Die Musik ermöglicht es uns, das Unaussprechliche auszudrücken; die vielfältigsten Emotionen zu erleben, die sich in einem Sturm der Gefühle verweben; den Boden, den Himmel und sogar das Universum hinter sich zu lassen, um auf eine Reise ohne Karten, Wege und Wegweiser zu gehen; eine ganze Geschichte zu erfinden, zu erzählen und zu erleben, die immer einzigartig und unverwechselbar bleibt. All das ermöglicht die Musik – eine Kunstform, die seit vielen tausend Jahren existiert und unsere Ohren und Herzen erfreut.
Musik, oder besser gesagt musikalische Werke, dienen nicht nur der ästhetischen Freude, sondern können auch Informationen übertragen, die für bestimmte Geräte codiert und für den Zuhörer unbemerkt bleiben. Heute werden wir ein bemerkenswertes Forschungsprojekt kennenlernen, bei dem Doktoranden der ETH Zürich bestimmte Daten unhörbar in musikalische Werke integrierten, wodurch die Musik selbst zu einem Kanal für die Datenübertragung wird. Wie sie ihre Technologie umgesetzt haben, ob sich Melodien mit und ohne eingebettete Daten stark unterscheiden und was die praktischen Tests ergeben haben, erfahren wir im Bericht der Forscher. Lassen Sie uns starten.
Grundlage der Forschung
Forscher bezeichnen ihre Technologie als akustische Datenübertragungstechnik. Wenn ein Lautsprecher eine modifizierte Melodie abspielt, nimmt der Mensch sie als gewöhnlich wahr, jedoch kann beispielsweise ein Smartphone die codierten Informationen zwischen den Zeilen, genauer gesagt zwischen den Noten, auslesen. Der wichtigste Aspekt bei der Umsetzung dieser Datenübertragungsmethode, so die Wissenschaftler (dass diese Leute immer noch Doktoranden sind, hindert sie nicht daran, Wissenschaftler zu sein), ist die Geschwindigkeit und Zuverlässigkeit der Übertragung, während das Niveau dieser Parameter unabhängig von der gewählten Audiodatei aufrechterhalten wird. Bei dieser Herausforderung hilft die Psychoakustik, die die psychologischen und physiologischen Aspekte der menschlichen Klangwahrnehmung untersucht.
Der Kern der akustischen Datenübertragung ist OFDM (Orthogonal Frequency Division Multiplexing), das es zusammen mit der zeitlichen Anpassung der Trägersignale an die Originalmusik ermöglicht, das Frequenzspektrum zur Informationsübertragung maximal zu nutzen. Dadurch wurde eine Übertragungsgeschwindigkeit von 412 Bit/s über eine Distanz von bis zu 24 Metern erreicht (Fehlerquote < 10%). Praktische Experimente mit 40 Freiwilligen bestätigten, dass es nahezu unmöglich ist, den Unterschied zwischen der Originalmelodie und der melodischen Übertragung der Informationen zu hören.
Wo kann eine solche Technologie praktisch angewendet werden? Forscher haben eine Lösung: Fast alle modernen Smartphones, Laptops und andere tragbare Geräte sind mit Mikrofonen ausgestattet, und in vielen öffentlichen Orten (Cafés, Restaurants, Einkaufszentren usw.) gibt es Lautsprecher mit Hintergrundmusik. In diese Hintergrundmelodie können beispielsweise Daten für die Verbindung mit einem Wi-Fi-Netzwerk integriert werden, ohne dass zusätzliche Schritte erforderlich sind.
Die allgemeinen Merkmale der akustischen Datenübertragung sind nun klar, lassen Sie uns nun die Struktur dieses Systems im Detail untersuchen.
Systembeschreibung
Die Datenintegration in die Melodie erfolgt durch die Maskierung von Frequenzen. In bestimmten Zeitintervallen werden die maskierenden Frequenzen identifiziert und die nahegelegenen OFDM-Unterträger werden mit Daten gefüllt.
Abbildung Nr. 1: Umwandlung der ursprünglichen Datei in ein zusammengesetztes Signal (Melodie + Daten), das über Lautsprecher übertragen wird.
Zunächst wird das ursprüngliche Audiosignal in aufeinanderfolgende Segmente zur Analyse unterteilt. Jedes dieser Segmente (Hi) besteht aus L = 8820 Samples, was 200 ms entspricht, und wird mit einem Fenster* multipliziert, um Rand-Effekte zu minimieren.
Das Fenster* ist eine Gewichtungsfunktion, die verwendet wird, um die Effekte zu steuern, die durch die Präsenz von Seitennasen in den spektralen Bewertungen verursacht werden.
Es wurden dominierende Frequenzen des ursprünglichen Signals im Bereich von 500 Hz bis 9,8 kHz identifiziert, was die Bestimmung der Maskierungsfrequenzen fM,l für dieses Segment ermöglichte. Zusätzlich erfolgte die Datenübertragung in einem kleinen Bereich von 9,8 bis 10 kHz, um die Position der Unterträger im Empfänger festzustellen. Die obere Grenze des verwendeten Frequenzbereichs wurde auf 10 kHz festgelegt, da die Mikrofone von Smartphones bei hohen Frequenzen eine geringe Empfindlichkeit aufweisen.
Die Maskierungsfrequenzen wurden für jedes analysierte Segment individuell bestimmt. Mithilfe der HPS-Methode (harmonisches Produktspektrum) wurden drei dominierende Frequenzen ermittelt, die anschließend auf die nächstgelegenen Noten der harmonischen chromatischen Skala gerundet wurden. So konnten die Grundnoten fF,i = 1…3 ermittelt werden, die zwischen den Tasten C0 (16,35 Hz) und B0 (30,87 Hz) liegen. Da die Grundnoten zu niedrig für die Datenübertragung sind, wurden ihre höheren Oktaven 2kfF,i im Bereich von 500 Hz … 9,8 kHz berechnet. Viele dieser Frequenzen (fO,l1) waren aufgrund der Natur des HPS deutlicher ausgeprägt.
Bild Nr. 2: Berechnete Oktaven fO,l1 für die Hauptnoten und Harmonien fH,l2 des stärksten Tons.
Die Kombination aus Oktaven und Harmonien wurde als Maskierungsfrequenzen verwendet, auf deren Basis die OFDM-Trägersignalfrequenzen fSC,k ermittelt wurden. Unter und über jeder Maskierungsfrequenz wurden zwei Trägersignale eingefügt.
Anschließend wurde das Spektrum des Audiosegments Hi bei den Frequenzen der Trägersignale fSC,k gefiltert. Darauf basierend wurde ein OFDM-Symbol aus den Informationsbits in Bi erstellt, wodurch das zusammengesetzte Segment Ci über den Lautsprecher übertragen werden konnte. Die Werte und Phasen der Trägersignale müssen so gewählt werden, dass der Empfänger die übertragenen Daten extrahieren kann, während der Zuhörer keine Veränderungen in der Melodie bemerkt.
Bild Nr. 3: Abschnitt des Spektrums und Frequenzen der Trägersignale des Segments Hi der ursprünglichen Melodie.
Wenn das Audiosignal mit enthaltenen Informationen über Lautsprecher wiedergegeben wird, zeichnet das Mikrofon des empfangenden Geräts es auf. Um die Anfangspositionen der eingebetteten OFDM-Symbole zu finden, muss das Signal zunächst durch eine Bandfilterung geleitet werden. So wird der obere Frequenzbereich extrahiert, in dem keine musikalischen Störsignale zwischen den Trägerfrequenzen vorhanden sind. Der Beginn der OFDM-Symbole kann mithilfe des zyklischen Präfixes ermittelt werden.
Nachdem der Beginn der OFDM-Symbole erkannt wurde, erhält der Empfänger Informationen über die dominierenden Töne durch Dekodierung des oberen Frequenzbereichs. Darüber hinaus ist OFDM ausreichend robust gegenüber den Auswirkungen schmalbandiger Störquellen, da diese nur auf einige der Trägerfrequenzen wirken.
Praktische Tests
Als Quelle der veränderten Melodien diente der Lautsprecher KRK Rokit 8, während das empfangende Gerät das Smartphone Nexus 5X war.
Bild Nr. 4: Der Unterschied zwischen den realen Manifestationen von OFDM und den Korrelationsspitzen, die im Innenraum in einer Distanz von 5 m zwischen Lautsprecher und Mikrofon gemessen wurden.
Die Mehrheit der OFDM-Punkte liegt im Bereich von 0 bis 25 ms, weshalb ein zulässiger Beginn innerhalb des zyklischen Prefixes von 66,6 ms gefunden werden kann. Forscher stellen fest, dass der Empfänger (in diesem Fall ein Smartphone) berücksichtigt, dass OFDM-Symbole periodisch wiedergegeben werden, was deren Erkennung verbessert.
Zunächst musste der Einfluss der Entfernung auf die Bitfehlerquote (BER) überprüft werden. Dazu wurden drei Tests in unterschiedlichen Raumtypen durchgeführt: ein mit Teppichboden ausgelegter Flur, ein Büroraum mit Linoleum und ein Hörsaal mit Holzfußboden.
Als "Testobjekt" wurde das Lied "And The Cradle Will Rock" von Van Halen ausgewählt.
Die Lautstärke wurde so eingestellt, dass der gemessene Schallpegel des Smartphones in 2 m Entfernung zum Lautsprecher 63 dB betrug.
Abbildung Nr. 5: BER-Werte in Abhängigkeit von der Entfernung zwischen Lautsprecher und Mikrofon (blaue Linie – Hörsaal, grüne Linie – Flur, orange Linie – Büro).
Im Flur wurde ein Geräuschpegel von 40 dB mit einem Smartphone in einer Distanz von bis zu 24 Metern von dem Lautsprecher erfasst. In einem Raum betrug der Geräuschpegel in 15 m Entfernung 55 dB, während im Büro bei einer Distanz von 8 Metern der vom Smartphone wahrgenommene Geräuschpegel 57 dB erreichte.
Da der Raum und das Büro eine stärkere Nachhallwirkung aufweisen, überschreiten die späten Echo-Signale der OFDM-Zeichen die Länge des zyklischen Präfixes, was zu einer erhöhten Bitfehlerrate (BER) führt.
Nachhall* — allmähliche Verringerung der Schallintensität aufgrund mehrfacher Reflexion.
Anschließend demonstrierten die Forscher die Vielseitigkeit ihres Systems, indem sie es auf 6 verschiedene Lieder aus drei Genres anwendeten (siehe Tabelle unten).
Tabelle Nr. 1: In den Tests verwendete Lieder.
Durch die Daten in dieser Tabelle können wir auch die Übertragungsgeschwindigkeit und die Bitfehlerraten für jeden Song sehen. Die Übertragungsgeschwindigkeit variiert, da die differentielle BPSK (Phasenmodulation) besser funktioniert, wenn dieselben Nebenträger verwendet werden. Dies ist möglich, wenn benachbarte Segmente identische Maskierungselemente enthalten. Kontinuierlich laute Lieder bieten die optimale Grundlage für die Datenversteckung, da die Maskierungsfrequenzen im breiten Frequenzspektrum stärker ausgeprägt sind. Schnell wechselnde Musik kann OFDM-Symbole nur teilweise maskieren, aufgrund der festen Fensterlänge der Analyse.
Anschließend begannen Personen mit den Tests des Systems, die bestimmen sollten, welche Melodie ursprünglich war und welche durch die eingebaute Information modifiziert wurde. Zu diesem Zweck wurden 12-sekündige Ausschnitte der Lieder aus Tabelle Nr. 1 auf einer speziellen Website bereitgestellt.
Im ersten Experiment (E1) erhielt jeder Teilnehmer entweder eine veränderte oder eine originale Melodie zum Anhören und musste entscheiden, ob dieser Abschnitt original oder verändert war. Im zweiten Experiment (E2) konnten die Teilnehmer beide Varianten beliebig oft hören und dann entscheiden, welche davon das Original und welche die Veränderung war.
Tabelle Nr. 2: Ergebnisse der Experimente E1 und E2.
In den Ergebnissen des ersten Experiments gibt es zwei Kennzahlen: p(O|O) – der Prozentsatz der Teilnehmer, die die originale Melodie korrekt identifiziert haben, und p(O|M) – der Prozentsatz der Teilnehmer, die die veränderte Version der Melodie als original identifiziert haben.
Interessanterweise empfanden einige Teilnehmer, laut den Forschern, bestimmte veränderte Melodien als origineller als das Original selbst. Der Durchschnittswert beider Experimente zeigt, dass der durchschnittliche Hörer keinen Unterschied zwischen einer gewöhnlichen Melodie und einer Melodie bemerken wird, in die diese Daten eingebettet wurden.
Natürlich können Musikexperten und Musiker einige Ungenauigkeiten und verdächtige Elemente in den veränderten Melodien erkennen, doch diese Elemente sind nicht so gravierend, dass sie Unbehagen verursachen würden.
Jetzt können auch wir an dem Experiment teilnehmen. Unten finden Sie zwei Varianten derselben Melodie – die Original- und die veränderte Version. Hören Sie den Unterschied?
vs
Für eine detailliertere Auseinandersetzung mit den Feinheiten der Forschung empfehle ich einen Blick in der Forschungsgruppe.
Außerdem können Sie das ZIP-Archiv der Audio-Dateien der Original- und der veränderten Melodien, die in der Studie verwendet wurden, herunterladen unter .
Epilog
In dieser Arbeit beschreiben Doktoranden der ETH Zürich ein erstaunliches System zur Datenübertragung innerhalb von Musik. Sie haben dafür Frequenzmaskierung verwendet, um Daten in die Melodie einzufügen, die über einen Lautsprecher abgespielt wird. Diese Melodie wird von einem Mikrofon des Geräts wahrgenommen, das die versteckten Daten erkennt und dekodiert, während der durchschnittliche Hörer keinen Unterschied bemerkt. In Zukunft planen die Forscher, ihr System weiterzuentwickeln und perfektionierte Methoden zur Datenintegration in Audio zu erforschen.
Wenn jemand etwas Ungewöhnliches und vor allem Funktionierendes erfindet, freuen wir uns immer. Noch mehr Freude bereitet uns jedoch, dass diese Erfindung von jungen Menschen geschaffen wurde. Wissenschaft kennt kein Alter. Wenn Jugendliche Wissenschaft als langweilig empfinden, wird sie offenbar nicht aus dem richtigen Blickwinkel präsentiert. Denn wie wir wissen, ist Wissenschaft eine erstaunliche Welt, die nie aufhört zu überraschen.
Freitagsthema:
Da wir gerade über Musik sprechen, genauer gesagt über Rockmusik, hier ist eine großartige Reise durch die Weiten des Rocks.
Queen, „Radio Ga Ga“ (1984).
Vielen Dank für Ihre Aufmerksamkeit! Bleiben Sie neugierig und haben Sie ein tolles Wochenende, Leute! 🙂
Danke, dass Sie bei uns bleiben. Gefallen Ihnen unsere Artikel? Möchten Sie mehr interessante Inhalte sehen? Unterstützen Sie uns mit einer Bestellung oder empfehlen Sie uns weiter. 30 % Rabatt für Habr-Nutzer auf unser einzigartiges Äquivalent von Entry-Level-Servern, das wir für Sie entwickelt haben: (Verfügbar sind Optionen mit RAID1 und RAID10, bis zu 24 Kerne und bis zu 40GB DDR4).
Dell R730xd zum halben Preis? Nur bei uns in den Niederlanden! Dell R420 — 2x E5-2430 2.2GHz 6C 128GB DDR3 2x960GB SSD 1Gbps 100TB — ab 99 $! Lesen Sie darüber
Quelle: habr.com
