未分類

テイク番号の付け方には複数の方法がある [2008-07-01]

曲ごとに番号をつけてゆく方法: 「M2-5」（2曲目の5テイク目）など。
曲に関係なく通し番号: 1曲目に4テイク行った場合、2曲目はテイク5から開始。複数日にまたがる場合は日ごとに番号をつけ直すことも。

二信号の加算ゲインは相関によって異なる [2008-07-01]

パンポットを使ってL/Rの中央に音像を置いたとき。

相関係数1.0の2信号の加算は+6dB
相関係数0.0の2信号の加算は+3dB（これは聴感上決められたものなので、機器によってdBであったりdBであったりする。ProToolsはdB。）

ITDとILDの関係 [2008-10-21]

ILD (Interchannel Level Difference)よりもITD (Interchannel Time Difference)を使った方が、より左右に離れた位置に音像定位をさせることができる場合が多い。ただし、ITDでパンニングさせると、周波数ごとに違う場所に定位してしまう可能性がある。 (スピーカーの時)

シュトラウス・パケット (Straus Packet)

PhillipsのVolker Strausが考案したABステレオ方式のマイク配置の一種。

左右それぞれに全指向性マイクと単一指向性マイクを同軸で配置する（左右に全単1本ずつ合計4本）。

全指向性マイクと単一指向性マイクの音圧を調節することによって、後方から入ってくる音の量が変化できる。直接音と間接音の比を変化させることで、距離感を操ることができる。

ただし、全指向性マイクと単一指向性マイクとの音質差が生まれるので、距離感とともに音質も変化する。

キャノンケーブル (XLR)

オーディオ用のキャノンケーブルの端子形状やピンの仕様については「AES14-1992 (r2004): AES standard for professional audio equipment—Application of connectors, part 1, XLR-type polarity and gender」に定められている。

Cannon Electricによって最初に作られたのでキャノンと呼ばれることが多い。（カメラで有名なキヤノン(Canon)とは違うので注意。「ヤ」の大きさも違う。） XLRという略称は、キャノンXシリーズにラッチ(Latch)およびラバーコンパウンド(Rubber compound)を追加したものから来ている。ピン形状とは関係ない。

1チャンネル・バランスの場合、XLR端子のそれぞれのピンは

シールド
正位相
リターン

のようになっている。1チャンネル・アンバランスの場合はピン1とピン3が結合される。

ファンタム電源の供給がある場合は

シールド・負電圧
正位相・正電圧
リターン・正電圧

となる。

TRS

Tip-Ring-Sleeveの略。

バランスの場合

Sleeve: シールド
Tip: 正位相
Ring: リターン

アンバランス（ステレオ・ヘッドホンなどに良く使われる）の場合

Sleeve: シールド
Tip: 左・正位相
Ring: 右・正位相

ということは、XLR-TRS変換ケーブルを作るときには1-S、2-T、3-Rと接続するのが一般的、かな。

オスとメス、プラグとジャック

ちなみにコネクタにはオスとメスがある。挿す方と挿される方。

ジャック (jack) は壁に設置されたコネクタのように、比較的「静的」なもの。信号の受け口として、メスであることが多い。反対にプラグ (plug) は「動的」なものなので、ケーブルの先端についたコネクタを指すことが多い。以上、Wikipediaで読んだものなので、若干あやしい。

Chronbachの $\alpha$ 係数 / Chronbach's alpha

心理実験において、内的整合性 (internal consistency) を調べるための統計量。

$\displaystyle \alpha = \frac{k}{k-1}\left(1 - \frac{\sum_{i=1}^{k}\sigma^2_{Y_i}}{\sigma^2_X}\right)$

ここで

は項目数、 $\sigma_{X}$ は全体の分散、 $\sigma_{Y_i}$ は項目 $i$

の分散。

この $\alpha$ が十分に高ければ、集めたデータが同一の心理学的特性を測っていると推定できる。

情報エントロピー / entropy

状態・情報の乱雑さの度合いを表す指標。以下の式によって、全部で $n$ 個ある記号について、 $i$ 番目の記号の生起確率を $p_i$ としたときの情報エントロピーが計算できる。

$\displaystyle S = -\sum_{i=1}^{n}p_{i}\log_{2}p_{i}$

たとえば、英語の母音のエントロピーを計算してみよう。英語中のアルファベットの生起確率をもとに母音だけを抜き出すと表2のようになる。

表 2: 英文中の母音の出現頻度

文字	回数 (率)
e	4663 (.3084)
a	3452 (.2283)
i	2914 (.1928)
o	2882 (.1868)
u	1207 (.0798)

ここから情報エントロピーを計算すると

$\displaystyle S$	$\displaystyle =$	$\displaystyle -\left(.3084\log_{2}\left(.3084\right) + .2283\log_{2}\left(.2283... ...ght) + .1868\log_{2}\left(.1868\right) + .0798\log_{2}\left(.0798\right)\right)$
$\displaystyle$	$\displaystyle =$	$\displaystyle -\left(.3085\times\left(-1.6969\right) + .2283\times\left(-2.1308... ...ght) + .1868\times\left(-2.3911\right) + .0798\times\left(-3.6468\right)\right)$
$\displaystyle$	$\displaystyle =$	$\displaystyle 0.5234 + 0.4865 + 0.4578 + 0.4558 + 0.2912$
$\displaystyle$	$\displaystyle =$	$\displaystyle 2.2147$

となる。計算は高精度でやっているが、書き出したのは小数点以下5桁で以下四捨五入した値。途中で計算が合わないように見えるかもしれない。

リバーブ設定量と印象の関係 [2009-11-10]

経験上、同じリバーブ量の設定でも、モノ→ステレオ→サラウンドの順でリバーブ感が増す。（亀川）

ノイズリダクション→ノーマライズ [2009-11-10]

ノイズリダクションをかけるときには、まずノイズリダクションをかけてノイズを減らしてからノーマライズすること。逆にノーマライズしてからだと、ノイズ自体の音圧が上がっているので、ノイズを消しづらい。（亀川）

実写のセリフ録音 [2009-11-10]

セリフ録音の時にはブームを持つスタッフと録音(音声チェック)するスタッフは別にするべき。セリフの録音に8割のエネルギーを注ぐことで、あとの編集が楽になる。（亀川）

木管楽器の録音 [2012-07-03]

木管楽器は左手を狙うと間違いが起きにくい。（亀川）

ギリシャ文字

大文字	小文字	読み方
Α	α	alpha	アルファ
Β	β	beta	ベータ
Γ	γ	gamma	ガンマ
Δ	δ	delta	デルタ
Ε	ε	epsilon	イプシロン
Ζ	ζ	zeta	ゼータ
Η	η	eta	イータ
Θ	θ	theta	シータ
Ι	ι	iota	イオタ
Κ	κ	kappa	カッパ
Λ	λ	lambda	ラムダ
Μ	μ	mu	ミュー
Ν	ν	nu	ニュー
Ξ	ξ	xi	クサイ
Ο	ο	omicron	オミクロン
Π	π	pi	パイ
Ρ	ρ	rho	ロー
Σ	σ	sigma	シグマ
Τ	τ	tau	タウ
Υ	υ	upsilon	ウプシロン
Φ	φ	phi	ファイ
Χ	χ	chi	カイ
Ψ	ψ	psi	プサイ
Ω	ω	omega	オメガ

HRTFデータベース

The CIPIC HRTF Database
MIT HRTF Measurements of a KEMAR Dummy-Head Microphone
名古屋大学頭部伝達関数データベース
東北大学頭部伝達関数データベース
千葉工業大学頭部伝達関数データベース
FFT-based binaural panner（CIPICデータベースを利用した、Maxで作成した可聴化アプリケーション）

バイアス

ピグマリオン効果、ホーソン効果、ハロー効果、フリン効果、回帰効果、天井効果、記号効果、順序効果、ポリアンナ効果

音響シミュレーション法

BEM: (Boundary Element Method) 境界要素法
FEM: (Finite Element Method) 有限要素法
FDTD: (Finite-Difference Time-Domain Method) 時間領域差分法
TLM: (Transmission Line Matrix Method) 伝達線路行列法

相互相関と畳み込み

相互相関と畳み込みは処理が似ているので、どちらかを使ってもう一方を計算できないかと考えた。

で、Matlabで実験したところ、xcorr(a, b)はconv(a, flipud(b))と同じだということがわかった。(時間領域の畳み込みは周波数領域のかけ算と等価なので)convの代わりにFFTを用いて処理してみたが、なぜかxcorrのほうが若干高速。

となると、convのかわりにxcorrが使えるかもしれない。

統計用語

母集団 (population)
個体 (unit)
標本 (sample): 母集団から抽出した複数の個体
標本誤差 (sampling error): 母集団の統計値と、標本から推定した統計値とのあいだの誤差
標準誤差 (standard error)
標準偏差 (standard deviation)
標本の大きさ (sample size): ひとつの標本の中に含まれる個体の数。
標本数 (number of samples): 抽出した標本の個数。標本の大きさと混同しやすいので注意。

$\displaystyle \mathrm{N}$	$\displaystyle =$	$\displaystyle \mathrm{kg}\cdot\mathrm{m}/\mathrm{s}^2$
$\displaystyle \mathrm{Pa}$	$\displaystyle =$	$\displaystyle \mathrm{N}/\mathrm{m}^2$
$\displaystyle \mathrm{J}$	$\displaystyle =$	$\displaystyle \mathrm{N}\cdot\mathrm{m}$
$\displaystyle$	$\displaystyle =$	$\displaystyle \mathrm{C}\cdot\mathrm{V}$
$\displaystyle$	$\displaystyle =$	$\displaystyle \mathrm{W}\cdot\mathrm{s}$