Lugege nootide vahel: andmeedastussüsteem muusika sees

Väljendada seda, mida sõnad ei suuda edasi anda; tunda kõige mitmekesisemaid emotsioone, mis põimuvad tunde orkaaniks; katkestada side maaga, taevaga ja isegi ise Universumiga, alustades reisi, kus pole kaarte, pole teid, pole suunaviitu; välja mõelda, rääkida ja kogeda tervet lugu, mis jääb alati ainulaadseks ja kordumatuks. Kõike seda võimaldab muusika — kunst, mis on olemas juba tuhandeid aastaid ja ehtib meie kuulmist ja südameid.

Kuid muusika, või täpsemalt muusikalised teosed, võivad teenida mitte ainult esteetilist naudingut, vaid ka edastada neis sisalduvat teavet, mis on mõeldud mingile seadmele ning on kuulaja jaoks nähtamatu. Täna tutvume me üsna ebatavalise uuringuga, kus Šveitsi Zürchi tehnikaülikooli teadlased suutsid inimese kuulmisele märkamatult sisestada teatud andmed muusikateostesse, muutes muusika enda andmeedastuskanaliks. Kuidas nad oma tehnoloogiat rakendasid, kui palju erinevad meloodiad andmete sisestamisega ja ilma sellest, ning mida näitasid praktilised katsed? Sellest saame teada teadlaste ettekandest. Alustame.

Uuringu alus

Teadlased nimetavad oma tehnoloogiat akustiliseks andmeedastustehnikaks. Kui kõlar mängib muudetud meloodiat, tajub inimene seda tavalisena, samas kui näiteks nutitelefon suudab lugeda kooditud teavet ridade vahel, täpsemalt nootide vahel, kui nii võib öelda. Kõige olulisemaks aspektiks selle andmeedastusmeetodi rakendamisel peavad teadlased (see, et need poisid on endiselt doktorandid, ei takista neid olemast teadlased) edastamise kiirus ja usaldusväärsus, säilitades nende parameetrite taseme sõltumatuna valitud helifailist. Selle ülesande lahendamisel aitab psühhoakustika, mis uurib inimese helide tajumise psühholoogilisi ja füsioloogilisi aspekte.

Akustilise andmeülekande tuumaks on OFDM (ortogonaalne sagedusjaotusega multipleximine), mis koos subkandjate kohandamisega algse muusika suhtes ajas võimaldab maksimaalselt ära kasutada edastatava sageduse spektrit informatsiooni edastamiseks. Selle tulemusena on saavutatud edastuskiirus 412 bitti/s kuni 24 meetri kaugusele (vigade määr < 10%). Praktilised eksperimendid 40 vabatahtlikuga kinnitasid, et originaalse meloodia ja selle sisse loodud teabe vahe kuulmine on peaaegu võimatu.

Kus saab sellist tehnoloogiat praktikas rakendada? Uurijatel on oma vastus: praktiliselt kõik kaasaegsed nutitelefonid, sülearvutid ja muud taskusse mahtuvad seadmed on varustatud mikrofonidega ning paljudes avalikes kohtades (kohvikud, restoranid, kaubanduskeskused jne) on kõlarid taustamuusikaga. Sellesse taustmeloodiasse saab näiteks sisestada andmed Wi-Fi võrku ühendamiseks ilma täiendavate toiminguteta.

Nüüd, kui oleme selgeks teinud akustilise andmeülekande üldised jooned, liigume edasi selle süsteemi struktuuri põhjalikuma uurimise juurde.

Süsteemi kirjeldus

Andmete sisestamine meloodiasse toimub sageduse maskeerimise kaudu. Aegadel tuvastatakse maskeerivad sagedused ning neile maskeerimiselementidele lähedased OFDM subkandjad täidetakse andmetega.

Pilt nr 1: algfaili muutmine komposiit-signaaliks (meloodia + andmed), mis edastatakse kõlarite kaudu.

Esmalt jagatakse algne audiosignaal analüüsiks järjestikusteks segmentideks. Iga selline segment (Hi) koosneb L = 8820 proovist, mis vastab 200 ms-le, ja see korrutatakse akna* minimaalse piiriefekti saavutamiseks.

Aken* on kaalu funktsioon, mida kasutatakse spektraalsete hindamiste kõrvaliste lehtede põhjustatud efektide juhtimiseks.

Edasi leiti lähtesignaali domineerivad sagedused vahemikus 500 Hz kuni 9.8 kHz, mis võimaldas saada maskeerivaid sagedusi fM,l antud segmendi jaoks. Lisaks edastati andmed väiksel vahemikul 9.8 kuni 10 kHz alamsageduste asukoha kindlaksmiseks vastuvõtjale. Kasutatava sagedusala ülemine piir määrati 10 kHz tõttu nutitelefonide mikrofonide madala tundlikkuse tõttu kõrgetel sagedustel.

Maskeerivad sagedused määrati iga analüüsitud segmendi jaoks individuaalselt. HPS (harmoonilise toote spekter) meetodi abil määrati kolm domineerivat sagedust, misjärel nad ümmardati lähimale noodile harmoonilises kromaatilises skaalas. Just nii saadi põhinoodid fF,i = 1…3, mis jäävad C0 (16.35 Hz) ja B0 (30.87 Hz) klahvide vahele. Arvestades, et põhinoodid on edastamiseks liiga madalad, arvutati vahemikus 500 Hz … 9.8 kHz nende kõrgemad oktaavid 2kfF,i. Paljud neist sagedustest (fO,l1) olid HPS-i olemuse tõttu selgemalt esindatud.

Pilt №2: arvutatud oktaavid fO,l1 põhinootide ja harmoonikate fH,l2 jaoks kõige tugevamast toonist.

Oktaavide ja harmoonikate kogumit kasutati maskeerivate sagedustena, mille alusel saadi OFDM alamsageduse sagedused fSC,k. Iga maskeeriva sageduse peale ja alla paigutati kaks alamsagedust.

Seejärel filtriti audiosügavuse Hi spekter alamsagedustel fSC,k. Seejärel loodi teabebitid Bi põhjal OFDM sümbol, mille tõttu komposiitsegment Ci sai edastatud kõlari kaudu. Alamsageduste väärtused ja faasid tuleb valida selliselt, et vastuvõtja saaks edastatud andmed välja võtta, samas kui kuulaja ei märka meloodias muudatusi.

Pilt №3: spektri lõik ja alamsagedused segmendi Hi algsest meloodiast.

Kui helisignaal, milles on kodeeritud teave, mängitakse kõlaritest, salvestab vastuvõtva seadme mikrofon selle. Esialgsete OFDM sümbolite positsioonide leidmiseks tuleb salvestused esmalt läbi viia ribafilterdamise. Nii saadakse kätte kõrge sagedusala, kus ei esine muusikalisi häireid alamsageduste vahel. OFDM sümbolite algust saab leida tsüklilise eelseisuga.

Pärast OFDM sümbolite alguse tuvastamist saab vastuvõtja teavet kõige domineerivamate nootide kohta, dekodeerides kõrge sageduse ala. Lisaks on OFDM piisavalt vastupidav kitsaste häireallikate mõjule, kuna need mõjutavad ainult mõningaid alamsagedusi.

Praktilised katsed

Muudetud meloodiate allikana toimis kõlar KRK Rokit 8 ning vastuvõtva poole rolli täitis nutitelefon Nexus 5X.

Joonis №4: erinevus reaalsete OFDM väljundite ja korrelatsioonipikkuste vahel, mõõdetud toas 5 m kaugusel kõlarist ja mikrofonist.

Enamik OFDM punkte asub vahemikus 0 kuni 25 ms, seega saab aktsepteeritavat algust leida tsüklilise eelseisuga 66.6 ms. Teadlased märgivad, et vastuvõtja (antud eksperimendis nutitelefon) arvestab, et OFDM sümbolid mängitakse perioodiliselt, mis parandab nende tuvastamist.

Esimene asi, mida tuli kontrollida, oli kauguse mõju bitivea koefitsiendile (BER). Selleks viidi läbi kolm testi erinevates ruumides: vaipkattega koridoris, linoleumiga põrandaga kabinetis ja puupõrandaga auditooriumis.

Heli valjus oli reguleeritud nii, et nutitelefoni mõõdetud heli tase 2 m kaugusel kõlarist oli 63 dB.

Joonis №5: BER näitajad vastavalt kaugusele kõlari ja mikrofoniga (sinine joon — auditoorium, roheline — koridor, oranž — kontor).

Koridoris salvestas nutitelefon helitase 40 dB kuni 24 meetri kauguselt kõlarist. Auditooriumis oli 15 m kaugusel 55 dB, kontoris 8 m kaugusel ulatus nutitelefoni tajutud heli tase 57 dB.

Kuna publik ja büroo on rohkem kõlav, ületavad OFDM sümbolite hilised kaja signaalid tsüklilise eelseadmise pikkuse ja suurendavad BER-i.

Kaja* — heli intensiivsuse järkjärguline vähenemine selle korduvatest peegeldustest.

Seejärel näitasid teadlased oma süsteemi universaalsust, rakendades seda kuuele erinevale laulule kolmes žanris (vt allolevat tabelit).

Tabel nr 1: testides kasutatud lood.

Samuti saame tabeli andmete kaudu näha andmeedastuskiirus ja bitivigade koefitsiendid iga laulu jaoks. Andmeedastuskiirus erineb, kuna diferentsiaalne BPSK (faasimanipulatsioon) töötab paremini, kui kasutatakse samu alussagedusi. Ja see on võimalik, kui naabersegmentides on sama peitmise elemente. Jätkuvalt valjult kõlav muusika tagab optimaalse aluse andmete peitmiseks, kuna peitmissagedused on laia sagedusvahemiku kohalikumalt esindatud. Kiiresti muutuva muusika suudab OFDM sümboleid vaid osaliselt varjata fikseeritud analüüsi akna pikkuse tõttu.

Seejärel asusid süsteemi testima inimesed, kelle ülesanne oli määrata, milline meloodia on originaalne ja milline on modifitseeritud infoga, mida sellesse on sisestatud. Selleks paigutati tabeli nr 1 12-sekundilised katkendite laulud spetsiaalsesse veebisaidile.

Esimeses eksperimendis (E1) anti igale osalejale kas muudetud või originaalne katkend kuulamiseks ning ta pidi otsustama, kas see katkend on originaalne või muudetud. Teises eksperimendis (E2) said osalejad kuulata mõlemat varianti nii palju kordi kui soovisid ja seejärel otsustada, kumb on originaal ja kumb muudetud.

Tabel nr 2: eksperimentide E1 ja E2 tulemused.

Esimese katse tulemustes on kaks näitajat: p(O|O) — osalejate protsent, kes õigesti märkis originaalmeloodia ja p(O|M) — osalejate protsent, kes märkis muudetud meloodia originaalsena.

Huvitav on see, et mõned osalejad pidasid teatud muudetud meloodiaid originaalsemaks kui originaali enda. Mõlema eksperimendi keskmine näitaja ütleb, et keskmine kuulaja ei märka erinevust tavalise meloodia ja meloodia vahel, kuhu on andmed integreeritud.

Muidugi saavad muusikahuvilised ja muusikud tabada teatud ebatäpsusi ja kahtlasi elemente muudetud meloodiaid, kuid need elemendid ei ole nii olulised, et ebamugavust tekitada.

Nüüd saame me ise osaleda eksperimendis. Allpool on esitatud kaks versiooni samast meloodiast — originaal ja muudetud. Kas te kuulete erinevust?

Originaalversioon meloodiast
vs
Muutmisversioon meloodiast

Kuna soovin üksikasjalikumalt uurimise nüansse, soovitan tutvuda ettekanne uurimisrühm.

Samuti saate alla laadida ZIP-arhiivi originaal- ja muudetud meloodiate helifailidest, mida uuringus kasutati, siit sellel lingil.

Epilog

Selles töös kirjeldasid šveitsi kõrgtehnolooge Zürichist üllatavat andmeedastussüsteemi muusika sees. Selleks rakendati sageduste maskeerimist, mis võimaldas andmeid meloodiasse, mida mängib kõlar, integreerida. See meloodia tajutakse seadme mikrofoniga, mis tunneb ära varjatud andmed ja dekodeerib need, samas kui keskmine kuulaja ei märka isegi mingit erinevust. Edaspidi kavatsevad nad oma süsteemi edasi arendada, rakendades täiustatud andmete integreerimise meetodeid helis.

Kui keegi leiutab midagi ebatavalist ja eelkõige toimivat, on meil alati rõõmu. Kuid veel suurem rõõm on see, et see leiutis on loodud noorte poolt. Teadusel ei ole vanusepiirdeid. Ja kui noored peavad teadust igavaks, siis tähendab see, et seda ei esitata õigest nurgast. Lõppude lõpuks, nagu me teame, on teadus imeline maailm, mis ei lakka kunagi üllatamast.

Reede off-topic:

Aitäh tähelepanu eest, jääge uudishimulisteks ja toredat nädalavahetust, sõbrad! 🙂

Aitäh, et olete meiega. Kas teile meeldivad meie artiklid? Kas soovite näha rohkem huvitavat sisu? Toetage meid tellimuse esitamise või tuttavatele soovitamisega, 30% allahindlus Habr'i kasutajatele ainulaadsele sissetuleku tasemel serverile, mille oleme teie jaoks välja mõelnud: Kogu tõde VPS (KVM) E5-2650 v4 (6 tuuma) 10GB DDR4 240GB SSD 1Gbps alates $20 või kuidas õigesti serverit jagada? (saadaval RAID1 ja RAID10 variandid, kuni 24 tuuma ja kuni 40GB DDR4).

Dell R730xd kaks korda odavam? Ainult meie juures 2 x Intel TetraDeca-Core Xeon 2x E5-2697v3 2.6GHz 14C 64GB DDR4 4x960GB SSD 1Gbps 100 TB alates $199 Hollandis! Dell R420 — 2x E5-2430 2.2Ghz 6C 128GB DDR3 2x960GB SSD 1Gbps 100TB — alates $99! Lugege sellest Kuidas luua ettevõtte tasemel infrastruktuuri, kasutades Dell R730xd E5-2650 v4 servereid, mille hind on 9000 eurot, taskukohase hinna eest?

Allikas: habr.com