We onderscheiden moeiteloos een cello van een piano, en een klarinet van een trombone. Zelfs wanneer instrumenten dezelfde noot met een identiek volume spelen, behoudt elk zijn eigen klankkarakter.
Deze eigenschap wordt klankkleur, of timbre, genoemd.
Maar waar ontstaat dit onderscheid? Zit het alleen in de klank zelf, of laat elk instrument een specifieke afdruk achter in de hersenactiviteit?
Een nieuwe studie, gepubliceerd in 2026 in het tijdschrift NeuroImage, toonde aan dat een machine learning-algoritme met een nauwkeurigheid die hoger is dan toeval kan bepalen welke van de vijf klankkleuren een persoon op een bepaald moment hoort, en dit op basis van een kort fragment van een elektro-encefalogram (EEG).
De elektrische activiteit van de hersenen bewaart informatie, niet alleen over de toonhoogte en het volume van een geluid, maar ook over zijn individuele karakter.
Eén noot — vijf klankwerelden
Het onderzoek werd uitgevoerd door specialisten van de Memorial University of Newfoundland in Canada: Pravina Satkunarajah, Sarah Power en Benjamin Zendel.
Het artikel werd online gepubliceerd op 19 mei 2026 en verscheen in het augustusnummer van het tijdschrift NeuroImage.
Tien mensen met een normaal gehoor namen deel aan het experiment. Onder hen waren muzikanten, autodidacten en mensen zonder muzikale achtergrond.
De deelnemers luisterden naar dezelfde noot – een A3 (La in de derde octaaf), met een grondfrequentie van 220 hertz. Deze klonk in vijf varianten:
- piano;
- klarinet;
- cello;
- trombone;
- zuivere sinustoon zonder boventonen.
Elk geluid duurde één seconde. Het volume van alle varianten was genormaliseerd, zodat het geen eenvoudige aanwijzing kon vormen voor zowel de deelnemers als de latere analyse.
Elk van de vijf geluiden werd 200 keer aangeboden, waarbij de hersenactiviteit continu werd geregistreerd met behulp van EEG en 73 elektroden.
Zo veranderde vooral de klankkleur – het karakter van het geluid waaraan we de bron ervan herkennen.
Wat is klankkleur?
Klankkleur wordt vaak de “kleuring” van geluid genoemd, maar deze definitie dekt niet de volledige complexiteit ervan.
Het is niet zomaar een laag verf die over een noot wordt aangebracht.
Het is de biografie van geluid.
Dezelfde noot op een piano, klarinet of cello heeft dezelfde grondtoonhoogte. Maar samen daarmee klinken tal van aanvullende frequenties – boventonen. Hun aantal, sterkte en verdeling creëren het unieke spectrale patroon van een instrument.
Andere kenmerken die verschillen zijn:
- de attack – de snelheid waarmee het geluid ontstaat;
- de opbouw en het uitsterven ervan;
- de energiedistributie tussen harmonischen;
- helderheid;
- ruwheid;
- de resonantie van het materiaal en de klankkast van het instrument.
Bij de cello ontstaat de klank uit de interactie tussen de strijkstok, de snaar, de houten klankkast en de lucht die daarin is opgesloten.
Bij de klarinet brengt de adem van de muzikant het rietje in trilling, en de luchtkolom binnenin het instrument vormt de resonantie.
Bij de piano slaat een hamertje op de snaar, waarna de zangbodem en de kast de ontstane trilling versterken en transformeren.
Klankkleur is daarom geen versiering of een bijproduct.
Het is de manier waarop geluid ontstaat, het materiaal waardoor de trilling zich voortplant, en de beweging die het tot leven heeft geroepen.
Kan een instrument worden herkend aan de hand van een EEG?
De onderzoekers hebben nagegaan of op basis van een enkel EEG-fragment kon worden bepaald welke klankkleur de deelnemer op dat moment hoorde.
Dit is geen eenvoudige taak. Een mens ontvangt volledige akoestische informatie, terwijl het algoritme enkel de elektrische signalen analyseert die aan het oppervlak van het hoofd zijn geregistreerd.
Voor de gegevensverwerking werden vier machine learning-algoritmes gebruikt:
- lineaire discriminantanalyse;
- Gradient Boosting;
- Support Vector Machines;
- K-Nearest Neighbors.
De wetenschappers vergeleken verschillende soorten gegevens: onbewerkte EEG-fragmenten, kenmerken van geëvoceerde potentialen, harmonische en spectrale kenmerken.
Als het algoritme eenvoudigweg één van de vijf opties zou raden, zou de verwachte nauwkeurigheid ongeveer 20% zijn.
Bij de analyse van onbewerkte EEG-fragmenten lieten alle vier de modellen echter een resultaat zien dat hoger was dan toeval:
- Gradient Boosting – ongeveer 35%;
- lineaire discriminantanalyse – ongeveer 34%;
- Support Vector Machines – ongeveer 33%;
- K-Nearest Neighbors – ongeveer 26%.
De nauwkeurigheid is verre van perfect. De hoofddoelstelling was echter niet de foutloze herkenning van het instrument, maar het nagaan of informatie over de klankkleur aanwezig is in een enkele hersenreactie.
Het algoritme hoorde het originele geluid niet en analyseerde de akoestische opname ervan ook niet. Het ontving enkel de EEG-gegevens.
Toch was er in de elektrische signalen voldoende onderscheidbare informatie aanwezig om de waargenomen klankkleur met een nauwkeurigheid hoger dan toeval te bepalen.
Studie in de PubMed-database
De cello liet de meest uitgesproken sporen na
De wetenschappers analyseerden ook de componenten N1 en P2 van de auditieve geëvoceerde potentiaal – kortstondige veranderingen in de elektrische hersenactiviteit die kort na het verschijnen van een geluid optreden.
De N1-component werd onderzocht in het bereik van ongeveer 100 tot 200 milliseconden na het begin van het geluid, en de P2-component van 150 tot 290 milliseconden.
De reacties op verschillende klankkleuren verschilden in verschijningstijd en amplitude.
De cello veroorzaakte de meest uitgesproken P2-reactie, terwijl de zuivere sinustoon de minste reactie teweegbracht. De N1-reactie op de cello trad eerder op, terwijl de respons op de klarinet het laatst was.
Dit betekent niet dat het brein een “voorkeur” heeft voor de cello.
De verschillen kunnen verband houden met de kenmerken van de attack, de spectrale samenstelling, de ruwheid en de verdeling van harmonischen. Zo had het klarinetgeluid in het experiment de meest geleidelijke aanzet van de gebruikte instrumentale tonen.
De resultaten tonen echter het belangrijkste aan: verschillende klankkleuren roepen geen volledig identieke neurale reacties op.
In de klank van een instrument onderscheidt het brein meer dan alleen toonhoogte en volume.
De mens presteerde aanzienlijk beter dan het algoritme
De deelnemers aan het experiment identificeerden ook bewust de gehoorde geluiden. De gemiddelde nauwkeurigheid van menselijke herkenning bedroeg ongeveer 94%.
De deelnemers herkenden de trombone het best, in ongeveer 97% van de gevallen. De zuivere toon werd herkend met een nauwkeurigheid van ongeveer 96%, de cello met 95%, de klarinet met 92% en de piano met 89%.
Dit is een belangrijke vergelijking.
Het algoritme ontcijfert de waarneming nog niet zo trefzeker als een mens een bekend geluid herkent. Het onderzoek toont slechts een eerste stap: informatie over de klankkleur is zelfs aanwezig in korte, individuele EEG-fragmenten en kan gedeeltelijk worden gedecodeerd.
Zou een hoortoestel onze aandacht kunnen begrijpen?
Eén van de mogelijke praktische toepassingsgebieden van het onderzoek heeft betrekking op hoortoestellen.
Moderne apparaten zijn goed aangepast om spraak te versterken, maar muziek blijft een complexe uitdaging voor hen. Wanneer verschillende instrumenten tegelijk klinken, kunnen de vele frequenties en dynamische nuances na verwerking samensmelten, hun natuurlijkheid verliezen of schel worden.
In de toekomst zou een hoortoestel, gekoppeld aan de registratie van hersenactiviteit, theoretisch kunnen bepalen welk instrument een persoon probeert te horen, en dit specifiek kunnen versterken.
Een luisteraar zou bijvoorbeeld zijn aandacht kunnen richten op de cello in een orkest, en het apparaat zou dan kunnen helpen om de klanklijn ervan uit de algemene muziekstroom te filteren.
Dergelijke toepassingen liggen echter nog ver in de toekomst.
Aan het experiment namen slechts 10 mensen deel. Er werden geïsoleerde tonen van één seconde gebruikt, terwijl echte muziek aanzienlijk complexer is: instrumenten klinken tegelijkertijd, veranderen toonhoogte, volume, dynamiek en articulatie.
De nauwkeurigheid van de classificatie bleef ook matig – tussen de 26 en 35%.
Het gaat dus niet om een kant-en-klare technologie om gedachten te lezen, maar om een eerste bevestiging van een fundamentele mogelijkheid: een korte hersenreactie bevat onderscheidbare informatie over de waargenomen klankkleur.
Wat heeft deze ontdekking toegevoegd aan de klank van de Planeet?
Het heeft aangetoond: het bewustzijn neemt geluid niet waar als een anonieme frequentie.
Het brein onderscheidt eigenschappen van de trilling die verband houden met het materiaal, de aanraking, de ademhaling en de manier waarop het geluid ontstaat. Eén noot, die door verschillende instrumenten gaat, wordt een veelheid aan zelfstandige klankwerelden – en elk daarvan laat zijn eigen spoor achter in de neurale activiteit.
Muziek ontstaat niet alleen uit wat klinkt.
Het wordt geboren uit hoe, waardoor en door wie de trilling zich voortplant.
Een piano, cello, klarinet en trombone kunnen dezelfde noot spelen – maar het bewustzijn ervaart elk geluid als een afzonderlijke aanwezigheid.
Klankkleur is de individualiteit van de trilling. Het is het geheugen van het materiaal. De afdruk van beweging.
De manier waarop materie in muziek overgaat.
En hoe aandachtiger we luisteren, hoe duidelijker we horen: de Planeet herhaalt niet steeds dezelfde noot.
Ze onthult haar oneindige verscheidenheid – door hout, metaal, snaren, de adem van de muzikant en het waarnemende bewustzijn van de luisteraar.
