很多人都说“耳机不能只看频响，不能只看三频均衡，还要看素质，看瞬态”，素质也好，音质也罢，之前写过很多文章，耳机的非线性失真通常较小，并不是一个影响耳机音质的重要因素。而对于所谓的“瞬态”到底又是什么觉得的呢？“瞬态”和瀑布图有什么关系？希望这篇文章能给你一个明确的答案。
其实关于“能量累积图CSD”也就是大家常见的瀑布图的可闻性实验，当代心理声学奠基人之一的FloydToole博士早就有非常深入的研究。
瀑布图让我们看到了令人担忧的信息，那就是谐振不利于精确的声音重复，特别是高Q值的谐振。主观主义者暗指瞬态细节的不完美之处，并声称他们可以听出这些时域效果。
但是，他们真的能听出来吗？
对这个观点进行实验将会很有趣。
上述实验告诉我们，至少在200Hz以上的频率，谐振的察觉过程依靠的是频谱信息而不是瞬态特征。
而关于频响曲线本身的隆起和凹陷的可闻域限，这本书里也有详细的实验和论述。（这就是为什么我如此推荐Sound Reproduction）
其实从上图我们就能很明显的看出，Q值越小，也就是“变化越缓慢”的频响偏差反而更容易被察觉，这是因为相同的频响偏差，Q值越小面积越大。
而这种低Q值的现象反而是不容易导致“啸叫”的。
所以总结一下：
1. 对于瀑布图而言，200Hz以上高Q值的谐振，我们听到的是频响的影响而不是时域上的“啸叫音”；
2. 对于频响而言，我们更容易感知低Q值的频响变化（偏差），而低Q值的频响变化往往不会导致时域的“啸叫音”。也就是说，频响中越平滑的偏差越容易被人感知到，因为它影响的面积往往更大。
除非在图中（d）所描绘的，时域上的“衰减”过程中的信号反而比“0时刻”信号还要高的情况下，“振铃”才有可能被察觉。
至于CSD瀑布图的时间精度和频域精度之间的关系，并不是本篇文章的重点，感兴趣的朋友可以去阅读一下原著。
那么“代表瞬态的瀑布图”和频响完全没关系吗？
在讨论这个问题之前，我们首先还是要了解几个基础的概念。
什么是群时延？
群时延即系统在某频率处的相位（相移）对于频率的变化率。
什么是希尔伯特变换？
什么是最小相位系统？
定义：在幅频特性相同的系统中，相频变化最小的那个系统成为最小相位系统。
结论：最小相位系统的开环传递函数的零极点的实部均小于等于0。
应用：最小相位系统的传递函数可以由幅频唯一确定。即，最小相位系统的幅频特性与相频特性一一对应。也就是说，一个幅频特性只与一个相频特性对应，一个相频特性也只与一个幅频特性对应。
最小相位系统的对数谱的实部和虚部互为希尔伯特变换。因此，可以通过幅频特性推出最小相位系统的相频特性，反之亦然。
而关于扬声器、音箱和耳机的最小相位系统的讨论和最小相位特性的证明。结论则是，耳机可以近似看作是最小相位系统，或者说，耳机具有最小相位特性。
当然，这一结论只适合单单元的系统，比如绝大多数头戴式耳机和一些单单元的入耳式耳机。然而，最新的研究表明，即便是多单元系统，分频点处产生的群时延也接近或低于人耳的听觉域限。
而对于最小相位系统，或者说具有最小相位特性的系统。幅频特性和相频特性可以通过希尔伯特变换进行相互转换。改善耳机频响的同时也会改善相位特性进而改善时域衰减特性，也就是瀑布图。
那么说了这么多理论，来点实验吧！
一个入耳式耳机，在7.5kHz处由于Q值较高的凸起峰，在时域上导致了“振铃”。（虽然这个频段的振铃已经被Floyd Toole博士的实验证实相比于频响不具有可闻性，并且，高Q值本身相比于低Q值的可闻性也小很多）.
仅使用一个最简单的GEQ，消除高Q值的“振铃”
事实上我都不知道这个EQ是什么类型，不过通常这样的GEQ都是Bi-quadFilter，也就是二阶IIR滤波器，连FIR都不是。结果：
END
这里是声学楼
论坛网址：www.nju520.com
微信公众号：acousticsblock
微信二维码：
