Lugedes nootide vahelt: andmeedastus muusika sees

Väljendada seda, mida sõnad ei suuda edasi anda; tunda erinevaid emotsioone, mis põimuvad tunnetelt keerisega; tõusta maast, taevast ja isegi universumist, alustades teekonda, kus pole kaarte, ei ole teed ega suunaviitasid; välja mõelda, jutustada ja kogeda kogu ajalugu, mis jääb alati ainulaadseks ja kordumatuks. Kõike seda võimaldab muusika — kunst, mis on olemas olnud juba tuhandeid aastaid ning toob rõõmu meie kuulmisele ja südamele.

Kuid muusika, täpsemalt muusikateosed, võivad teenida mitte ainult esteetilise naudingu, vaid ka teabe edastamise eesmärgil, mis on mõeldud mingile seadmele ja kuulaja jaoks märkamatuks jääb. Täna tutvume üsna ebatavalise uurimistööga, kus Zürichi Šveitsi Föderaalse Tehnoloogiainstituudi doktorandid suutsid inimese kõrvadele märkamatult integreerida teatud andmeid muusikateostesse, muutes muusika andmeedastuse kanaliks. Kuidas nad oma tehnoloogiat ellu viisid, kui palju erinevad meloodiad sisseehitatud andmetega ja ilma neist, ning mida näitasid praktilised katsed? Seda kõike saame uurida uurijate ettekandest. Alustame.

Uuringu alus

Uurijate sõnul põhineb nende tehnoloogia akustilisel andmeedastusmeetodil. Kui kõlar mängib muudetud meloodiat, tajub inimene seda tavalisena, kuid näiteks nutitelefon suudab lugeda kooditud teavet ridade vahel, täpsemalt nootide vahel, kui nii võib öelda. Selle andmeedastusmeetodi rakendamise kõige olulisemaks aspektiks peavad teadlased (kuigi need poisid on ikka veel tudengid, ei takista see neid teadlastena olemast) edastamise kiirus ja usaldusväärsus, hoides samal ajal nõutud taseme sõltumatuna valitud helifailist. Selle ülesande täitmisel aitab psühhoakustika, mis uurib inimese heli tajumise psühholoogilisi ja füsioloogilisi aspekte.

Andmete akustilise edastamise põhialuseks on OFDM (ortofoonilise sageduse jagamise multiplikaator), mis koos aeg-ajalt muutuva kandja kohandamisega originaalmuusikale on võimaldanud maksimaalselt ära kasutada edastatava sageduse spektrit info edastamiseks. Tänu sellele saavutati edastuskiirus 412 bitti/s kuni 24 meetri kaugusele (vea koefitsient < 10%). Praktikakatsetustes 40 vabatahtlikuga kinnitati ka, et on peaaegu võimatu kuulda erinevust originaalses meloodias ja selles, kuhu teavet integreeriti.

Kus saab sellist tehnoloogiat praktikas rakendada? Uurijatel on oma variant vastuseks: praktiliselt kõik tänapäevased nutitelefonid, sülearvutid ja muud taskusse mahtuvad seadmed on varustatud mikrofonidega, ning paljudes avalikes kohtades (kohvikud, restoranid, kaubanduskeskused jne) on taustamuusika jaoks kõlarid. Sellesse taustmeloodiasse saab integreerida näiteks andmeid Wi-Fi võrguga ühendamiseks, ilma et oleks vaja täiendavaid samme astuda.

Akustilise andmeedastuse peamised jooned on nüüd selged, liikume edasi selle süsteemi struktuuri põhjalikuma uurimise juurde.

Süsteemi kirjeldus

Andmete sissetoomine meloodiasse toimub sageduse maskeerimise kaudu. Aegadel maskeerivad sagedused tuvastatakse ja nendele maskeeringu elementidele lähedased OFDM-kandjad täidetakse andmetega.

Kujutis nr 1: algfaili muundamine komposiitsignaaliks (meloodia + andmed), mis saadetakse läbi valjuhääldite.

Alustuseks jagatakse algne audiosignaal järjestikusteks segmentideks analüüsiks. Iga selline segment (Hi), mis sisaldab L = 8820 proovi ja kestab 200 ms, korrutatakse akna* äärte efektide minimeerimiseks.

Aken* on kaalufunktsioon, mida kasutatakse spektrihinnangute külglõhnade tõttu tekkivate efektide haldamiseks.

Edasi leiti algsignaali domineerivad sagedused vahemikus 500 Hz kuni 9,8 kHz, mis võimaldas saada varjatud sagedused fM,l antud segmenti jaoks. Lisaks sellele edastati andmed väiksel vahemikul 9,8 kuni 10 kHz alamsageduste paiknemise määramiseks vastuvõtjas. Kasutatava sagedusala ülemine piir oli seatud 10 kHz-le, kuna nutitelefonide mikrofonide tundlikkus kõrgetel sagedustel on madal.

Varjatud sagedused määrati iga analüüsitava segmenti jaoks individuaalselt. HPS meetodi (harmooniliste toodete spekter) abil määrati kolm domineerivat sagedust, misjärel need ümardati lähimale noodi harmoonilisest kromaatilisest skaala. Just nii saadi põhitoonid fF,i = 1…3, mis asuvad klahvide C0 (16,35 Hz) ja B0 (30,87 Hz) vahel. Arvestades, et põhitoonid on andmete edastamiseks liiga madalad, arvutati vahemikus 500 Hz … 9,8 kHz nende kõrgemad oktaavid 2kfF,i. Paljusid neist sagedustest (fO,l1) rõhutati rohkem HPS olemuse tõttu.

Pilt №2: arvutatud oktaavid fO,l1 peamiste nootide ja harmoonikute fH,l2 jaoks tugevaima heli puhul.

Oktaavide ja harmoonikute kogumit kasutati varjatud sagedustena, mille põhjal saadud OFDM kandjad fSC,k. Iga varjatud sageduse alla ja üle paigaldati kaks kandjat.

Seejärel filtreeriti audiosegment Hi spektrit kandjate fSC,k sagedustel. Pärast seda loodi OFDM sümbol Bi info bittide põhjal, võimaldades komposiitsegmendi Ci edastamist kõlarite kaudu. Kandjate suurused ja faasid tuleb valida nii, et vastuvõtja suudaks edastatud andmeid välja võtta, samal ajal kui kuulaja ei märka meloodias muutusi.

Pilt №3: spektri lõik ja kandjate sagedused originaalmeloodia segment Hi.

Kui audio signaal, milles on kodeeritud teave, mängitakse kõlaritest, salvestab vastuvõtja mikrofon selle. Et leida OFDM-i sisseehitatud sümbolite algpositsioonid, tuleb salvestused esmalt läbi jätta ribafilterimisest. Nii saadakse kätte ülemine sagedusvahemik, kus ei ole muusik signaale-müra alussageduste vahel. OFDM-i sümbolite algust saab leida tsüklilise eelseisundi abil.

Pärast OFDM-i sümbolite alguse tuvastamist saab vastuvõtja teabe kõige domineerivate nootide kohta ülemise sagedusala dekodeerimise teel. Lisaks on OFDM piisavalt vastupidav kitsaste sagedusmüra allikate mõjule, kuna need mõjutavad vaid osa alussagedustest.

Praktilised katsed

Muudetud meloodiate allikana oli kasutusel KRK Rokit 8 kõlar, samas kui vastuvõtva poole rolli täitis Nexus 5X nutitelefon.

Kujutis nr 4: erinevus OFDM-i reaalses ilmnemises ja korrelatsiooni tipus, mida mõõdeti toas 5 m kaugusel kõlarist ja mikrofonist.

Enamik OFDM punktidest jääb vahemikku 0 kuni 25 ms, seega on võimalik leida sobiv algus tsüklilises eelseoses 66,6 ms. Uurijad märkisid, et vastuvõtja (selles katses nutitelefon) arvestab, et OFDM sümbolid korduvad perioodiliselt, mis parandab nende tuvastamist.

Esimene asi, mida tuli kontrollida, oli kauguse mõju bitivigade koefitsiendile (BER). Selleks viidi läbi kolm testi erinevat tüüpi ruumides: vaipadega koridor, linoleumi põrandaga kabinet ja puidust põrandaga auditoorium.

Helitugevus seadistati nii, et nutitelefon mõõtis 2 m kaugusel kõlarist helitase oli 63 dB.

Müra №5: BER näitajad sõltuvalt kaugusest kõlari ja mikrofoni vahel (sinine joon — auditoorium, roheline — koridor, oranž — kontor).

Koridoris oli 40 dB helitugevus, mida nutitelefon suutis tuvastada kuni 24 meetri kauguselt kõlarist. Auditooriumis, 15 m kaugusel, oli helitase 55 dB, ja kontoris, 8 meetri kaugusel, ulatus nutitelefoni poolt tajutav helitase 57 dB-ni.

Kuna auditoorium ja kontor on rohkem kaja, ületavad hilised OFDM sümbolite peegeldused tsüklilise eelseedise pikkust, mis suurendab BER-i.

Kajastus* — helitaseme järkjärguline vähenemine, mis tuleneb selle korduvalt peegeldumisest.

Edasi tutvustasid teadlased oma süsteemi universaalsust, rakendades seda kuuele erinevale laulule kolmes žanris (tabel allpool).

Tabel nr 1: testides kasutatud laulud.

Ka tabeli andmete põhjal näeme, milline on andmeedastuskiirus ja bitivigade koefitsiendid iga laulu jaoks. Andmeedastuskiirus varieerub, kuna erinev BPSK (faasimodulatsioon) töötab paremini siis, kui kasutatakse samu allkanaleid. See on võimalik, kui naabersegmendid sisaldavad samu varjavad elemente. Jätkuvalt valjud laulud loovad optimaalse aluse andmete varjamiseks, kuna varjavad sagedused on laias sagedusvahemikus selgemini esindatud. Kiirelt muutuva muusika suudab OFDM sümboleid osaliselt varjata vaid fikseeritud analüüsivääruse tõttu.

Edasi liikudes asusid süsteemi testima inimesed, kelle ülesanne oli määrata, milline meloodia on algne ja milline on muudetud sisestatud teabega. Selleks olid tabeli nr 1 12-sekundilised katked laulu spetsiaalsel veebisaidil.

Esimese eksperimendi (E1) käigus anti igale osalejale kas muudetud või originaalfragment kuulamiseks ning tal tuli otsustada, kas see fragment on originaalne või muudetud. Teises eksperimendis (E2) said osalejad kuulata mõlemat varianti nii palju kordi kui soovivad ning seejärel otsustada, kumb neist on originaal ja kumb muudetud.

Tabel nr 2: E1 ja E2 eksperimendi tulemused.

Esimese katse tulemustes on kaks näitajat: p(O|O) — osalejate protsent, kes õieti märkis originaalmeloodia, ja p(O|M) — osalejate protsent, kes märkis muudetud versiooni meloodiast originaalseks.

Huvitav on see, et mõned osalejad pidasid teatud muudetud meloodiaid originaalidest isegi originaalsemateks. Keskmine näitaja mõlemas eksperimendis näitab, et keskmine kuulaja ei märka erinevust tavalise meloodia ja sellise meloodia vahel, millesse olid andmed integreeritud.

Muidugi saavad muusika spetsialistid ja muusikud märgata mõningaid ebatäpsusi ja kahtlasi elemendid muudetud meloodiatest, kuid need elemendid ei ole piisavalt olulised, et tekitada ebamugavust.

Nüüd saame ise katsetes osaleda. Allpool on esitatud kaks varianti samast meloodiast — originaal ja muudetud. Kas kuulete erinevust?

Originaalne meloodia variant
vs
Muudetud meloodia variant

Kuna soovid teema nüanssidega lähemat tutvust teha, soovitame vaadata aruanne uurimisgrupp.

Samuti saate laadida alla ZIP-arhiivi originaal- ja muudetud meloodiate helifailidest, mida uuringus kasutati, aadressil . Seal on kirjeldatud arhitektuuri.

Epilog

Käesolevas töös kirjeldasid Zürichi Šveitsi Tehnikaülikooli doktorandid üllatavat andmeedastussüsteemi muusika sees. Selleks rakendati sageduse maskeerimist, mis võimaldas andmete integreerimist meloodiasse, mida mängis kõlar. See meloodia tajub seadme mikrofon, mis tuvastab peidetud andmed ja dekodeerib need, samal ajal kui keskmine kuulaja ei pane erilist tähele. Tulevikus plaanivad nad oma süsteemi edasi arendada, otsides täiustatud meetodeid andmete integreerimiseks helisse.

Kui keegi leiutab midagi ebatavalist ja samas toimivat, siis tunneme alati rõõmu. Kuid veelgi enam rõõmustame, et selle leiutise on loonud noored. Teadusel ei ole vanusepiire. Ja kui noored peavad teadust igavaks, siis tähendab see, et seda esitatakse vale nurga alt. Nagu me teame, on teadus imeline maailm, mis ei lakkagi kunagi üllatamast.

Reede off-topic:

Aitäh tähelepanu eest, jääge uudishimulikuteks ja nautige suurepäraseid nädalavahetusi, sõbrad! 🙂

Aitäh, et olete meiega. Kas teile meeldivad meie artiklid? Soovite rohkem huvitavat sisu? Toetage meid tellimuse vormistamise või soovituste jagamisega sõpradele. 30% soodustus Habra kasutajatele meie ainulaadsetelt entry-level serveritelt, mis on loodud just teile: Kõik VPS (KVM) E5-2650 v4 (6 südamikku) 10GB DDR4 240GB SSD 1Gbps alates $20 või kuidas serverit õigesti jagada? (saadaval on RAID1 ja RAID10 variandid, kuni 24 südamikku 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 Hollandi turul! Dell R420 — 2x E5-2430 2.2Ghz 6C 128GB DDR3 2x960GB SSD 1Gbps 100TB — alates $99! Lugege, kuidas Luua ettevõtte tasemel infrastruktuur Dell R730xd E5-2650 v4 serveritega, mille hind on 9000 eurot, madala hinnaga?

Allikas: habr.com