近周围的绒毛细胞也会受到刺激。这也就是说如果有一个频率的音量很大，在它附近同时有一个比较弱的频率的话，比较弱的频率的声音就会被比较强的声音给遮蔽掉，我们人耳没有办法分辨出有另一个比较弱的频率的声音存在。
image.png
对于人类的听觉来说，对声音的感知特性并不是以线形频率为尺度来变化的（人的听觉还没那么好），而是可以用被称为临界频带的一系列有限的频段来表达。简单的说，把整个频带划分成几段，在这每个频段里，人耳的听觉感知是相同的，即心理声学特性都是一样的。
那么根据这个原理，可以把mp3压缩的工作简单分成两部：
-
第一步：将原始的音频数据根据一定的原理，分成好几个次级临界频段；
-
第二步：根据心理声学模型分析频谱，找出遮蔽效应的曲线。然后根据这个曲线，对各个次频段分别进行量化，最终让音频的压缩在遮蔽效应的曲线以下。
这样一来，mp3的压缩就大功告成了。而且非常神奇的是，在数字世界mp3确实被压缩了，但是对于人体知觉却属于无失真的压缩。
脑补是一种本能
除了人耳的生理结构特性以外，大脑的作用也占了一个很重要的角色。
声音中音高是由基音决定，而音色是由泛音决定，而人类的大脑会自动补上基音，即使这个基音并不存在。譬如说电话的频宽只有 300~3200Hz，但是当我们听一个基音在 120Hz 的男性讲电话的时候，我们还是可以听出他的正确的音高，不会把男生听成女生。
大脑是如何运用复杂的计算去重建这个不存在的基音，我们目前尚无法得知。
p.s.再附加一则视觉小彩蛋，你能看出这张图片有什么蹊跷吗？
image.png
（答案请拉到底）
……………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………
这是张黑白照片，只有那些网格线是有颜色的，你的大脑欺骗了你的视觉～incredible！人体还是有太多未知的神奇彩蛋等待挖掘了～～
网友评论