Hur samplar hjärnan sesoriska signaler tex hörselsignaler?

[JM]

Samplingsfrekvensen synen är maximalt 60 bilder/s vid optimala ljusförhållanden. Vid sämre ljusförhållanden sjunker samplingsfrekvensen. Film med 24-25 bilder/s upplevs vanligen som ok.

Hur bör vi skatta "samplingsfrekvensen" hos hjärnan av ljud?
Misstänker att "samplingsfrekvensen" för ljud inte är lika entydig som för synen.
Vilka variabler finns med relevant påverkan på samplingsfrekvensen?

Sinusar och klickljud ger helt olika "upplösning".

JM

[vanlignv]

Samplingsfrekvensen synen är maximalt 60 bilder/s vid optimala ljusförhållanden. Vid sämre ljusförhållanden sjunker samplingsfrekvensen. Film med 24-25 bilder/s upplevs vanligen som ok.

Hur bör vi skatta "samplingsfrekvensen" hos hjärnan av ljud?
Misstänker att "samplingsfrekvensen" för ljud inte är lika entydig som för synen.
Vilka variabler finns med relevant påverkan på samplingsfrekvensen?

Sinusar och klickljud ger helt olika "upplösning".

JM

En övre gräns måste ju sättas av frekvensen av nervimpulser för nerverna som är relevanta i fråga och de är i tinningen för hörseln och längst bak i skallen för synen.
Fungerar nerverna i hörselcentrum med en högre frekvens jämfört med de i syncentrum?

[petersteindl]

Samplingsfrekvensen synen är maximalt 60 bilder/s vid optimala ljusförhållanden. Vid sämre ljusförhållanden sjunker samplingsfrekvensen. Film med 24-25 bilder/s upplevs vanligen som ok.

Hur bör vi skatta "samplingsfrekvensen" hos hjärnan av ljud?
Misstänker att "samplingsfrekvensen" för ljud inte är lika entydig som för synen.
Vilka variabler finns med relevant påverkan på samplingsfrekvensen?

Sinusar och klickljud ger helt olika "upplösning".

JM

En övre gräns måste ju sättas av frekvensen av nervimpulser för nerverna som är relevanta i fråga och de är i tinningen för hörseln och längst bak i skallen för synen.
Fungerar nerverna i hörselcentrum med en högre frekvens jämfört med de i syncentrum?

Nej. Aktionspotentialer i neuroner har en maximal repetitionsfrekvens om 1000 ggr per sekund. Det motsvarar 1 ms mellan 2 aktionspotentialer. Det är refraktionstiden som bestämmer när efterföljande aktionspotential kan ske.

[jansch]

Övre analog gränsfrekvens för samplingsfrekvensen är ju matematiskt bevisad enligt Nyquist/Shannons samplingsteorem.
Alltså halva samplingsfrekvensen. Det är ju den teoretiska modellen och går lätt att bevisa att det verkligen är så.

I verkligheten kan vi inte konstruera lågpassfilter som skär av med oändlig branthet och därför krävs lite mer bandbredd.
Detta för att vikningsdistorsion uppstår OM man släpper igenom ett högre frekvensområde än halva samplingsfrekvensen, det är också lätt att matematiskt bevisa.

Så frågan blir då dels hur högt i frekvens vi egentligen hör och hur brant är filtret?

JAG anser att vi hör max 18kHz vid vuxen ålder och vi kan tillverka lågpassfilter som då är tillräckligt bra för en samplingsfrekvens på 40kHz.
CD-kvalitet har ju som bekant 44,1kHz samplingsfrekvens och normalt kräver man 20kHz bandbredd vilket är praktiskt möjligt att tillverka lågpassfilter som är tillräckligt branta för att uppnå optimal kvalitet.

Vad är då optimal kvalitet. Jo, om bitdjupet är 16 bit:s (som i CD fallet) har vi en teoretisk gräns på drygt 96dB dynamik och då är det ingen ide' att ha en vikningsdistorsion som är väsentligt lägre än brusgolvet. Detta även om vi använder dithering och noise shaping. Vi pratar alltså om distorsion klart under 0,01%.

Vissa tillverkare verkar ha svårt att "få till" bra/branta filter, andra har inga problem (t.ex Topping).

Det är dock enklare för en konstruktör att ha högre samplingsfrekvens då lågpassfiltret då inte behöver vara så brant. Att översampla t.ex dubblera samplingsfrekvesen gör ju filtret enklare.

Värt att notera!
Ljud i digitalt format har ingen undre gränsfrekvens, det finns inga utmaningar i att prestera låga frekvenser. Man kan utan vidare skapa "bas" i millihertzområdet, eller varför inte en "svängning"/dag eller per år. Allt handlar om vad man kan prestera på den analoga sidan.
Egentligen är det nästan samma sak med samplingsfrekvensen, 44,1 kHz är en gäspning i sammanhanget.

Historisk var det dock problem med minneskapacitet, både i datormiljö och på CD-mediat. Att det blev just 44,1kHz, och inte 48kHz eller nåt annat, berodde faktiskt på dåtidens videoteknik!

[jansch]

Samplingsfrekvensen synen är maximalt 60 bilder/s vid optimala ljusförhållanden. Vid sämre ljusförhållanden sjunker samplingsfrekvensen. Film med 24-25 bilder/s upplevs vanligen som ok.

Hur bör vi skatta "samplingsfrekvensen" hos hjärnan av ljud?
Misstänker att "samplingsfrekvensen" för ljud inte är lika entydig som för synen.
Vilka variabler finns med relevant påverkan på samplingsfrekvensen?

Sinusar och klickljud ger helt olika "upplösning".

JM

En övre gräns måste ju sättas av frekvensen av nervimpulser för nerverna som är relevanta i fråga och de är i tinningen för hörseln och längst bak i skallen för synen.
Fungerar nerverna i hörselcentrum med en högre frekvens jämfört med de i syncentrum?

Nej. Aktionspotentialer i neuroner har en maximal repetitionsfrekvens om 1000 ggr per sekund. Det motsvarar 1 ms mellan 2 aktionspotentialer. Det är refraktionstiden som bestämmer när efterföljande aktionspotential kan ske.

Samplingsfrekvens har ju ingenting att göra med hur hörselsinnet fungerar. Den definierar bara högsta möjliga bandbredd för att återskapa analog signal = i detta fall den högsta ton som är möjlig att återskapa med 100% perfektion.

Klickljud och vad det nu kan vara spelar ingen roll så länge vi anser att hörseln övre gränsfrekvens inte överstiger lågpassfiltret gränsfrekvens och att samplingsfrevensen är vald så att vikningsdistorsion inte uppstår.

Att blanda in bildfrekvens blir totalt galet, video är stillbilder där vi "lurar" hjärnan. A/D -D/A omvandling skapar äkta analoga signaler, En perfekt kopia* av orginalet där bitdjupet sätter brusgolvet och samplingsfrekvensen bandbredden.

*De analoga delarna kan dock tillföra dist, brus och bandbegränsningar. "Klockan" för samplingen, som oxå tillhör den analoga världen, kan tillföra jitter = distorsion.

[petersteindl]

@ jansch: jag tänkte först ge ett svar i stil med ditt första svar ovan, men jag är inte säker på att det är detta som JM frågar efter.

Vårt frekvenshörande är ju platsbetonat. Det betyder att det är nervens plats i hjärnan i förhållande till andra intilliggande frekvensers nerver eller nervers frekvenser som bestämmer vilken frekvens vi hör det som.

Antalet nervimpulser i respektive sådan nerv ger amplituden. Det är alltså PDM d v s pulse density modulation som ger amplitud. Men det är inte riktigt så enkelt heller.

Vi hör enligt envelop och RMS vilket snarast är kvadratiskt medelvärde på en yta och inte momentanvärden. Men så enkelt är det inte heller. Däremot är det lite komplicerat.

Det är ganska mycket forskning som skett på just detta.

[jansch]

Peter,
Jag förstod att du besvarade problemet med bildfrekvens.

Vad jag menar, som du också förstår, är att samplingsfrekvens har ingening att göra med ljudtergivning annat än ett praktiskt och enkelt sätt att "transportera" elektrisk analog signal på ett icke destruktivt sätt.

Eller...
All hantering av elektriska analoga signaler degenererar signalen. Varenda passiv och aktiv komponent ( motstånd, transistorer, mm) tillför distorsion.
Vid omvandling till digitalt format "bestämmer" man vilken kvalitet man vill ha med bitdjup och samplingsfrekvens. Då degenereras inte signalen oavsett hur många elektroniska kretsar, datorer,servrar, osv som är inblandade i överföringen. Därefter sker D/A omvandling till en äkta analog signal som inte har något att göra med samplingsfrekvens.
Möjligtvis kan någon se/mäta att den analoga signalen är helt enkelt för bra för att endast ha hanterats analogt via massor av elektronik.

[JM]

Sampling i fysiologiska världen är ett tidsrelaterat selektivt urval i totala mängden insignaler till hjärnan vilka ger hjärnan realistisk möjlighet att hantera dessa i en viss tidskontext.

Gula fläcken (max med tappar) i ögat ger hjärnan maximalt upplösta "färgbilder" med endast 2 graders vinkel. Stavarnas lågupplösta vidvinklga svartvita bilder i periferin av synfältet sätter tapparnas högupplösta bilder i en vidare omgivande kontext. Bak i nacken i occipilalloben projekteras mängder av 2 graders "bilder" till en upplevd bild med en samplingsfrekvens på maximalt 60 bilder/s. Dvs den skenbara nästan 180 graders bild vi "ser" max 60 gånger/s är i sin tur en sampling av mängder av delbilder om två grader. Överlagrat på detta ger de mer perifera stavarna information i svart-vitt av perifera bildförändringar.

Kring 5000 Hz nås sensoriska hörselnervens (N VIII) maximala ledningshastiighet (120 m/s). Under denna frekvens går nervernas kemoelektriska potential ner till 0 volt. Dvs en form av kemoelektriska amplitudmodulering styrt av ffa Ca2+ joner. Ovan ca 5000 Hz sjunker inte potentialen över hörselnervens cellmembran ner till 0 utan bibehåller en positiv spänning vilken varierar i relation till frekvensen över 5000 Hz. En form av frekvensmodulering.

Mer komplexa ljud än sinussignaler samplas med längre tidsperspektiv.
En annan ytterlighet är när vi med åldern tappar de högsta frekvenserna så förlorar vi samtidigt förmågan att särskilja ord med icke tillräckligt klar tidsmässig separation. Vi klarar inte att sampla orden som separata ord. Orden flyter ihop till ett förvirrande oförståligt nonsens. Dvs coqtail-effekten har upphört. Relevant sampling sker ej. Dvs urvalet av de sensoriska insignalerna fallerar i denna tids kontex. Med längre tidseparation vid samma ljudstyrka mellan orden är förståelsen 100 % trots hörselnedsättningen.

Således samplar hjärnan med olika tidsperspektiv i kort- på sinusnivå till längre tidsintervall på ordnivå.
Jag menar att hur hjärnan samplar olika delsignaler i olika tidsperspektiv kan förklara hur vi hör i olika kontexter.
Tex två klickljud kan särskiljas 1 ms mellanrum. Under 1 ms fysiologisk samplingsfrekvens särskiljs ej orden. Dvs vi hör då bara ett klickljud.

Mer komplexa ljud samplas med betydligt längre tidsperspektiv än 1 ms.

Signalen från tapparna i ögat kan till viss del jämföras med direktljudet och stavarnas signaler från omgivande rummet med reflexljudet.

JM

[JM]

Ett ekofritt rum med en liten ljudkälla kan jämföras med ett helt mörkt rum med en liten ljuskälla. Försumbart bidrag från stavarna och försumbara reflex bidrag till hjärnan. Dirktljudet och direktljuset är huvudsakliga stimuli.

JM

[idea]

Samplingsfrekvensen synen är maximalt 60 bilder/s vid optimala ljusförhållanden. Vid sämre ljusförhållanden sjunker samplingsfrekvensen. Film med 24-25 bilder/s upplevs vanligen som ok.

Hur bör vi skatta "samplingsfrekvensen" hos hjärnan av ljud?
Misstänker att "samplingsfrekvensen" för ljud inte är lika entydig som för synen.
Vilka variabler finns med relevant påverkan på samplingsfrekvensen?

Sinusar och klickljud ger helt olika "upplösning".

JM

Biograffilm visades inte med 24 bilder/s för detta ger ganska mycket flimmer utan varje bildruta visades 2-3 ggr innan nästa bild matades fram. På så sätt fick man en (skenbar) bildfrekvens på 48-72 bilder/s. Men då det bara är 24 unika bilder/s så blir Nykvistfrekvensen 12 Hz och alla rörelser "snabbare" än det kommer att vikas ner till långsammare rörelser - typ roterande vagnshjul som rullar baklänges.

[Tell]

Samplingsfrekvensen synen är maximalt 60 bilder/s vid optimala ljusförhållanden.

Skriv det där på t ex sweclockers.com o folk kommer skratta ut dig Det finns ju en anledning till att det finns 500hz-skärmar (o det kommer finnas med ännu högre frekvens i framtiden också).

[JM]

Misstänker du refererar till något annat än vad tar upp.

JM

[Tell]

Misstänker du refererar till något annat än vad tar upp.

JM

Du påstår att "samplingsfrekvensen synen är maximalt 60 bilder/s" vilket ingen gamer håller med dig om. 60hz var länge standard, för att sedan gå upp till 120hz vilket gör stor skillnad i respons o uppfattningsförmånga för så gott som alla som spelar lite snabbare spel, vidare blev sen 240hz det nya fina o gav ännu lite bättre respons för vissa medans andra märkte det mindre, o sen har vi också 360hz-skärmar sen en tid tillbaks o nu även 500hz. Upplevd o uppmätt skillnad i respons hos gamers minskar ju högre upp vi går pga diminishing returns för vad synen o hjärnan kan hantera, men däremot upplevs det ändå alltid som mjukare pga mindre temporal aliasing.

[JM]

Det är skillnad på hur monitorer/projektorer ger upplevt "flimmer" i bilderna och hur hjärnan sekventiellt skapar hela bilder i hjärnan.

Hjärna registrerar max 60 bilder/s enligt samtida forskning. Kollat igen.
Misstänker att ni refererar att reproducerade bilder via tex monitorer/projektorer kan kräva upp till 500 Hz i uppdateringsfrekvens för att undvika synbara "flickering" artefakter. Detta har inget med hur hjärnan registrerar hela bilder av vekligheten. Att hjärnan är känslig för dessa artefakter som inte finns när vi ser som vanligt är ej relaterat till antalet registrerade bilder.

Varje enskild bild av dessa 60 bilder är uppbyggda av multipla 2 graders delbilder. Sannolikt är det i denna delprocess hur varje enskild bild av dessa max 60 bilder byggs upp som höga uppdateringsfrekvenser kan ta bort artefakter.

Det viktiga är att det finns likheter mellan hur ögat och hörseln registrerar sensoriska informationen.
Således har hörseln en "upplösning" på upp till ca 1 ms.
Detta innebär att reflexerna inte bara ger en spatial upplevelse i relation till direktljudet utan även har möjlighet att korrigera felaktigheter i direktljudet likt ögat gör vid sin integrering av varje enskild 2 graders bild till slutliga 1/60/s bild. Ögat sveper över över intressanta objektet otaliga gånger. Direktljudet kollas systematiskt i relation till otaliga reflexer.
På liknande sätt integrerar hjärnan upplevda ljudet som en fusion av direktljudet och reflexljudet med en uppdateringsfrekvens kring 1 ms för klickljud, kring 20 ms för tal/gles musik och för tät musik kring 100 ms. Vi hör aldrig direktljudet eller reflexljudet separat utan alltid integrerat i vanliga rum. Integreringen kan bli bra men även dålig som ekorika grottor.

JM

[Tell]

Det är skillnad på hur monitorer/projektorer ger upplevt "flimmer" i bilderna och hur hjärnan sekventiellt skapar hela bilder i hjärnan.

Hjärna registrerar max 60 bilder/s enligt samtida forskning. Kollat igen.
Misstänker att ni refererar att reproducerade bilder via tex monitorer/projektorer kan kräva upp till 500 Hz i uppdateringsfrekvens för att undvika synbara "flickering" artefakter. Detta har inget med hur hjärnan registrerar hela bilder av vekligheten. Att hjärnan är känslig för dessa artefakter som inte finns när vi ser som vanligt är ej relaterat till antalet registrerade bilder.

Varje enskild bild av dessa 60 bilder är uppbyggda av multipla 2 graders delbilder. Sannolikt är det i denna delprocess hur varje enskild bild av dessa max 60 bilder byggs upp som höga uppdateringsfrekvenser kan ta bort artefakter.

Det viktiga är att det finns likheter mellan hur ögat och hörseln registrerar sensoriska informationen.
Således har hörseln en "upplösning" på upp till ca 1 ms.
Detta innebär att reflexerna inte bara ger en spatial upplevelse i relation till direktljudet utan även har möjlighet att korrigera felaktigheter i direktljudet likt ögat gör vid sin integrering av varje enskild 2 graders bild till slutliga 1/60/s bild. Ögat sveper över över intressanta objektet otaliga gånger. Direktljudet kollas systematiskt i relation till otaliga reflexer.
På liknande sätt integrerar hjärnan upplevda ljudet som en fusion av direktljudet och reflexljudet med en uppdateringsfrekvens kring 1 ms för klickljud, kring 20 ms för tal/gles musik och för tät musik kring 100 ms. Vi hör aldrig direktljudet eller reflexljudet separat utan alltid integrerat i vanliga rum. Integreringen kan bli bra men även dålig som ekorika grottor.

JM

Nej, det jag menar är att en gejmer (o egentligen andra människor också såklart) mycket väl kan registrera mer än 60 bilder i sekunden då en ökat framerate mycket väl ger skillnad i hur dom presterar. För övrigt så behövs det lååångt mer än 500 bilder i sekunden för att bli av med aliasing helt o hållet, men det är en annan topic det.

[JM]

Fantasier. Kom med fakta. Vilka studier baserar du dina påståenden på.

JM

[Tell]

Fantasier. Kom med fakta. Vilka studier baserar du dina påståenden på.

JM

Haha, ja bara mina o mååååånga andra gamers mångaåriga erfarenheter. Det är STOR skillnad på bara 60 o 120hz. Skulle säga natt-o-dag-skillnad tillomed, o då menar jag inte audiofil-fantasi-natt-o-dag, utan riktig natt-o-dag.
Om du har en halvtimme till övers så kan du ju kolla in det här testet.

[vanlignv]

Det är skillnad på hur monitorer/projektorer ger upplevt "flimmer" i bilderna och hur hjärnan sekventiellt skapar hela bilder i hjärnan.

Hjärna registrerar max 60 bilder/s enligt samtida forskning. Kollat igen.
Misstänker att ni refererar att reproducerade bilder via tex monitorer/projektorer kan kräva upp till 500 Hz i uppdateringsfrekvens för att undvika synbara "flickering" artefakter. Detta har inget med hur hjärnan registrerar hela bilder av vekligheten. Att hjärnan är känslig för dessa artefakter som inte finns när vi ser som vanligt är ej relaterat till antalet registrerade bilder.

Varje enskild bild av dessa 60 bilder är uppbyggda av multipla 2 graders delbilder. Sannolikt är det i denna delprocess hur varje enskild bild av dessa max 60 bilder byggs upp som höga uppdateringsfrekvenser kan ta bort artefakter.

Det viktiga är att det finns likheter mellan hur ögat och hörseln registrerar sensoriska informationen.
Således har hörseln en "upplösning" på upp till ca 1 ms.
Detta innebär att reflexerna inte bara ger en spatial upplevelse i relation till direktljudet utan även har möjlighet att korrigera felaktigheter i direktljudet likt ögat gör vid sin integrering av varje enskild 2 graders bild till slutliga 1/60/s bild. Ögat sveper över över intressanta objektet otaliga gånger. Direktljudet kollas systematiskt i relation till otaliga reflexer.
På liknande sätt integrerar hjärnan upplevda ljudet som en fusion av direktljudet och reflexljudet med en uppdateringsfrekvens kring 1 ms för klickljud, kring 20 ms för tal/gles musik och för tät musik kring 100 ms. Vi hör aldrig direktljudet eller reflexljudet separat utan alltid integrerat i vanliga rum. Integreringen kan bli bra men även dålig som ekorika grottor.

JM

Vet man om integrationsfrekvensen för syn påverkas under olika förhållanden likt hörseln? Skumt att den är variabel för ljud men inte syn.

[JM]

Vid lägre ljusstyrka vidgas pupillen, bildfrekvensen minskar, blir alltmer oskarp och allt mer svartvit. Dvs stavarna blir alltmer dominerande.

JM

[Michael]

En liten försiktig fundering om det Tell skriver om...

Kan det vara så att det inte handlar om mer information, utan att den kommer tidigare.

mer:
Om vi tar 60 och 120 fps som exempel. Dels så ger det att mer information syns. Lite extremt, men det skulle kunna röra sig om att det visas nåt nytt i varje frame, eller 120 olika saker som bara finns i en enda frame vardera. Hinner synen/hjärnan med detta.

tidigare:
Säg att det dyker upp en ny sak. Detta sker vid tidpunkt A. Det var en sampling av bilden precis innan A. Alltså objektet missades i den bilden. Vid 60 så tar det 1/60 sekund innan nästa bild och således kan betraktaren inte se objektet innan dess. Om det vore 120 fps istället. Då dyker objektet upp efter 1/120 sekund - alltså tidigare. Detta kan nog syn/hjärna reagera på, men detta behöver inte betyda att vi kan hantera mer än 60 bilder per sekund.

//Michael

[I-or]

Detta är betydligt mer komplicerat än man skulle kunna tro och det finns en hel del att reda ut vetenskapligt:

https://www.pcgamer.com/how-many-frames-per-second-can-the-human-eye-really-see/

https://isp.page/news/perceptible-frame-rates-can-the-human-eye-detect-240-fps/

https://aiming.pro/solved-how-does-monitor-refresh-rate-affect-aiming