Esprimere ciò che le parole non possono trasmettere; sentire una vasta gamma di emozioni intrecciate in un uragano di sentimenti; staccarsi dalla terra, dal cielo e persino dall'universo stesso, intraprendendo un viaggio, dove non ci sono mappe, né strade, né segnali; inventare, raccontare e vivere un'intera storia, che rimarrà sempre unica e irripetibile. Tutto questo è possibile grazie alla musica: un'arte che esiste da migliaia di anni e che delizia i nostri orecchi e cuori.
Tuttavia, la musica, o meglio le composizioni musicali, possono servire non solo per il piacere estetico, ma anche per trasmettere informazioni codificate destinate a qualche dispositivo e inosservate per l'ascoltatore. Oggi ci immergeremo in una ricerca piuttosto insolita, in cui gli studenti di dottorato dell'ETH di Zurigo sono riusciti a incorporare silenziosamente dei dati nelle opere musicali, trasformando la musica in un canale di trasmissione dei dati. Come hanno realizzato la loro tecnologia, quanto differiscono le melodie con e senza dati incorporati, e cosa hanno mostrato i test pratici? Scopriremo tutto questo nel rapporto dei ricercatori. Iniziamo.
La base della ricerca
I ricercatori definiscono la loro tecnologia come una tecnica acustica di trasmissione dei dati. Quando un altoparlante riproduce una melodia modificata, l'essere umano la percepisce come normale, mentre uno smartphone, ad esempio, può leggere le informazioni codificate tra le righe, o meglio, tra le note, per dirla in modo semplice. L'aspetto più importante nella realizzazione di questa metodologia di trasmissione dei dati, secondo gli scienziati (che, nonostante siano ancora dottorandi, non smettono di essere ricercatori), è la velocità e l'affidabilità della trasmissione, mantenendo questi parametri costanti indipendentemente dal file audio scelto. A far fronte a questa sfida è la psicoacustica, che studia gli aspetti psicologici e fisiologici della percezione dei suoni da parte dell'essere umano.
Il nucleo della trasmissione acustica può essere definito OFDM (multiplexing a divisione ortogonale delle frequenze), che insieme all'adattamento delle portanti alla musica originale nel tempo ha permesso di massimizzare l'uso dello spettro della frequenza trasmessa per la trasmissione di informazioni. Grazie a ciò, si è raggiunta una velocità di trasmissione di 412 bit/s su una distanza fino a 24 metri (fattore di errore < 10%). Esperimenti pratici con la partecipazione di 40 volontari hanno confermato che è praticamente impossibile percepire la differenza tra la melodia originale e quella in cui sono state integrate le informazioni.
Dove può essere applicata praticamente una tale tecnologia? I ricercatori hanno la loro risposta: quasi tutti i moderni smartphone, laptop e altri dispositivi portatili sono dotati di microfoni, e molti luoghi pubblici (caffè, ristoranti, centri commerciali, ecc.) hanno diffusori con musica di sottofondo. In questa melodia di sottofondo è possibile integrare, ad esempio, i dati per connettersi alla rete Wi-Fi senza la necessità di ulteriori azioni.
Le caratteristiche generali della trasmissione acustica sono ora chiare, passiamo quindi a un'analisi dettagliata della struttura di questo sistema.
Descrizione del sistema
L'inserimento dei dati nella melodia avviene tramite la mascheratura della frequenza. Nei periodi temporali, le frequenze di mascheramento vengono identificate e le sottoscale OFDM, vicine a questi elementi di mascheramento, vengono riempite con i dati.
Immagine n. 1: trasformazione del file sorgente in un segnale composito (melodia + dati), trasmesso attraverso gli altoparlanti.
Per cominciare, il segnale audio sorgente viene suddiviso in segmenti successivi per l'analisi. Ogni segmento (Hi) di L = 8820 campioni, equivalente a 200 ms, viene moltiplicato per una finestra* per ridurre gli effetti di bordo.
Finestra* — è una funzione di pesatura utilizzata per gestire gli effetti causati dalla presenza dei lobi laterali nelle valutazioni spettrali.
In seguito sono state rilevate frequenze dominanti del segnale originale nell'intervallo da 500 Hz a 9,8 kHz, il che ha permesso di ottenere le frequenze mascheranti fM,l per questo segmento. Inoltre, è stata effettuata la trasmissione di dati in una gamma ridotta da 9,8 a 10 kHz per determinare la posizione delle portanti nel ricevitore. Il limite superiore della gamma di frequenze utilizzata è stato fissato a 10 kHz a causa della bassa sensibilità dei microfoni degli smartphone alle alte frequenze.
Le frequenze mascheranti sono state determinate per ciascun segmento analizzato in modo individuale. Utilizzando il metodo HPS (spectrum armonico dei prodotti) sono state stabilite tre frequenze dominanti, che sono state quindi arrotondate alle note più vicine della scala cromatica armonica. In questo modo sono state ottenute le note principali fF,i = 1…3, comprese tra i tasti C0 (16,35 Hz) e B0 (30,87 Hz). Dato che le note principali sono troppo basse per essere utilizzate nella trasmissione dei dati, sono state calcolate le loro ottave superiori 2kfF,i nell'intervallo di 500 Hz … 9,8 kHz. Molte di queste frequenze (fO,l1) erano più evidenti a causa della natura dell'HPS.
Immagine n. 2: ottave calcolate fO,l1 per le note principali e armoniche fH,l2 del tono più forte.
La combinazione di ottave e armoniche è stata utilizzata come frequenze mascheranti, sulla base delle quali sono state ottenute le frequenze della portante OFDM fSC,k. Due portanti sono state inserite sotto e sopra ciascuna frequenza mascherante.
Successivamente è avvenuta la filtrazione dello spettro del segmento audio Hi alle frequenze delle portanti fSC,k. Sulla base dei bit informativi in Bi è stato creato il simbolo OFDM, consentendo così al segmento composito Ci di essere trasmesso attraverso il diffusore. I valori e le fasi delle portanti devono essere scelti in modo che il ricevitore possa estrarre i dati trasmessi, mentre l'ascoltatore non percepisce cambiamenti nella melodia.
Immagine n. 3: porzione dello spettro e frequenze delle portanti del segmento Hi della melodia originale.
Quando il segnale audio con le informazioni codificate viene riprodotto attraverso gli altoparlanti, il microfono del dispositivo ricevente lo registra. Per trovare le posizioni iniziali dei simboli OFDM integrati, le registrazioni devono essere prima filtrate in banda. In questo modo si estrae l'alta gamma di frequenze, dove non ci sono segnali musicali di disturbo tra le sottocarrier. L'inizio dei simboli OFDM può essere trovato utilizzando il prefisso ciclico.
Dopo aver rilevato l'inizio dei simboli OFDM, il ricevitore ottiene informazioni sulle note più dominanti decodificando l'alta gamma di frequenze. Inoltre, l'OFDM è abbastanza resistente all'influenza di sorgenti di disturbo a banda stretta, poiché queste influenzano solo alcune delle sottocarrier.
Sperimentazioni pratiche
Come fonte delle melodie modificate è stato utilizzato l'altoparlante KRK Rokit 8, mentre il ruolo della parte ricevente è stato svolto dallo smartphone Nexus 5X.
Immagine n. 4: differenza tra le manifestazioni reali dell'OFDM e i picchi di correlazione, misurati in un ambiente chiuso a 5 m di distanza tra l'altoparlante e il microfono.
La maggior parte dei punti OFDM si trova nella gamma da 0 a 25 ms, quindi è possibile trovare un inizio valido all'interno del prefisso ciclico di 66,6 ms. I ricercatori osservano che il ricevitore (in questo esperimento, uno smartphone) tiene conto del fatto che i simboli OFDM vengono riprodotti periodicamente, il che migliora la loro rilevazione.
La prima cosa da verificare è stata l'influenza della distanza sul tasso di errore bit per bit (BER). Per questo sono stati condotti tre test in diversi tipi di ambienti: un corridoio con moquette, un ufficio con linoleum sul pavimento e un'aula con pavimento in legno.
Come 'soggetto di prova' è stata scelta la canzone 'And The Cradle Will Rock' dei Van Halen.
Il volume è stato impostato in modo che il livello sonoro misurato dallo smartphone a 2 m dall'altoparlante fosse di 63 dB.
Immagine n. 5: indicatori BER in funzione della distanza tra l'altoparlante e il microfono (linea blu — aula, linea verde — corridoio, linea arancione — ufficio).
Nel corridoio, il suono a 40 dB è stato rilevato dallo smartphone fino a 24 metri dall'altoparlante. In aula, a 15 metri, il suono era di 55 dB, mentre in ufficio, a 8 metri, il livello di suono percepito dallo smartphone ha raggiunto i 57 dB.
Poiché l'aula e l'ufficio sono più riverberanti, i ritardi nei segnali eco delle simboli OFDM superano la lunghezza del prefisso ciclico e aumentano il BER.
Riverberazione* — riduzione graduale dell'intensità del suono a causa delle sue ripetute riflessioni.
Successivamente, i ricercatori hanno dimostrato la versatilità del loro sistema applicandolo a 6 diverse canzoni di tre generi (tabella sottostante).
Tabella n. 1: canzoni utilizzate nei test.
Inoltre, attraverso i dati della tabella possiamo osservare la velocità di trasmissione e i tassi di errore per bit di ciascuna canzone. La velocità di trasmissione varia poiché il BPSK differenziale (modulazione di fase) funziona meglio quando vengono utilizzate le stesse portanti. Questo è possibile quando segmenti adiacenti contengono gli stessi elementi di mascheramento. Canzoni costantemente forti forniscono una base ottimale per la codifica dei dati, poiché le frequenze di mascheramento sono più evidenti in un ampio intervallo di frequenze. La musica in rapida evoluzione può mascherare solo parzialmente i simboli OFDM a causa della lunghezza fissa della finestra di analisi.
Successivamente, il test del sistema è stato effettuato da persone incaricate di determinare quale melodia fosse originale e quale fosse stata modificata con informazioni incorporate. A tal fine, estratti di 12 secondi delle canzoni dalla tabella n. 1 sono stati pubblicati su un sito web dedicato.
Nel primo esperimento (E1), a ciascun partecipante è stato fornito un frammento, modificato o originale, da ascoltare, e doveva decidere se quel frammento fosse originale o modificato. Nel secondo esperimento (E2), i partecipanti potevano ascoltare entrambe le versioni quante volte volevano, per poi stabilire quale fosse l'originale e quale la modifica.
Tabella n. 2: risultati degli esperimenti E1 ed E2.
Nei risultati del primo esperimento ci sono due indicatori: p(O|O) — percentuale di partecipanti che hanno identificato correttamente la melodia originale e p(O|M) — percentuale di partecipanti che hanno indicato la versione modificata della melodia come originale.
È curioso notare che alcuni partecipanti, secondo i ricercatori, consideravano certe melodie modificate più originali dell'originale stesso. La media di entrambi gli esperimenti indica che l'ascoltatore medio non noterà la differenza tra una melodia normale e quella in cui sono stati incorporati dati.
Naturalmente, gli esperti di musica e i musicisti potranno cogliere alcune imprecisioni e elementi sospetti nelle melodie modificate, ma tali elementi non sono così significativi da causare disagio.
Ora possiamo partecipare noi stessi all'esperimento. Di seguito sono presentate due versioni della stessa melodia: l'originale e quella modificata. Riuscite a sentire la differenza?
vs
Per una comprensione più dettagliata delle sfumature della ricerca, consiglio di dare un'occhiata a gruppo di ricerca.
Potete anche scaricare un archivio ZIP dei file audio delle melodie originali e modificate utilizzate nella ricerca da .
Epilogo
In questo lavoro, i dottorandi dell'ETH di Zurigo hanno descritto un sorprendente sistema di trasmissione dati all'interno della musica. Per fare ciò, hanno applicato il mascheramento di frequenza, che ha permesso di incorporare dati nella melodia riprodotta da un altoparlante. Questa melodia viene percepita dal microfono del dispositivo, il quale riconosce i dati nascosti e li decodifica, mentre l'ascoltatore medio non noterà alcuna differenza. In futuro, il team prevede di sviluppare ulteriormente il proprio sistema, cercando metodi più sofisticati per inserire dati nell'audio.
Quando qualcuno inventa qualcosa di insolito e, soprattutto, funzionante, noi siamo sempre felici. Ma la gioia è ancora maggiore quando questa invenzione è creata da giovani. La scienza non ha limiti di età. Se i giovani trovano la scienza noiosa, significa che non viene presentata nel modo giusto, per così dire. Infatti, come sappiamo, la scienza è un mondo meraviglioso che non smette mai di stupire.
Off-topic del venerdì:
Dal momento che abbiamo parlato di musica, e in particolare di rock, ecco un meraviglioso viaggio attraverso l'universo del rock.
Queen, «Radio Ga Ga» (1984).
Grazie per l'attenzione, rimanete curiosi e buon weekend a tutti, ragazzi! 🙂
Grazie per rimanere con noi. Ti piacciono i nostri articoli? Vuoi vedere più contenuti interessanti? Supportaci effettuando un ordine o raccomandando ai tuoi amici. Sconto del 30% per gli utenti di Habr su un'alternativa unica ai server entry-level, progettata da noi per te: (disponibili opzioni con RAID1 e RAID10, fino a 24 core e fino a 40GB DDR4).
Dell R730xd a metà prezzo? Solo da noi nei Paesi Bassi! Dell R420 — 2x E5-2430 2.2GHz 6C 128GB DDR3 2x960GB SSD 1Gbps 100TB — a partire da $99! Scopri di più su
Fonte: habr.com
