नोट्स के बीच पढ़ना: संगीत के अंदर डेटा ट्रांसमिशन सिस्टम

जो शब्द व्यक्त नहीं कर सकते उसे व्यक्त करें; भावनाओं के तूफ़ान में गुंथी हुई विभिन्न प्रकार की भावनाओं को महसूस करें; धरती, आकाश और यहाँ तक कि ब्रह्माण्ड से भी नाता तोड़ कर एक ऐसी यात्रा पर निकल जाना जहाँ न कोई नक्शा है, न सड़कें, न कोई निशान; एक पूरी कहानी का आविष्कार करें, बताएं और अनुभव करें जो हमेशा अद्वितीय और अद्वितीय रहेगी। यह सब संगीत द्वारा किया जा सकता है - एक कला जो कई हजारों वर्षों से अस्तित्व में है और हमारे कानों और दिलों को प्रसन्न करती है।

हालाँकि, संगीत, या बल्कि संगीत रचनाएँ, न केवल सौंदर्य आनंद के लिए, बल्कि उनमें एन्कोड की गई जानकारी के प्रसारण के लिए भी काम कर सकती हैं, जो किसी उपकरण के लिए अभिप्रेत है और श्रोता के लिए अदृश्य है। आज हम एक बहुत ही असामान्य अध्ययन से परिचित होंगे जिसमें ईटीएच ज्यूरिख के स्नातक छात्र, मानव कान द्वारा ध्यान दिए बिना, संगीत कार्यों में कुछ डेटा पेश करने में सक्षम थे, जिसके कारण संगीत स्वयं एक डेटा ट्रांसमिशन चैनल बन जाता है। उन्होंने वास्तव में अपनी तकनीक को कैसे लागू किया, क्या एम्बेडेड डेटा के साथ और बिना एम्बेडेड डेटा की धुनें बहुत अलग हैं, और व्यावहारिक परीक्षणों ने क्या दिखाया? इस बारे में हमें शोधकर्ताओं की रिपोर्ट से पता चलता है. जाना।

अनुसंधान आधार

शोधकर्ता अपनी तकनीक को ध्वनिक डेटा ट्रांसमिशन तकनीक कहते हैं। जब एक वक्ता एक संशोधित राग बजाता है, तो एक व्यक्ति इसे सामान्य मानता है, लेकिन, उदाहरण के लिए, एक स्मार्टफोन लाइनों के बीच, या नोट्स के बीच एन्कोडेड जानकारी को पढ़ सकता है, ऐसा कहा जा सकता है। वैज्ञानिक (तथ्य यह है कि ये लोग अभी भी स्नातक छात्र हैं, उन्हें वैज्ञानिक होने से नहीं रोकते हैं) चयनित ऑडियो फ़ाइल की परवाह किए बिना, इन मापदंडों के स्तर को बनाए रखते हुए ट्रांसमिशन की गति और विश्वसनीयता को कार्यान्वयन में सबसे महत्वपूर्ण पहलू कहते हैं। यह डेटा ट्रांसफर तकनीक. मनोध्वनिकी, जो ध्वनियों की मानवीय धारणा के मनोवैज्ञानिक और शारीरिक पहलुओं का अध्ययन करती है, इस कार्य से निपटने में मदद करती है।

ध्वनिक डेटा ट्रांसमिशन के मूल को ओएफडीएम (ऑर्थोगोनल फ्रीक्वेंसी डिवीजन मल्टीप्लेक्सिंग) कहा जा सकता है, जिसने समय के साथ स्रोत संगीत के लिए उपवाहकों के अनुकूलन के साथ, सूचना प्रसारण के लिए प्रेषित आवृत्ति स्पेक्ट्रम का अधिकतम उपयोग करना संभव बना दिया। इसके लिए धन्यवाद, 412 मीटर (त्रुटि दर <24%) तक की दूरी पर 10 बीपीएस की संचरण गति प्राप्त करना संभव था। 40 स्वयंसेवकों से जुड़े व्यावहारिक प्रयोगों ने इस तथ्य की पुष्टि की कि मूल राग और जिसमें जानकारी अंतर्निहित थी, के बीच अंतर सुनना लगभग असंभव है।

इस तकनीक को व्यवहार में कहाँ लागू किया जा सकता है? शोधकर्ताओं का अपना उत्तर है: लगभग सभी आधुनिक स्मार्टफोन, लैपटॉप और अन्य हैंडहेल्ड डिवाइस माइक्रोफोन से लैस हैं, और कई सार्वजनिक स्थानों (कैफे, रेस्तरां, शॉपिंग सेंटर इत्यादि) में पृष्ठभूमि संगीत वाले स्पीकर हैं। उदाहरण के लिए, इस पृष्ठभूमि मेलोडी में अतिरिक्त कार्यों की आवश्यकता के बिना वाई-फाई नेटवर्क से कनेक्ट करने के लिए डेटा शामिल हो सकता है।

ध्वनिक डेटा ट्रांसमिशन की सामान्य विशेषताएं हमारे लिए स्पष्ट हो गई हैं, अब आइए इस प्रणाली की संरचना के विस्तृत अध्ययन पर आगे बढ़ें।

सिस्टम विवरण

मेलोडी में डेटा का परिचय फ़्रीक्वेंसी मास्किंग के कारण होता है। समय स्लॉट में, मास्किंग आवृत्तियों की पहचान की जाती है और इन मास्किंग तत्वों के करीब ओएफडीएम उपवाहक डेटा से भरे होते हैं।

छवि #1: मूल फ़ाइल को स्पीकर के माध्यम से प्रेषित एक समग्र सिग्नल (मेलोडी + डेटा) में परिवर्तित करना।

आरंभ करने के लिए, मूल ऑडियो सिग्नल को विश्लेषण के लिए क्रमिक खंडों में विभाजित किया गया है। एल = 8820 नमूनों का प्रत्येक ऐसा खंड (हाय), 200 एमएस के बराबर, से गुणा किया जाता है खिड़की* सीमा प्रभाव को कम करने के लिए.

खिड़की* वर्णक्रमीय अनुमानों में साइडलोब के कारण प्रभावों को नियंत्रित करने के लिए उपयोग किया जाने वाला एक भार फ़ंक्शन है।

इसके बाद, मूल सिग्नल की प्रमुख आवृत्तियों को 500 हर्ट्ज से 9.8 किलोहर्ट्ज़ तक की सीमा में पता लगाया गया, जिससे इस खंड के लिए मास्किंग आवृत्तियों एफएम, एल प्राप्त करना संभव हो गया। इसके अलावा, रिसीवर पर उपवाहकों का स्थान स्थापित करने के लिए डेटा को 9.8 से 10 किलोहर्ट्ज़ तक की छोटी रेंज में प्रसारित किया गया था। उच्च आवृत्तियों पर स्मार्टफोन माइक्रोफोन की कम संवेदनशीलता के कारण उपयोग की जाने वाली आवृत्ति रेंज की ऊपरी सीमा 10 किलोहर्ट्ज़ निर्धारित की गई थी।

प्रत्येक विश्लेषण किए गए खंड के लिए मास्किंग आवृत्तियों को व्यक्तिगत रूप से निर्धारित किया गया था। एचपीएस (हार्मोनिक उत्पाद स्पेक्ट्रम) विधि का उपयोग करके, तीन प्रमुख आवृत्तियों की पहचान की गई और फिर हार्मोनिक रंगीन पैमाने पर निकटतम नोट्स तक गोल किया गया। इस प्रकार मुख्य नोट्स fF,i = 1…3 प्राप्त किए गए, जो कुंजी C0 (16.35 Hz) और B0 (30.87 Hz) के बीच स्थित थे। इस तथ्य के आधार पर कि डेटा ट्रांसमिशन में उपयोग के लिए मौलिक नोट्स बहुत कम हैं, उनके उच्च ऑक्टेव्स 500kfF,i की गणना 9.8 हर्ट्ज ... 2 kHz की सीमा में की गई थी। इनमें से कई आवृत्तियाँ (fO,l1) HPS की प्रकृति के कारण अधिक स्पष्ट थीं।

छवि #2: सबसे मजबूत स्वर के मौलिक नोट्स और हार्मोनिक्स एफएच,एल1 के लिए परिकलित सप्तक fO,l2।

ऑक्टेव्स और हार्मोनिक्स के परिणामी सेट का उपयोग मास्किंग आवृत्तियों के रूप में किया गया था, जिससे OFDM सबकैरियर आवृत्तियों fSC,k प्राप्त की गई थीं। प्रत्येक मास्किंग आवृत्ति के नीचे और ऊपर दो उपवाहक डाले गए थे।

इसके बाद, हाई ऑडियो सेगमेंट के स्पेक्ट्रम को सबकैरियर फ़्रीक्वेंसी fSC,k पर फ़िल्टर किया गया था। उसके बाद, Bi में सूचना बिट्स के आधार पर एक OFDM प्रतीक बनाया गया, जिसके कारण समग्र खंड Ci को स्पीकर के माध्यम से प्रसारित किया जा सका। उपवाहकों के परिमाण और चरणों को चुना जाना चाहिए ताकि रिसीवर प्रेषित डेटा निकाल सके जबकि श्रोता को माधुर्य में बदलाव नज़र न आए।

छवि संख्या 3: मूल राग के हाई खंड के स्पेक्ट्रम और उपवाहक आवृत्तियों का हिस्सा।

जब एन्कोडेड जानकारी वाला एक ऑडियो सिग्नल स्पीकर के माध्यम से चलाया जाता है, तो प्राप्तकर्ता डिवाइस का माइक्रोफ़ोन इसे रिकॉर्ड करता है। एम्बेडेड ओएफडीएम प्रतीकों की प्रारंभिक स्थिति खोजने के लिए, रिकॉर्ड को पहले बैंडपास फ़िल्टर करने की आवश्यकता होती है। इस तरह, ऊपरी आवृत्ति रेंज निकाली जाती है, जहां उपवाहकों के बीच कोई संगीत हस्तक्षेप संकेत नहीं होते हैं। आप चक्रीय उपसर्ग का उपयोग करके ओएफडीएम प्रतीकों की शुरुआत पा सकते हैं।

ओएफडीएम प्रतीकों की शुरुआत का पता लगाने के बाद, रिसीवर उच्च आवृत्ति डोमेन डिकोडिंग के माध्यम से सबसे प्रमुख नोट्स के बारे में जानकारी प्राप्त करता है। इसके अलावा, OFDM नैरोबैंड हस्तक्षेप स्रोतों के प्रति काफी प्रतिरोधी है, क्योंकि वे केवल कुछ उपवाहकों को प्रभावित करते हैं।

व्यावहारिक परीक्षण

KRK Rokit 8 स्पीकर ने संशोधित धुनों के स्रोत के रूप में काम किया, और Nexus 5X स्मार्टफोन ने प्राप्तकर्ता पार्टी की भूमिका निभाई।

छवि #4: वास्तविक ओएफडीएम और सहसंबंध शिखर के बीच अंतर, स्पीकर और माइक्रोफोन के बीच 5 मीटर पर मापा गया।

अधिकांश ओएफडीएम बिंदु 0 से 25 एमएस की सीमा में हैं, इसलिए आप 66.6 एमएस चक्रीय उपसर्ग के भीतर एक वैध शुरुआत पा सकते हैं। शोधकर्ताओं ने ध्यान दिया कि रिसीवर (इस प्रयोग में, एक स्मार्टफोन) इस बात को ध्यान में रखता है कि ओएफडीएम प्रतीकों को समय-समय पर बजाया जाता है, जिससे उनकी पहचान में सुधार होता है।

जाँच करने वाली पहली चीज़ बिट त्रुटि दर (बीईआर) पर दूरी का प्रभाव थी। ऐसा करने के लिए, विभिन्न प्रकार के कमरों में तीन परीक्षण किए गए: कालीन वाला एक गलियारा, फर्श पर लिनोलियम वाला एक कार्यालय, और लकड़ी के फर्श वाला एक सभागार।

वैन हेलेन के गीत "एंड द क्रैडल विल रॉक" को परीक्षण विषय के रूप में चुना गया था।

ध्वनि की मात्रा को समायोजित किया गया ताकि स्पीकर से 2 मीटर की दूरी पर स्मार्टफोन द्वारा मापा गया ध्वनि स्तर 63 डीबी हो।

छवि संख्या 5: स्पीकर और माइक्रोफ़ोन के बीच की दूरी के आधार पर बीईआर संकेतक (नीली रेखा - दर्शक, हरा - गलियारा, नारंगी - कार्यालय)।

दालान में, स्पीकर से 40 मीटर की दूरी पर एक स्मार्टफोन द्वारा 24 डीबी की ध्वनि उठाई गई। कक्षा में 15 मीटर की दूरी पर ध्वनि 55 डीबी थी, और कार्यालय में 8 मीटर की दूरी पर स्मार्टफोन द्वारा महसूस की गई ध्वनि का स्तर 57 डीबी तक पहुंच गया।

क्योंकि सभागार और कार्यालय अधिक गूंजते हैं, देर से ओएफडीएम प्रतीक गूँज चक्रीय उपसर्ग लंबाई से अधिक हो जाती है और बीईआर को बढ़ा देती है।

प्रतिध्वनि* - इसके एकाधिक प्रतिबिंबों के कारण ध्वनि की तीव्रता में धीरे-धीरे कमी।

शोधकर्ताओं ने इसे तीन शैलियों (नीचे दी गई तालिका) के 6 अलग-अलग गानों पर लागू करके अपनी प्रणाली की बहुमुखी प्रतिभा का प्रदर्शन किया।

तालिका संख्या 1: परीक्षणों में प्रयुक्त गाने।

साथ ही, तालिका डेटा के माध्यम से, हम प्रत्येक गीत के लिए बिट दर और बिट त्रुटि दर देख सकते हैं। डेटा दरें अलग-अलग हैं क्योंकि समान सबकैरियर का उपयोग करने पर विभेदक बीपीएसके (चरण शिफ्ट कुंजीयन) बेहतर काम करता है। और यह तब संभव है जब आसन्न खंडों में समान मास्किंग तत्व हों। लगातार तेज़ आवाज़ में गाने डेटा छिपाने के लिए एक इष्टतम आधार प्रदान करते हैं क्योंकि मास्किंग आवृत्तियाँ व्यापक आवृत्ति रेंज पर अधिक मजबूती से मौजूद होती हैं। विश्लेषण विंडो की निश्चित लंबाई के कारण तेज़ गति वाला संगीत ओएफडीएम प्रतीकों को केवल आंशिक रूप से छिपा सकता है।

इसके बाद, लोगों ने सिस्टम का परीक्षण करना शुरू किया, जिन्हें यह निर्धारित करना था कि कौन सा राग मूल था और कौन सा उसमें अंतर्निहित जानकारी द्वारा संशोधित किया गया था। इस प्रयोजन के लिए, तालिका संख्या 12 से गीतों के 1-सेकंड अंश एक विशेष वेबसाइट पर पोस्ट किए गए थे।

पहले प्रयोग (ई1) में, प्रत्येक प्रतिभागी को सुनने के लिए या तो एक संशोधित या मूल टुकड़ा दिया गया था और उसे यह तय करना था कि टुकड़ा मूल था या संशोधित। दूसरे प्रयोग (ई2) में, प्रतिभागी दोनों संस्करणों को जितनी बार चाहें सुन सकते थे, और फिर निर्णय ले सकते थे कि कौन सा मूल था और कौन सा संशोधित था।

तालिका संख्या 2: प्रयोग E1 और E2 के परिणाम।

पहले प्रयोग के परिणामों में दो संकेतक हैं: पी(ओ|ओ) - उन प्रतिभागियों का प्रतिशत जिन्होंने मूल राग को सही ढंग से चिह्नित किया और पी(ओ|एम) - उन प्रतिभागियों का प्रतिशत जिन्होंने राग के संशोधित संस्करण को मूल के रूप में चिह्नित किया।

दिलचस्प बात यह है कि, शोधकर्ताओं के अनुसार, कुछ प्रतिभागियों ने कुछ बदली हुई धुनों को मूल से भी अधिक मौलिक माना। दोनों प्रयोगों के औसत से पता चलता है कि औसत श्रोता को नियमित राग और डेटा एम्बेडेड राग के बीच अंतर नजर नहीं आएगा।

स्वाभाविक रूप से, संगीत विशेषज्ञ और संगीतकार बदली हुई धुनों में कुछ अशुद्धियों और संदिग्ध तत्वों का पता लगाने में सक्षम होंगे, लेकिन ये तत्व इतने महत्वपूर्ण नहीं हैं कि असुविधा पैदा करें।

और अब हम स्वयं प्रयोग में भाग ले सकते हैं। नीचे एक ही राग के दो संस्करण हैं - मूल और संशोधित। क्या आप अंतर सुन सकते हैं?

राग का मूल संस्करण
vs
राग का संशोधित संस्करण

अध्ययन की बारीकियों के साथ अधिक विस्तृत परिचित के लिए, मैं देखने की सलाह देता हूं रिपोर्ट अनुसंधान समूह।

आप अध्ययन में उपयोग की गई मूल और संशोधित धुनों की ऑडियो फ़ाइलों का एक ज़िप संग्रह भी डाउनलोड कर सकते हैं इस कड़ी.

उपसंहार

इस काम में, ईटीएच ज्यूरिख के स्नातक छात्रों ने संगीत के भीतर एक अद्भुत डेटा ट्रांसमिशन प्रणाली का वर्णन किया। ऐसा करने के लिए, उन्होंने फ़्रीक्वेंसी मास्किंग का उपयोग किया, जिससे स्पीकर द्वारा बजाई गई धुन में डेटा को एम्बेड करना संभव हो गया। इस राग को डिवाइस के माइक्रोफ़ोन द्वारा पहचाना जाता है, जो छिपे हुए डेटा को पहचानता है और उसे डिकोड करता है, जबकि औसत श्रोता को अंतर नज़र भी नहीं आएगा। भविष्य में, लोग ऑडियो में डेटा पेश करने के लिए और अधिक उन्नत तरीकों का चयन करते हुए, अपना सिस्टम विकसित करने की योजना बना रहे हैं।

जब कोई कुछ असामान्य, और सबसे महत्वपूर्ण, कुछ ऐसा लेकर आता है जो काम करता है, तो हम हमेशा खुश होते हैं। लेकिन इससे भी ज्यादा खुशी की बात ये है कि ये अविष्कार युवाओं ने किया है. विज्ञान में उम्र का कोई बंधन नहीं है। और यदि युवाओं को विज्ञान उबाऊ लगता है, तो इसे गलत दृष्टिकोण से प्रस्तुत किया जा रहा है। आख़िरकार, जैसा कि हम जानते हैं, विज्ञान एक अद्भुत दुनिया है जो कभी आश्चर्यचकित नहीं करती।

शुक्रवार ऑफ-टॉप:

चूँकि हम संगीत, या यूँ कहें कि रॉक संगीत के बारे में बात कर रहे हैं, यहाँ रॉक के विस्तार के माध्यम से एक अद्भुत यात्रा है।

क्वीन, "रेडियो गा गा" (1984)।

पढ़ने के लिए धन्यवाद, उत्सुक बने रहें, और आपका सप्ताहांत मंगलमय हो दोस्तों! 🙂

हमारे साथ रहने के लिए धन्यवाद। क्या आप हमारे लेख पसंद करते हैं? अधिक रोचक सामग्री देखना चाहते हैं? आदेश देकर या मित्रों को अनुशंसा करके हमारा समर्थन करें, प्रवेश स्तर के सर्वरों के एक अद्वितीय एनालॉग पर हैबर उपयोगकर्ताओं के लिए 30% की छूट, जिसका आविष्कार हमारे द्वारा आपके लिए किया गया था: VPS (KVM) E5-2650 v4 (6 Cores) 10GB DDR4 240GB SSD 1Gbps के बारे में पूरी सच्चाई $20 से या सर्वर कैसे साझा करें? (RAID1 और RAID10 के साथ उपलब्ध, 24 कोर तक और 40GB DDR4 तक)।

डेल R730xd 2 गुना सस्ता? केवल यहां 2 x Intel TetraDeca-Core Xeon 2x E5-2697v3 2.6GHz 14C 64GB DDR4 4x960GB SSD 1Gbps 100 टीवी $199 से नीदरलैंड में! डेल R420 - 2x E5-2430 2.2Ghz 6C 128GB DDR3 2x960GB SSD 1Gbps 100TB - $99 से! के बारे में पढ़ा इन्फ्रास्ट्रक्चर कॉर्प का निर्माण कैसे करें। एक पैसा के लिए 730 यूरो मूल्य के डेल R5xd E2650-4 v9000 सर्वर के उपयोग के साथ वर्ग?

स्रोत: www.habr.com