聲源定位研究的基石
——聲學(xué)基礎(chǔ)和神經(jīng)機(jī)制

張娟

空間聽(tīng)覺(jué)（spatial hearing）是指聽(tīng)者能夠在聽(tīng)覺(jué)環(huán)境中進(jìn)行聲源定位（sound localization）和聽(tīng)覺(jué)場(chǎng)景分析（auditory scene analysis，ASA）等，是人和動(dòng)物感知外界環(huán)境的基本方法，它與聽(tīng)敏度構(gòu)成了完整的聽(tīng)覺(jué)系統(tǒng)，對(duì)日常生活場(chǎng)景下躲避危險(xiǎn)、尋找目標(biāo)及噪聲環(huán)境下的言語(yǔ)識(shí)別等具有重要意義?？臻g聽(tīng)覺(jué)涉及的主要內(nèi)容之一是聲源定位，后者是指聽(tīng)覺(jué)系統(tǒng)在一定程度上能夠確定物體聲像空間位置的心理現(xiàn)象，包括對(duì)聲源水平方位、垂直方位的識(shí)別，對(duì)聲源距離的識(shí)別，對(duì)運(yùn)動(dòng)聲源的察覺(jué)和辨別，在復(fù)雜聲環(huán)境下的聽(tīng)覺(jué)感知，以及對(duì)空間屬性的感知等[1]。

21世紀(jì)以來(lái)，空間聽(tīng)覺(jué)尤其是聲源定位研究越來(lái)越多地走上臺(tái)前，所涉學(xué)科既包括醫(yī)學(xué)、聲學(xué)、信號(hào)處理、計(jì)算機(jī)技術(shù)等，也得益于人機(jī)交互、人工智能、神經(jīng)網(wǎng)絡(luò)和機(jī)器學(xué)習(xí)等新技術(shù)，其最大特點(diǎn)是多學(xué)科交叉，即信號(hào)處理、計(jì)算機(jī)技術(shù)、壓縮感知、模式識(shí)別、神經(jīng)網(wǎng)絡(luò)、人工智能等專(zhuān)業(yè)相互交叉、相互滲透。以人機(jī)語(yǔ)音交互為例，只有借助于聲源定位，在定位和追蹤聲源的基礎(chǔ)上，通過(guò)神經(jīng)網(wǎng)絡(luò)和機(jī)器學(xué)習(xí)使人機(jī)建立聯(lián)系，才能最終達(dá)到人機(jī)交互的目的。未來(lái)隨著元宇宙（metaverse）的迅猛發(fā)展，在實(shí)現(xiàn)與現(xiàn)實(shí)世界映射及交互的虛擬世界中，基于數(shù)字孿生技術(shù)的聲源定位技術(shù)將異軍突起，滲透到生活中的點(diǎn)點(diǎn)滴滴，促進(jìn)社會(huì)進(jìn)步，提升人們的幸福感。

目前，聲源定位技術(shù)主要應(yīng)用于民用、商用和軍用3大領(lǐng)域，包括醫(yī)學(xué)、教育、移動(dòng)通信、機(jī)器人、智能音響、車(chē)載系統(tǒng)、交通監(jiān)控、軍事等領(lǐng)域等。在醫(yī)學(xué)領(lǐng)域，最為關(guān)注聲源定位的是耳科學(xué)者、聽(tīng)力學(xué)者及聽(tīng)覺(jué)言語(yǔ)康復(fù)學(xué)者，其前沿?zé)狳c(diǎn)問(wèn)題是聲源定位的聲學(xué)機(jī)制、神經(jīng)機(jī)制、臨床測(cè)試方法、設(shè)備研發(fā)和臨床應(yīng)用。而掌握聲源定位的聲學(xué)機(jī)制和神經(jīng)機(jī)制是開(kāi)展聲源定位各項(xiàng)研究的基礎(chǔ)。

1 聲源定位的聲學(xué)機(jī)制

ASA是聽(tīng)覺(jué)系統(tǒng)根據(jù)聲源位置進(jìn)行聽(tīng)覺(jué)流（auditory stream）分離以及聽(tīng)覺(jué)融合[2]，前者將聽(tīng)感知覺(jué)集合分解成相對(duì)穩(wěn)健的聲學(xué)特征元素，后者進(jìn)一步將其與模式場(chǎng)景的時(shí)空特性進(jìn)行動(dòng)態(tài)分類(lèi)匹配。

空間聽(tīng)覺(jué)的研究始于對(duì)聲源定位的探索，直至今日，聲源定位仍然是空間聽(tīng)覺(jué)的主要研究?jī)?nèi)容之一。Lord Rayleigh的雙工理論（the duplex theory）是解釋聲源定位線索的經(jīng)典理論[3]，人類(lèi)對(duì)低頻信號(hào)的聲源定位主要依賴(lài)耳間時(shí)間差（interaural time difference，ITD），高頻主要依賴(lài)耳間強(qiáng)度差（interaural level difference，ILD）。耳間時(shí)間差又可以根據(jù)聲源頻率延伸出耳間相位差(interaural phase difference，IPD)，頻譜線索（spectral cues，SC）則為前后辨別和垂直定位提供信息。

當(dāng)聲波遇到軀干、頭顱和耳廓時(shí)，會(huì)在耳廓處發(fā)生折射、散射和衍射，產(chǎn)生濾波效應(yīng)，該濾波可以用頭相關(guān)傳輸函數(shù)(head related transfer function，HRTF)表示。在復(fù)雜的聲環(huán)境下，不同聲源發(fā)出的聲波之間，以及直達(dá)聲和反射聲之間會(huì)在空氣介質(zhì)中相互疊加，形成新的復(fù)雜的混合聲波，當(dāng)其抵達(dá)鼓膜時(shí)，與之前不同原聲源發(fā)出的原聲波不相同。健聽(tīng)者能夠從該混合聲波中分離、聽(tīng)懂目標(biāo)聲源，這種神奇的效應(yīng)就是“雞尾酒會(huì)”現(xiàn)象，其原理是中樞聽(tīng)覺(jué)系統(tǒng)利用雙耳效應(yīng)、頭影效應(yīng)、較優(yōu)耳效應(yīng)等對(duì)雙耳互相關(guān)的冗余信息進(jìn)行聽(tīng)覺(jué)流分離[3，4]。格式塔理論認(rèn)為[4]，當(dāng)兩個(gè)聽(tīng)覺(jué)流特征類(lèi)似時(shí)，可發(fā)生雙耳融合（binaural fusion）。當(dāng)兩個(gè)處于不同空間位置的相關(guān)聲源延遲達(dá)到1～10 ms時(shí)，聽(tīng)者只能感知到一個(gè)位于領(lǐng)先聲附近的融合聲像，即優(yōu)先效應(yīng)（precedence effect），優(yōu)先效應(yīng)被認(rèn)為是健聽(tīng)者能在嘈雜環(huán)境中精準(zhǔn)定位聲源的原因之一；當(dāng)分離具有不同時(shí)頻特征的聽(tīng)覺(jué)流時(shí)，聽(tīng)覺(jué)中樞通過(guò)對(duì)空間信息進(jìn)行感知和分析，利用空間掩蔽釋放（spatial release from masking，SRM）提高信噪比，從而提高復(fù)雜聲環(huán)境下的言語(yǔ)識(shí)別能力?？臻g聽(tīng)覺(jué)損失者不能選擇性注意特定聽(tīng)覺(jué)流，因此出現(xiàn)言語(yǔ)識(shí)別率下降，這是當(dāng)前研究的重點(diǎn)和難點(diǎn)，也是筆者團(tuán)隊(duì)專(zhuān)注研究20年的體會(huì)。研究聲源定位的聲學(xué)機(jī)制，通過(guò)臨床檢測(cè)和干預(yù)，提高聽(tīng)障人群在復(fù)雜環(huán)境中的言語(yǔ)識(shí)別率，具有重要的臨床意義。

2 聲源定位的神經(jīng)機(jī)制

對(duì)聽(tīng)覺(jué)聲源定位的研究主要分為宏觀和微觀兩個(gè)方面，微觀研究主要通過(guò)電生理、分子生物學(xué)、轉(zhuǎn)基因小鼠、信息逆向示蹤病毒等技術(shù)手段進(jìn)行動(dòng)物實(shí)驗(yàn)，以期解釋人類(lèi)聲源定位的產(chǎn)生機(jī)制。

2.1 聲源定位的中樞聽(tīng)覺(jué)傳導(dǎo)道路

中樞聽(tīng)覺(jué)系統(tǒng)能夠整合和分析雙耳空間線索，進(jìn)而定位聲源，主要依賴(lài)于從低位腦干核團(tuán)、外側(cè)丘系、下丘、內(nèi)側(cè)膝狀體的逐級(jí)處理，最終通過(guò)“最大似然估計(jì)”模型，以聽(tīng)中樞中不同的神經(jīng)元群體反應(yīng)模式進(jìn)行編碼和解碼[5]。雙側(cè)聽(tīng)神經(jīng)發(fā)出的神經(jīng)沖動(dòng)通過(guò)耳蝸核（cochlear nucleus，CN）接替，將聲信息中的時(shí)間、速率、部位編碼信息投射到雙側(cè)特定核團(tuán)。首先，上橄欖復(fù)合體（superior olivary complex，SOC）是聽(tīng)覺(jué)中樞中第一級(jí)接受和處理雙耳信息的核團(tuán)，包含上橄欖內(nèi)側(cè)核（medial superior olive，MSO）、上橄欖外側(cè)核（lateral superior olive，LSO）、斜方體外側(cè)核（lateral nucleus of the trapezoid body，LNTB）和斜方體內(nèi)側(cè)核（medial nucleus of the trapezoid body，MNTB）。從功能上看，MSO主要負(fù)責(zé)編碼ITD，LSO主要負(fù)責(zé)編碼ILD[6]，而LNTB和MNTB負(fù)責(zé)中繼MSO和LSO的上行投射。人類(lèi)主要通過(guò)Jeffress延遲線模型（Jeffress’ delay-line model）處理ITD信息[7]，即在對(duì)側(cè)的上橄欖內(nèi)側(cè)核（medial superior olive,MSO）的重合探測(cè)器（coincidence detector）可對(duì)雙側(cè)神經(jīng)沖動(dòng)的時(shí)間延遲進(jìn)行分析。然而，對(duì)于低頻定位信號(hào)的感知可能更依賴(lài)于時(shí)間抑制（timed inhibition）機(jī)制[8]，MSO同時(shí)接受來(lái)自MNTB的抑制性投射，進(jìn)一步增加了低頻ITD調(diào)諧曲線范圍。其次，外側(cè)丘系核（nucleus of the lateral lemniscus，NLL）接受雙側(cè)CN、SOC及對(duì)側(cè)NLL的投射，其顯著的音頻拓?fù)涮卣髟趶?fù)雜聲環(huán)境下定位聲源以及回聲定位中發(fā)揮特殊作用[9，10]。下丘（inferior colliculus，IC）是重要的雙耳信息整合中樞[11]，其多種反應(yīng)特性的神經(jīng)元將ITD、ILD和SC等信息在此結(jié)合。應(yīng)用7T功能核磁進(jìn)行的研究[12]顯示，在IC水平也可能存在與“音頻地圖”類(lèi)似的“空間地圖”。

IC是一個(gè)在各物種間高度保守的中樞核團(tuán)，根據(jù)高爾基染色顯示的細(xì)胞形態(tài)，按照免疫熒光染色、細(xì)胞色素氧化酶顯示的分子性質(zhì)不同，可將下丘分為兩個(gè)區(qū)域，分別為中間丘系下丘（lemniscal part）及兩側(cè)非丘系下丘（non-lemniscal part）。丘系和非丘系部分神經(jīng)元形態(tài)顯著不同，在信息處理中可能發(fā)揮不同功能，因此以丘系和非丘系為單位，分別對(duì)兩個(gè)區(qū)域的解剖和功能進(jìn)行探究是解開(kāi)聲源定位神經(jīng)機(jī)制的途徑之一。腦區(qū)的解剖研究和功能研究同等重要，只有明確一個(gè)腦區(qū)接收哪些輸入，又將信息輸出到了哪里，才能解釋其在動(dòng)物行為中是如何發(fā)揮作用的。動(dòng)物實(shí)驗(yàn)中常用的麻醉劑戊巴比妥鈉會(huì)影響神經(jīng)元對(duì)滯后聲的電位發(fā)放，繼而證明優(yōu)先效應(yīng)中丘系下丘對(duì)滯后聲的響應(yīng)降低是由于GABA遞質(zhì)的釋放[13]。以往對(duì)非丘系下丘的神經(jīng)解剖環(huán)路研究采用傳統(tǒng)示蹤染料，如辣根過(guò)氧化物酶和熒光金等，染料示蹤有明顯局限性，有腦區(qū)選擇性，不能進(jìn)行特異神經(jīng)元類(lèi)型示蹤，染料可能被穿行的纖維吸收，從而影響對(duì)腦區(qū)精準(zhǔn)連接的解析等。

近年來(lái)，筆者團(tuán)隊(duì)對(duì)神經(jīng)環(huán)路展開(kāi)研究，用轉(zhuǎn)基因小鼠結(jié)合信息逆向示蹤病毒對(duì)非丘系下丘腦區(qū)進(jìn)行上游環(huán)路示蹤，嘗試解析同一腦區(qū)不同神經(jīng)元類(lèi)型的精準(zhǔn)連接，用改造的病毒工具對(duì)一個(gè)腦區(qū)的一級(jí)或多級(jí)上游進(jìn)行探究，通過(guò)對(duì)兩個(gè)腦區(qū)分別注射標(biāo)記軸突末梢和稀疏標(biāo)記病毒，并結(jié)合腦片透明化和共聚焦顯微鏡成像技術(shù)，希望能夠明確不同腦區(qū)間的神經(jīng)元如何進(jìn)行連接。

2.2 聲源定位與多模態(tài)整合

聽(tīng)覺(jué)系統(tǒng)并非獨(dú)立存在，各感官之間相互協(xié)調(diào)，聲源定位有視覺(jué)和體感神經(jīng)機(jī)制參與其中。來(lái)自哺乳動(dòng)物和人類(lèi)空間聽(tīng)覺(jué)的神經(jīng)生理學(xué)、神經(jīng)影像學(xué)和計(jì)算模型的研究表明，聲源位置的皮層表征可能來(lái)自初級(jí)聽(tīng)皮層與較高階的聽(tīng)覺(jué)區(qū)域（如背外側(cè)前額葉等）共同參與的動(dòng)態(tài)自適應(yīng)循環(huán)神經(jīng)網(wǎng)絡(luò)[14]，并且涉及與視覺(jué)、本體感覺(jué)等多模態(tài)整合（multimodal integration）[15～17]，這種皮層網(wǎng)絡(luò)可適應(yīng)不斷變化的行為需求，尤其與處理真實(shí)生活場(chǎng)景的聲源位置、復(fù)雜聽(tīng)覺(jué)場(chǎng)景識(shí)別等密切相關(guān)。

3 聲源定位的臨床問(wèn)題及未來(lái)展望

在臨床中筆者發(fā)現(xiàn)一部分植入人工耳蝸的患者，在嘈雜環(huán)境中的聲源定位能力遠(yuǎn)低于健聽(tīng)人群，其原因不明，仍是臨床輔聽(tīng)治療的難題。

空間聽(tīng)覺(jué)依賴(lài)于聲源定位，如果利用空間聲學(xué)線索進(jìn)行感知的能力下降，就會(huì)造成空間聽(tīng)覺(jué)損失（spatial hearing loss），導(dǎo)致兒童聽(tīng)處理障礙（auditory processing disorder，APD）[4]?？臻g聽(tīng)覺(jué)能力還會(huì)隨著衰老逐漸下降，70歲以上人群大多伴有不同程度的空間聽(tīng)力損失，該損失可能獨(dú)立于年齡相關(guān)性聽(tīng)力損失，并與癡呆患病風(fēng)險(xiǎn)有關(guān)[18]。即使患者配戴了雙側(cè)輔聽(tīng)裝置，一旦處于復(fù)雜聲環(huán)境中，其聲源定位能力會(huì)急劇下降[19]。

研究聲源定位對(duì)于人們生活和工作有著重要意義。隨著社會(huì)的發(fā)展，人們對(duì)聲源定位的需求必將越來(lái)越高，因此，對(duì)相關(guān)技術(shù)的研究是一項(xiàng)長(zhǎng)久的事業(yè)。醫(yī)學(xué)工作者，特別是耳科學(xué)者、聽(tīng)力學(xué)者和聽(tīng)力語(yǔ)言康復(fù)學(xué)從業(yè)者是這片沃土的辛勤耕耘者，理應(yīng)踏準(zhǔn)時(shí)代的脈絡(luò)，為人類(lèi)奉獻(xiàn)智慧和成果。