Abstract
Long-Time-Average-Spectra (LTAS) were recorded of 22 quality-rated violins. The LTAS and their relations to tonal quality ratings were analyzed by four different methods: weight functions, separate correlation analysis, factor analysis (FA), and multidimensional scaling (MDS). The average difference between the instruments rated highest and lowest was tried as a function for weighting tonal quality. This weight function explained 64% of the variance of the tonal quality-ratings. The variations in certain restricted frequency regions selected by separate correlation analysis accounted for 71…84% of the variance in the tonal quality-ratings. Factor analysis and multidimensional scaling in five factors/dimensions gave approximately the same solutions. The solutions accounted for 74% and 44% respectively of the variance of the LTAS and for 74% and 69% respectively of the variance of the tonal quality-ratings. The different methods imply that “strong” frequency components are favorable in a low frequency region and in a middle high frequency region, while “weak” frequency components are favorable in a high frequency region and in a limited middle frequency region. The results seem reliable, at least for the selected instruments.ZusammenfassungVon 22 qualitäts-benoteten Violinen wurden die mittleren Langzeitspektren aufgenommen. Diese Spektren und ihre Beziehungen zu den Tonqualitäts-Benotungen wurden mittels vier verschiedener Verfahren analysiert: Gewichtsfunktionen, getrennte Korrelationsanalyse, Faktorenanalyse und multidimensionale Skalierung. Der mittlere Unterschied zwischen den am höchsten und den am niedrigsten benoteten Instrumenten wurde versuchsweise als Gewichtsfunktion für die Tonqualität herangezogen. Diese Gewichtsfunktion erklärte 64% der Varianz der Tonqualitäts-Benotungen. 71% bis 84% dieser Varianz konnten auf die Variationen in bestimmten, begrenzten und mit Hilfe einer getrennten Korrelationsanalyse ausgewählten Frequenzbereichen zurückgeführt werden. Faktorenanalyse und multidimensionale Skalierung in fünf Faktoren bzw. Dimensionen ergaben näherungsweise die gleichen Lösungen. Die Lösungen extrahierten 74% bzw. 44% der Varianz der Spektren und 74% bzw. 69% der Varianz der Tonqualitäts-Benotungen. Die verschiedenen Verfahren implizieren, daß ,,starke“ Frequenzkomponenten in einem tiefen und einem mittleren bis hohen Frequenzbereich günstig sind, während ,,schwache“ Frequenzkomponenten in einem hohen und in einem begrenzten mittleren Frequenzbereich erwünscht sind. Die Ergebnisse erscheinen, zumindest für die ausgewählten Instrumente, zuverlässig.SommaireOn a enregistré les spectres moyennes sur des durées longues (LTAS) pour une série de 22 violons classés d'après leurs qualités. Puis on a analysé ces LTAS et leurs relations avec les estimations des qualités sonores des instruments correspondants par le moyen de quatre méthodes différentes: fonctions de pondération, analyse de corrélations séparées, analyse factorielle (FA) et gradation multidimensionnelle (MDS). La différence moyenne entre les instruments classés premier et dernier a été prise à l'essai comme fonction de pondération pour la qualité sonore. Cette pondération explique 64% de la variance des estimations. L'analyse des corrélations, effectuée sur certaines bandes restreintes de fréquences, rend compte de 71 à 84% de la variance. FA et MDS (appliquée à cinq rapports facteur/dimension) donnent approximativement les mêmes résultats. Elles rendent compte respectivement de 74% et 44% de la variance des LTAS et de 74% et 69% de la variance du classement par qualités sonores. Les quatre méthodes concordent sur le fait que des composantes fréquencielles «fortes» sont favorables dans la région des fréquences basses et dans la partie supérieure du «médium» tandis que les composantes «faibles» sont favorables dans la région des fréquences hautes et dans la partie limitée du médium. Les résultats semblent fiables, du moins pour la série des instruments sélectionnés.