Vyjádřit to, co slova nedokážou přenést; cítit rozmanité emoce proplétající se v hurikánu pocitů; odtrhnout se od země, nebe a dokonce i samotného vesmíru, vydat se na cestu, kde nejsou mapy, žádné silnice, žádné ukazatele; vymyslet, vyprávět a prožít celý příběh, který zůstane navždy jedinečný a neopakovatelný. To vše umožňuje hudba — umění, které existuje už tisíce let a těší naše uši a srdce.
Hudba, přesněji řečeno hudební skladby, však mohou sloužit nejen pro estetické potěšení, ale také pro přenos v nich zakódovaných informací určených pro nějaké zařízení a pro posluchače neviditelných. Dnes se seznámíme s velmi neobvyklým výzkumem, ve kterém doktoři z Curyšské vysoké technické školy dokázali nepozorovaně pro lidské ucho vložit určité údaje do hudebních skladeb, čímž se hudba stává kanálem pro přenos dat. Jak přesně realizovali svou technologii, jak moc se melodie liší s a bez vložených dat a co ukázaly praktické testy? O tom se dozvíme v přednášce výzkumníků. Jdeme na to.
Základ výzkumu
Výzkumníci nazývají svou technologii akustickou technikou přenosu dat. Když reproduktor přehrává pozměněnou melodii, člověk ji vnímá jako běžnou, zatímco například chytrý telefon může číst zakódované informace mezi řádky, přesněji mezi notami, pokud to tak lze říci. Nejdůležitějším aspektem při realizaci této metody přenosu dat vědci (to, že jsou stále doktoři, jim nebrání být vědci) nazývají rychlost a spolehlivost přenosu při zachování úrovně těchto parametrů bez ohledu na vybraný audio soubor. S touto úlohou pomáhá psychoakustika, která zkoumá psychologické a fyziologické aspekty vnímání zvuků člověkem.
Jádrem akustického přenosu dat lze nazvat OFDM (multiplexování s ortogonálním frekvenčním dělením kanálů), které společně s adaptací nosných frekvencí na původní hudbu v průběhu času umožnilo maximálně využít spektrum přenášené frekvence pro přenos informací. Díky tomu se podařilo dosáhnout přenosové rychlosti 412 bitů/s na vzdálenost až 24 metrů (koeficient chyb < 10 %). Praktické experimenty s účastí 40 dobrovolníků potvrdily, že je téměř nemožné rozlišit mezi originální melodií a tou, do které byly vloženy informace.
Kde lze tuto technologii prakticky aplikovat? Výzkumníci mají svůj vlastní názor: téměř všechny moderní smartphony, notebooky a další přenosná zařízení jsou vybavena mikrofony, a na mnoha veřejných místech (kavárnách, restauracích, obchodních centrech atd.) jsou reproduktory s podkladovou hudbou. Do této podkladové melodie lze například vložit data pro připojení k síti Wi-Fi bez nutnosti provádět další akce.
Obecné rysy akustického přenosu dat jsme si objasnili, nyní přejdeme k podrobnému zkoumání struktury tohoto systému.
Popis systému
Vkládání dat do melodie se provádí maskováním frekvence. V časových intervalech jsou identifikovány maskovací frekvence a nosné OFDM, které jsou blízké těmto maskovacím prvkům, jsou vyplněny daty.
Obrázek č. 1: převod původního souboru na kompozitní signál (melodie + data), přenášený přes reproduktory.
Nejprve je původní audio signál rozdělen na sekvenční segmenty pro analýzu. Každý takový segment (Hi) o délce L = 8820 vzorků, což odpovídá 200 ms, je vynásoben oknem* pro minimalizaci okrajových efektů.
Okno* je váhová funkce používaná k řízení efektů způsobených přítomností bočních laloků ve spektrálních odhadech.
Dále byly zjištěny dominantní frekvence původního signálu v rozmezí od 500 Hz do 9,8 kHz, což umožnilo získat maskující frekvence fM,l pro daný segment. Kromě toho se prováděl přenos dat v malém rozsahu od 9,8 do 10 kHz pro určení polohy podnosných frekvencí v přijímači. Horní hranice použité oblasti frekvencí byla stanovena na 10 kHz kvůli nízké citlivosti mikrofonů chytrých telefonů na vysoké frekvence.
Maskující frekvence byly určeny pro každý analyzovaný segment individuálně. Pomocí metody HPS (harmonického spektra produktů) byly stanoveny tři dominantní frekvence, které byly poté zaokrouleny na nejbližší noty harmonické chromatické škály. Tak byly získány základní noty fF,i = 1…3, které leží mezi klávesami C0 (16,35 Hz) a B0 (30,87 Hz). Vzhledem k tomu, že základní noty jsou příliš nízké pro použití při přenosu dat, byly v rozmezí 500 Hz … 9,8 kHz vypočítány jejich vyšší oktávy 2kfF,i. Mnohé z těchto frekvencí (fO,l1) byly více výrazné díky povaze HPS.
Obrázek č. 2: vypočítané oktávy fO,l1 pro základní noty a harmoniky fH,l2 nejsilnějšího tónu.
Soubor oktáv a harmonik byl nakonec využit jako maskující frekvence, na jejichž základě byly získány frekvence OFDM podnosné fSC,k. Nad a pod každou maskující frekvencí byly vloženy dvě podnosné.
Dále docházelo k filtrování spektra audioklipu Hi na frekvencích podnosných fSC,k. Na základě informačních bitů v Bi byl vytvořen OFDM symbol, díky čemuž mohl být kompozitní segment Ci přenášen přes reproduktor. Hodnoty a fáze podnosných je třeba zvolit tak, aby přijímač mohl extrahovat přenesená data, zatímco posluchač si nevšiml změn v melodii.
Obrázek č. 3: úsek spektra a frekvence podnosných segmentu Hi původní melodie.
Když je audio signál, který obsahuje zakódované informace, přehráván přes reproduktory, mikrofon přijímacího zařízení ho zaznamená. Aby se našly počáteční pozice zakomponovaných OFDM symbolů, musí být záznam nejprve zpracován přes pásmové filtry. Tímto způsobem se extrahuje horní frekvenční pásmo, kde nejsou hudební signály-interference mezi podnosnými vlnami. Počátek OFDM symbolů lze nalézt pomocí cyklického prefixu.
Po detekci začátku OFDM symbolů přijímač získává informace o nejdominantnějších tónech prostřednictvím dekódování horní frekvenční oblasti. OFDM je také dostatečně odolný vůči zdrojům úzkopásmových interferencí, protože ty ovlivňují pouze některé z podnosných vln.
Praktické testy
Jako zdroj pozměněných melodií byl použit reproduktor KRK Rokit 8 a přijímající stranou byl smartphone Nexus 5X.
Obrázek č. 4: rozdíl mezi skutečnými projevem OFDM a vrcholy korelace změřenými v místnosti na vzdálenost 5 m mezi reproduktorem a mikrofonem.
Většina OFDM bodů leží v rozmezí od 0 do 25 ms, a proto lze nalézt přípustný počátek v rámci cyklického prefixu 66,6 ms. Výzkumníci poznamenávají, že přijímač (v tomto experimentu smartphone) bere v úvahu, že OFDM symboly jsou reprodukovány periodicky, což zlepšuje jejich detekci.
První, co bylo třeba ověřit, byl vliv vzdálenosti na míru chyb po bitech (BER). K tomu byly provedeny tři testy v různých typech místností: chodbě s koberci, kanceláři s linoleem na podlaze a posluchárně s dřevěnou podlahou.
Za "testovaný" byl vybrán hit "And The Cradle Will Rock" od skupiny Van Halen.
Hlasitost byla nastavena tak, aby měřený smartphone na vzdálenost 2 m od reproduktoru vykazoval úroveň zvuku 63 dB.
Obrázek č. 5: ukazatele BER v závislosti na vzdálenosti mezi reproduktorem a mikrofonem (modrá linie — posluchárna, zelená — chodba, oranžová — kancelář).
Na chodbě byl zvuk o úrovni 40 dB zachycen smartphone na vzdálenost až 24 metrů od reproduktoru. V posluchárně na vzdálenost 15 m byl zvuk 55 dB, zatímco v kanceláři, kde byla vzdálenost 8 m, úroveň zvuku dosahovala 57 dB.
Vzhledem k tomu, že publikum a kancelář jsou více reverberující, pozdní echo signály OFDM symbolů překračují délku cyklického prefixu a zvyšují BER.
Reverberace* — postupné snižování intenzity zvuku v důsledku jeho opakovaného odrazu.
Dále výzkumníci demonstrovali univerzálnost svého systému, aplikovali ho na 6 různých písní tří žánrů (tabulka níže).
Tabulka č. 1: použité písně v testech.
Také pomocí údajů z tabulky můžeme vidět přenosovou rychlost a chybovost bitů pro každou píseň. Přenosová rychlost se liší, protože diferenciální BPSK (fázová modulace) funguje lépe, když se používají stejné podnosné. To je možné, když sousední segmenty obsahují stejné maskovací prvky. Kontinuálně hlasité písně poskytují optimální základnu pro skrytí dat, protože maskovací frekvence jsou výrazněji přítomny v širokém frekvenčním spektru. Rychle se měnící hudba může částečně maskovat OFDM symboly kvůli pevné délce analytického okna.
Dále se testování systému zúčastnili lidé, kteří měli určit, která melodie je originální a která byla modifikována vloženou informací. K tomu byly na speciálním webu umístěny 12sekundové úryvky písní z tabulky č. 1.
V prvním experimentu (E1) byl každému účastníkovi poskytnut buď změněný, nebo originální úryvek k poslechu, a měl rozhodnout, zda je tento úryvek originální nebo pozměněný. Ve druhém experimentu (E2) mohli účastníci poslouchat oba varianty neomezeně, a poté rozhodnout, který z nich je originál a který byl změněn.
Tabulka č. 2: výsledky experimentů E1 a E2.
Ve výsledcích prvního experimentu jsou dva ukazatele: p(O|O) — procento účastníků, kteří správně označili původní melodii a p(O|M) — procento účastníků, kteří označili pozměněnou verzi melodie jako originální.
Zajímavé je, že někteří účastníci, podle výzkumníků, považovali určité modifikované melodie za originálnější než samotný originál. Průměr výsledků obou experimentů naznačuje, že průměrný posluchač si nevšimne rozdílu mezi běžnou melodií a tou, do které byla data vložena.
Samozřejmě, znalci hudby a hudebníci mohou zachytit určité nepřesnosti a podezřelé prvky v modifikovaných melodiích, ale tyto prvky nejsou natolik významné, aby způsobovaly nepohodlí.
A teď se můžeme zúčastnit experimentu. Níže jsou uvedeny dvě verze téže melodie — originální a modifikovaná. Slyšíte rozdíl?
vs
Pro podrobnější seznámení se s nuancemi výzkumu doporučuji nahlédnout do výzkumné skupiny.
Také si můžete stáhnout ZIP archiv audio souborů originálních a modifikovaných melodií, které byly použity ve výzkumu, na .
Epilog
V této práci popisují doktorandi švýcarské vysoké technické školy v Curychu úžasný systém přenosu dat uvnitř hudby. K tomu použili frekvencové maskování, což umožnilo včlenit data do melodie přehrávané reproduktorem. Tato melodie je zachycena mikrofonem zařízení, které rozpoznává skrytá data a dekóduje je, zatímco průměrný posluchač rozdílu ani nepovšimne. V budoucnu plánují vývoj svého systému, aby našli sofistikovanější metody pro vkládání dat do zvuku.
Když někdo vymyslí něco neobvyklého, a co je důležitější, funkčního, vždy nás to potěší. Ale ještě více nás těší, že tento vynález vytvořili mladí lidé. Věda nemá věkové omezení. A pokud mládež považuje vědu za nudnou, znamená to, že není prezentována tím správným způsobem. Jak víme, věda je úžasný svět, který nás nikdy nepřestane překvapovat.
Páteční off-topic:
A když už jsme hovořili o hudbě, konkrétně o rockové hudbě, zde je skvělá cesta po světě rocku.
Queen, „Radio Ga Ga“ (1984).
Děkuji za pozornost, zůstaňte zvídaví a mějte skvělý víkend, kluci! 🙂
Děkujeme, že s námi zůstáváte. Líbí se vám naše články? Chcete vidět více zajímavých materiálů? Podpořte nás objednávkou nebo doporučením známým, 30 % sleva pro uživatele Habra na jedinečný analog entry-level serverů, který jsme pro vás vymysleli: (k dispozici varianty s RAID1 a RAID10, až 24 jader a až 40GB DDR4).
Dell R730xd za polovinu ceny? Jen u nás v Nizozemsku! Dell R420 — 2x E5-2430 2.2GHz 6C 128GB DDR3 2x960GB SSD 1Gbps 100TB — od 99 $! Čtěte o tom
Zdroj: habr.com
