At uttrykke det, ord ikke kan formidle; føle de mest varierede følelser, der fletter sig sammen i en følelsesladet orkan; løsne sig fra jorden, himlen og selv universet, og tage på en rejse, hvor der ikke er kort, ingen veje, ingen skilt; finde på, fortælle og opleve en hel historie, der altid vil forblive unik og uforlignelig. Alt dette muliggør musik — en kunstform, der har eksisteret i mange tusinde år og glæder vores ører og hjerter.
Musik, mere præcist musikstykker, kan dog ikke kun være til æstetisk fornøjelse, men også bruges til at overføre information kodet i dem, beregnet til en eller anden enhed og uset for lytteren. I dag skal vi se nærmere på en meget usædvanlig undersøgelse, hvor ph.d.-studerende fra det schweiziske føderale institut for teknologi i Zürich har formået at indføre bestemte data i musikstykker uden at det menneskelige øre opdager det, hvilket gør selve musikken til en datatransmissionskanal. Hvordan de har implementeret deres teknologi, hvor meget melodier med og uden indførte data adskiller sig, og hvad de praktiske forsøg viste? Det finder vi ud af i forskernes rapport. Lad os begynde.
Basis for undersøgelsen
Forskerne kalder deres teknologi akustisk datatransmissionsteknik. Når en højttaler afspiller en ændret melodi, opfatter mennesket den som normal, men for eksempel en smartphone kan læse den kodede information mellem linjerne, mere præcist mellem tonerne, hvis man kan sige det sådan. Den vigtigste faktor i implementeringen af denne datatransmissionsteknik, som forskerne (at disse unge mennesker stadig er ph.d.-studerende forhindrer dem ikke i at være forskere) peger på, er hastigheden og pålideligheden af transmissionen under bevarelsen af disse parametre, uanset hvilken lydfil der vælges. At tackle denne opgave hjælper psykoakustikken, som studerer de psykologiske og fysiologiske aspekter af menneskers lydopfattelse.
Kernen i akustisk dataoverførsel kan beskrives som OFDM (ortogonal frekvensdeling multiplexering), som sammen med tilpasning af bærere til den originale musik over tid har gjort det muligt at maksimere udnyttelsen af det overførte frekvensspektrum til informationsoverførsel. På grund af dette er det muligt at nå en overførselshastighed på 412 bit/s over en afstand på op til 24 meter (fejlrate < 10%). Praktiske eksperimenter med deltagelse af 40 frivillige bekræftede, at det i praksis er næsten umuligt at høre forskel på den originale melodi og den, hvori informationen var indsat.
Hvor kan sådan en teknologi anvendes i praksis? Forskere har deres eget svar: næsten alle moderne smartphones, bærbare computere og andre håndholdte enheder er udstyret med mikrofoner, og mange offentlige steder (cafeer, restauranter, indkøbscentre osv.) har højttalere med baggrundsmusik. I denne baggrundsmelodi kan der for eksempel integreres data til at oprette forbindelse til et Wi-Fi-netværk uden behov for at udføre yderligere handlinger.
De fælles træk ved akustisk dataoverførsel er nu blevet klare for os, lad os nu gå videre til en detaljeret undersøgelse af strukturen i dette system.
Systembeskrivelse
Indbygning af data i melodien sker ved at maskere frekvenser. I tidsintervaller identificeres maskerede frekvenser, og OFDM-bærere, der ligger tæt på disse maskerede elementer, udfyldes med data.
Billede nr. 1: omdannelse af den originale fil til et sammensat signal (melodi + data), der sendes gennem højttalerne.
Til at begynde med opdeles det originale lydsignal i sekventielle segmenter til analyse. Hvert sådant segment (Hi) på L = 8820 prøver, svarende til 200 ms, multipliceres med vindue* for at minimere grænseeffekterne.
Vindue* er en vægtfunktion, der anvendes til at styre effekterne forårsaget af tilstedeværelsen af sidelober i spektrale vurderinger.
Hereafter, the dominant frequencies of the input signal were identified within the range from 500 Hz to 9.8 kHz, which allowed for the acquisition of the masking frequencies fM,l for this segment. Additionally, data transmission occurred in a narrow range from 9.8 to 10 kHz to determine the location of the subcarriers in the receiver. The upper limit of the utilized frequency range was set at 10 kHz due to the low sensitivity of smartphone microphones at high frequencies.
Masking frequencies were determined individually for each analyzed segment. Using the HPS (harmonic product spectrum) method, three dominant frequencies were established, which were then rounded to the nearest notes of the harmonic chromatic scale. This is how the fundamental notes fF,i = 1…3, lying between the keys C0 (16.35 Hz) and B0 (30.87 Hz), were obtained. Considering that the fundamental notes are too low for data transmission, their higher octaves 2kfF,i were calculated within the range of 500 Hz to 9.8 kHz. Many of these frequencies (fO,l1) were more pronounced due to the nature of the HPS.
Image No. 2: calculated octaves fO,l1 for fundamental notes and harmonics fH,l2 of the strongest tone.
The collection of octaves and harmonics was subsequently used as masking frequencies, based on which the OFDM subcarrier frequencies fSC,k were derived. Two subcarriers were inserted below and above each masking frequency.
Next, the spectrum of the audio segment Hi was filtered at the frequencies of the subcarriers fSC,k. Following that, based on the informational bits in Bi, an OFDM symbol was created, enabling the composite segment Ci to be transmitted through the speaker. The amplitudes and phases of the subcarriers must be chosen such that the receiver can extract the transmitted data while the listener does not notice changes in the melody.
Image No. 3: section of the spectrum and the frequencies of the subcarriers of the segment Hi of the original melody.
Når lydsignalet med den kodede information afspilles gennem højttalerne, optager mikrofonen på modtageren det. For at finde de indledende positioner for de indbyggede OFDM-symboler skal optagelserne først gennemgås for båndfiltrering. Dette udtrækker det høje frekvensområde, hvor der ikke er musiksignalinterferens mellem underbærerne. Begyndelsen af OFDM-symbolerne kan findes ved hjælp af det cykliske præfiks.
Efter at have opdaget begyndelsen af OFDM-symbolerne modtager modtageren oplysninger om de mest dominerende toner ved at dekode det høje frekvensområde. Desuden er OFDM ret modstandsdygtigt over for påvirkningen fra kilder med snæverbåndsinterferens, da de kun påvirker nogle af underbærerne.
Praktiske eksperimenter
Som kilde til de ændrede melodier blev højttaleren KRK Rokit 8 valgt, og modtageren var en smartphone Nexus 5X.
Billede nr. 4: forskellen mellem de faktiske manifestationer af OFDM og korrelationsspidserne målt i et rum på 5 m afstand mellem højttaleren og mikrofonen.
De fleste OFDM-punkter ligger i området fra 0 til 25 ms, så det er muligt at finde en acceptabel begyndelse inden for det cykliske præfiks på 66,6 ms. Forskerne bemærker, at modtageren (i dette eksperiment smartphone) tager højde for, at OFDM-symbolerne afspilles periodisk, hvilket forbedrer deres opdagelse.
Det første, der skulle kontrolleres, var indflydelsen af afstand på bitfejlrate (BER). For dette blev der udført tre tests i forskellige typer lokaler: en korridor med tæppe, et kontor med linoleum på gulvet og en auditorium med trægulv.
Som 'testcase' blev sangen "And The Cradle Will Rock" af gruppen Van Halen valgt.
Lyden blev indstillet sådan, at det målte lydniveau på smartphone'en, der var placeret 2 m fra højttaleren, var 63 dB.
Billede nr. 5: BER-værdierne afhængigt af afstanden mellem højttaleren og mikrofonen (blå linje — auditorium, grøn — korridor, orange — kontor).
I korridoren kunne lyden med 40 dB opfanges af smartphone'en op til 24 meter fra højttaleren. I auditoriet var lyden 55 dB ved 15 m, mens den i kontoret ved en afstand på 8 meter nåede 57 dB.
Da publikum og kontoret er mere efterklangende, overskrider de sene efterklangssignaler af OFDM-symboler længden af den cykliske præfiks og øger BER.
Efterklang* — en gradvis reduktion af lydens intensitet på grund af dens gentagne refleksion.
Forskere demonstrerede derefter alsidigheden af deres system ved at anvende det på 6 forskellige sange fra tre genrer (se tabellen nedenfor).
Tabel nr. 1: de sange, der blev brugt i testene.
Derudover kan vi ved hjælp af dataene fra tabellen se overførselshastigheder og bitfejlprocenter for hver sang. Overførselshastigheden varierer, fordi differentiel BPSK (fase modulation) fungerer bedre, når de samme bærebølger anvendes. Dette er muligt, når nabosegmenter indeholder de samme maskeringselementer. Konstant høje sange giver en optimal base for dataskjult, da maskeringsfrekvenserne er mere udtalte i det brede frekvensområde. Hurtigt skiftende musik kan kun delvist maskere OFDM-symboler på grund af den faste længde af analysen.
Derefter begyndte mennesker, der skulle bestemme, hvilken melodi der var original, og hvilken der var modificeret med indlejret information, at teste systemet. For dette blev 12-sekunders uddrag af sange fra tabel nr. 1 placeret på en særlig hjemmeside.
I det første eksperiment (E1) blev hver deltager præsenteret for enten et ændret eller et originalt klip til lytning, og de skulle afgøre, om dette klip var originalt eller ændret. I det andet eksperiment (E2) kunne deltagerne lytte til begge versioner så mange gange, de ønskede, og derefter bestemme, hvilken der var original, og hvilken der var ændret.
Tabel nr. 2: resultater af eksperimenterne E1 og E2.
I resultaterne af det første forsøg er der to målinger: p(O|O) — procentdelen af deltagere, der korrekt identificerede den originale melodi, og p(O|M) — procentdelen af deltagere, der identificerede den ændrede version af melodien som original.
Det er interessant, at nogle deltagere ifølge forskerne fandt bestemte ændrede melodier mere originale end selve originalen. Den gennemsnitlige vurdering fra begge eksperimenter indikerer, at den gennemsnitlige lytter ikke vil bemærke forskellen mellem en almindelig melodi og en, hvori data er indlejret.
Naturligvis vil musiknørder og musikere fange nogle unøjagtigheder og mistænkelige elementer i de ændrede melodier, men disse elementer er ikke så betydningsfulde, at de vil forårsage ubehag.
Og nu kan vi selv deltage i eksperimentet. Nedenfor præsenteres to versioner af den samme melodi — den originale og den ændrede. Hører du forskellen?
vs
For mere detaljeret information om nuancerne i undersøgelsen anbefaler jeg at kigge i forskningsgruppen.
Du kan også downloade en ZIP-arkiv med lydfilerne til de originale og ændrede melodier, der blev brugt i undersøgelsen, fra .
Epilog
I dette arbejde beskriver ph.d.-studerende fra det schweiziske tekniske universitet i Zürich et fantastisk system til dataoverførsel inden for musik. De anvendte frekvensmaskering, hvilket gjorde det muligt at indlejre data i melodien, der afspilles af højttaleren. Denne melodi opfanges af enhedens mikrofon, som genkender de skjulte data og dekoder dem, mens den gennemsnitlige lytter slet ikke vil bemærke forskellen. I fremtiden planlægger de at udvikle deres system ved at finde mere sofistikerede metoder til at indlejre data i lyd.
Når nogen opfinder noget usædvanligt, som desuden fungerer, bliver vi altid glade. Men vi er endnu mere glade for, at denne opfindelse blev skabt af unge mennesker. Videnskab har ingen aldersgrænser. Og hvis de unge synes, at videnskab er kedelig, så bliver den præsenteret fra den forkerte vinkel, så at sige. For som vi ved, er videnskab en fantastisk verden, der aldrig holder op med at overraske.
Fredags off-topic:
Når vi nu taler om musik, nærmere bestemt rockmusik, så giver jeg dig en vidunderlig rejse gennem rockens verdener.
Queen, "Radio Ga Ga" (1984).
Tak for opmærksomheden, bliv nysgerig, og hav en fantastisk weekend, allesammen! 🙂
Tak fordi du er med os. Kan du lide vores artikler? Vil du se flere interessante materialer? Støt os ved at lave en bestilling eller anbefale os til dine bekendte. 30% rabat til brugere af Habr på en unik entry-level server, som vi har opfundet til dig: (tilgængelige muligheder med RAID1 og RAID10, op til 24 kerner og op til 40 GB DDR4).
Dell R730xd er 2 gange billigere? Kun hos os i Holland! Dell R420 - 2x E5-2430 2.2GHz 6C 128GB DDR3 2x960GB SSD 1Gbps 100TB - fra 99 $! Læs om hvordan
Kilde: habr.com
