听觉感受野的理想化计算模型

本文提出了一种理论，通过该理论可以从一组结构性属性出发，以公理化的原则推导出听觉感受野的理想化模型，从而实现感受野响应在自然声音变换下的不变性，并确保不同时间和频谱尺度下的谱时感受野之间的内部一致性。针对纯时间声音信号定义时频变换时，研究表明该框架提供了一种推导 Gabor 滤波器和 Gammatone 滤波器的新方法，以及一类新型广义 Gammatone 滤波器家族；后者具有额外的自由度，可在时间因果时间窗函数的频谱选择性与时间延迟之间获得不同的权衡。当应用于从语谱图定义第二层感受野时，研究表明该框架导出了两类规范的谱时感受野家族：一类基于非因果时间的谱时高斯核的谱时导数，另一类则是时间域上的时间因果广义 Gammatone 滤波器与对数频谱域上的高斯滤波器的组合。对于每个滤波器家族，其谱时感受野既可以在时频域上可分离，也可以适应局部滑音（glissando）变换，后者代表了随时间变化的对数频率。在非因果时间或时间因果时间的各自域内，这些感受野家族均由假设唯一推导得出。本文展示了该框架如何用于计算音频处理中的基本听觉特征，并得出关于听觉感受野的预测，这些预测与在哺乳动物下丘（ICC）和初级听觉皮层（A1）中测得的生物感受野具有良好的定性相似性。