ნოტებს შორის კითხვა: მონაცემთა გადაცემის სისტემა მუსიკის შიგნით

გამოხატეთ ის, რისი გადმოცემაც შეუძლებელია სიტყვებით; გრძნობების ქარიშხალში გადახლართული ემოციების მრავალფეროვნება; ჩამოშორდეს დედამიწას, ცას და თვით სამყაროსაც კი, წავიდეს მოგზაურობაში, სადაც არ არის რუკები, გზები, ნიშნები; გამოიგონეთ, თქვით და განიცადეთ მთელი ამბავი, რომელიც ყოველთვის უნიკალური და განუმეორებელი დარჩება. ეს ყველაფერი შეიძლება გაკეთდეს მუსიკით - ხელოვნება, რომელიც არსებობს მრავალი ათასი წლის განმავლობაში და ახარებს ჩვენს ყურებს და გულს.

თუმცა, მუსიკა, უფრო სწორად, მუსიკალური ნაწარმოებები შეიძლება ემსახურებოდეს არა მხოლოდ ესთეტიკურ სიამოვნებას, არამედ მათში კოდირებული ინფორმაციის გადაცემას, რომელიც განკუთვნილია რაიმე მოწყობილობისთვის და მსმენელისთვის უხილავი. დღეს ჩვენ გავეცნობით ძალიან უჩვეულო კვლევას, რომლის დროსაც ETH Zurich-ის კურსდამთავრებულებმა შეძლეს, ადამიანის ყურისთვის შეუმჩნევლად, გარკვეული მონაცემების შეტანა მუსიკალურ ნაწარმოებებში, რის გამოც თავად მუსიკა ხდება მონაცემთა გადაცემის არხი. როგორ დანერგეს მათ თავიანთი ტექნოლოგია, ძალიან განსხვავებულია თუ არა მელოდიები ჩაშენებული მონაცემებით და მის გარეშე და რა აჩვენა პრაქტიკულმა ტესტებმა? ამის შესახებ მკვლევარების ანგარიშიდან ვიგებთ. წადი.

კვლევის საფუძველი

მკვლევარები მათ ტექნოლოგიას აკუსტიკური მონაცემთა გადაცემის ტექნოლოგიას უწოდებენ. როდესაც სპიკერი უკრავს მოდიფიცირებულ მელოდიას, ადამიანი მას აღიქვამს ნორმალურად, მაგრამ, მაგალითად, სმარტფონს შეუძლია წაიკითხოს დაშიფრული ინფორმაცია ხაზებს შორის, უფრო სწორად, ნოტებს შორის, ასე ვთქვათ. მეცნიერები (ის, რომ ეს ბიჭები ჯერ კიდევ კურსდამთავრებულები არიან, ხელს არ უშლის მათ მეცნიერებად ყოფნას) ამ პარამეტრების დონის შენარჩუნებისას გადაცემის სიჩქარეს და საიმედოობას, შერჩეული აუდიო ფაილის მიუხედავად, ყველაზე მნიშვნელოვან ასპექტად უწოდებენ. მონაცემთა გადაცემის ეს ტექნიკა. ფსიქოაკუსტიკა, რომელიც სწავლობს ადამიანის ბგერების აღქმის ფსიქოლოგიურ და ფიზიოლოგიურ ასპექტებს, ეხმარება ამ ამოცანის გამკლავებაში.

აკუსტიკური მონაცემთა გადაცემის ბირთვს შეიძლება ეწოდოს OFDM (ორთოგონალური სიხშირის გაყოფის მულტიპლექსირება), რამაც დროთა განმავლობაში ქვემატარებლების ადაპტაციასთან ერთად წყაროს მუსიკასთან ერთად, შესაძლებელი გახადა გადაცემული სიხშირის სპექტრის მაქსიმალური გამოყენება ინფორმაციის გადაცემისთვის. ამის წყალობით შესაძლებელი გახდა 412 bps გადაცემის სიჩქარის მიღწევა 24 მეტრამდე მანძილზე (შეცდომის მაჩვენებელი < 10%). პრაქტიკულმა ექსპერიმენტებმა, რომელშიც მონაწილეობა მიიღო 40 მოხალისემ, დაადასტურა ის ფაქტი, რომ თითქმის შეუძლებელია მოისმინო განსხვავება ორიგინალურ მელოდიასა და მელოდიას შორის, რომელშიც ინფორმაცია იყო ჩადებული.

სად შეიძლება ამ ტექნოლოგიის პრაქტიკაში გამოყენება? მკვლევარებს საკუთარი პასუხი აქვთ: თითქმის ყველა თანამედროვე სმარტფონი, ლეპტოპი და სხვა ხელის მოწყობილობა აღჭურვილია მიკროფონებით, ხოლო ბევრ საჯარო ადგილას (კაფეები, რესტორნები, სავაჭრო ცენტრები და ა.შ.) არის დინამიკები ფონური მუსიკით. ეს ფონური მელოდია შეიძლება, მაგალითად, შეიცავდეს მონაცემებს Wi-Fi ქსელთან დასაკავშირებლად დამატებითი მოქმედებების საჭიროების გარეშე.

ჩვენთვის ნათელი გახდა აკუსტიკური მონაცემთა გადაცემის ზოგადი მახასიათებლები; ახლა გადავიდეთ ამ სისტემის სტრუქტურის დეტალურ შესწავლაზე.

Სისტემის აღწერა

მელოდიაში მონაცემების შეყვანა ხდება სიხშირის დაფარვის გამო. დროის სლოტებში იდენტიფიცირებულია დაფარვის სიხშირეები და OFDM ქვემატარებლები, რომლებიც ახლოსაა ამ ნიღბავ ელემენტებთან, ივსება მონაცემებით.

სურათი #1: ორიგინალური ფაილის გარდაქმნა კომპოზიციურ სიგნალად (მელოდია + მონაცემები), რომელიც გადაიცემა დინამიკებით.

დასაწყისისთვის, ორიგინალური აუდიო სიგნალი იყოფა თანმიმდევრულ სეგმენტებად ანალიზისთვის. L = 8820 ნიმუშის თითოეული ასეთი სეგმენტი (Hi), 200 ms-ის ტოლია, მრავლდება ფანჯარა * სასაზღვრო ეფექტის შესამცირებლად.

ფანჯარა* არის შეწონვის ფუნქცია, რომელიც გამოიყენება სპექტრალურ შეფასებებში გვერდითი წილების გამო ეფექტების გასაკონტროლებლად.

შემდეგი, ორიგინალური სიგნალის დომინანტური სიხშირეები გამოვლინდა 500 Hz-დან 9.8 kHz-მდე დიაპაზონში, რამაც შესაძლებელი გახადა ამ სეგმენტისთვის ნიღბის სიხშირეების მიღება fM,l. გარდა ამისა, მონაცემები გადაცემული იყო მცირე დიაპაზონში 9.8-დან 10 kHz-მდე, რათა დადგინდეს ქვემატარებლების მდებარეობა მიმღებზე. გამოყენებული სიხშირის დიაპაზონის ზედა ზღვარი დაყენებული იყო 10 kHz-ზე მაღალი სიხშირეებზე სმარტფონის მიკროფონების დაბალი მგრძნობელობის გამო.

დაფარვის სიხშირეები განისაზღვრა თითოეული გაანალიზებული სეგმენტისთვის ინდივიდუალურად. HPS (ჰარმონიული პროდუქტის სპექტრი) მეთოდის გამოყენებით, სამი დომინანტური სიხშირე გამოვლინდა და შემდეგ დამრგვალდა ჰარმონიულ ქრომატულ შკალაზე უახლოეს ნოტებზე. ასე მიიღეს მთავარი ნოტები fF,i = 1…3, რომლებიც დევს კლავიშებს შორის C0 (16.35 Hz) და B0 (30.87 Hz). გამომდინარე იქიდან, რომ ფუნდამენტური ნოტები ძალიან დაბალია მონაცემთა გადაცემისთვის გამოსაყენებლად, მათი უმაღლესი ოქტავები 500kfF,i გამოითვლება 9.8 Hz ... 2 kHz დიაპაზონში. ამ სიხშირეებიდან ბევრი (fO,l1) უფრო გამოხატული იყო HPS-ის ბუნების გამო.

გამოსახულება #2: გამოთვლილი ოქტავები fO,l1 ფუნდამენტური ნოტებისთვის და ყველაზე ძლიერი ბგერის fH,l2 ჰარმონიებისთვის.

შედეგად მიღებული ოქტავების და ჰარმონიების ნაკრები გამოიყენებოდა ნიღბის სიხშირეებად, საიდანაც მიღებული იქნა OFDM ქვემატარებელი სიხშირეები fSC,k. ორი ქვემატარებელი იყო ჩასმული თითოეული ნიღბის სიხშირის ქვემოთ და ზემოთ.

შემდეგი, Hi აუდიო სეგმენტის სპექტრი გაფილტრული იყო ქვემტარი სიხშირეებზე fSC,k. ამის შემდეგ, Bi-ში საინფორმაციო ბიტების საფუძველზე შეიქმნა OFDM სიმბოლო, რის გამოც შესაძლებელი იყო Ci-ს კომპოზიტური სეგმენტის გადაცემა დინამიკის მეშვეობით. ქვემატარებლების სიდიდეები და ფაზები ისე უნდა შეირჩეს, რომ მიმღებმა შეძლოს გადაცემული მონაცემების ამოღება, ხოლო მსმენელმა არ შეამჩნია ცვლილებები მელოდიაში.

სურათი No. 3: ორიგინალური მელოდიის Hi სეგმენტის სპექტრის ნაწილი და ქვემატარებელი სიხშირეები.

როდესაც აუდიო სიგნალი მასში დაშიფრული ინფორმაციით უკრავს დინამიკებით, მიმღები მოწყობილობის მიკროფონი ჩაწერს მას. ჩაშენებული OFDM სიმბოლოების საწყისი პოზიციების მოსაძებნად, ჩანაწერები ჯერ უნდა იყოს გაფილტრული. ამ გზით ამოღებულია ზედა სიხშირის დიაპაზონი, სადაც არ არის მუსიკალური ჩარევის სიგნალები ქვემატარებლებს შორის. თქვენ შეგიძლიათ იპოვოთ OFDM სიმბოლოების დასაწყისი ციკლური პრეფიქსის გამოყენებით.

OFDM სიმბოლოების დაწყების გამოვლენის შემდეგ, მიმღები იღებს ინფორმაციას ყველაზე დომინანტური ნოტების შესახებ მაღალი სიხშირის დომენის დეკოდირების საშუალებით. გარდა ამისა, OFDM საკმაოდ მდგრადია ვიწროზოლიანი ჩარევის წყაროების მიმართ, რადგან ისინი გავლენას ახდენენ მხოლოდ ზოგიერთ ქვემატარებელზე.

პრაქტიკული ტესტები

მოდიფიცირებული მელოდიების წყაროდ KRK Rokit 8 დინამიკი ასრულებდა, ხოლო მიმღები მხარის როლს ასრულებდა Nexus 5X სმარტფონი.

სურათი #4: განსხვავება ფაქტობრივ OFDM-სა და კორელაციულ მწვერვალებს შორის, რომლებიც იზომება შენობაში 5 მ მანძილზე დინამიკსა და მიკროფონს შორის.

OFDM წერტილების უმეტესობა მდებარეობს 0-დან 25 ms-მდე დიაპაზონში, ასე რომ თქვენ შეგიძლიათ იპოვოთ სწორი დასაწყისი 66.6 ms ციკლური პრეფიქსის ფარგლებში. მკვლევარები აღნიშნავენ, რომ მიმღები (ამ ექსპერიმენტში სმარტფონი) ითვალისწინებს, რომ OFDM სიმბოლოები პერიოდულად უკრავს, რაც აუმჯობესებს მათ გამოვლენას.

პირველი, რაც შესამოწმებელი იყო, იყო მანძილის გავლენა ბიტის შეცდომის სიხშირეზე (BER). ამისათვის ჩატარდა სამი ტესტი სხვადასხვა ტიპის ოთახებში: დერეფანი ხალიჩით, ოფისი იატაკზე ლინოლეუმით და აუდიტორია ხის იატაკით.

ტესტის საგანად ვან ჰელენის სიმღერა "And The Cradle Will Rock" შეირჩა.

ხმის მოცულობა დარეგულირდა ისე, რომ სმარტფონის მიერ გაზომილი ხმის დონე დინამიკიდან 2 მ მანძილზე იყო 63 დბ.

სურათი No5: BER ინდიკატორები დინამიკსა და მიკროფონს შორის მანძილის მიხედვით (ლურჯი ხაზი - აუდიტორია, მწვანე - დერეფანი, ნარინჯისფერი - ოფისი).

დერეფანში 40 დბ ხმას სმარტფონმა დინამიკიდან 24 მეტრამდე დაშორებით აიღო. საკლასო ოთახში 15 მ მანძილზე ხმა იყო 55 დბ, ხოლო ოფისში 8 მეტრის მანძილზე სმარტფონის მიერ აღქმული ხმის დონე 57 დბ-ს აღწევდა.

იმის გამო, რომ აუდიტორია და ოფისი უფრო ხმამაღალია, გვიან OFDM სიმბოლოს ექო აღემატება ციკლურ პრეფიქსის სიგრძეს და ზრდის BER-ს.

რევერბერაცია* - ხმის ინტენსივობის თანდათანობითი შემცირება მისი მრავალჯერადი არეკვლის გამო.

მკვლევარებმა შემდგომში აჩვენეს მათი სისტემის მრავალფეროვნება სამი ჟანრის 6 სხვადასხვა სიმღერაზე გამოყენების გზით (ქვემოთ ცხრილი).

ცხრილი No1: ტესტებში გამოყენებული სიმღერები.

ასევე, ცხრილის მონაცემების საშუალებით, ჩვენ შეგვიძლია დავინახოთ ბიტის სიხშირე და ბიტის შეცდომის სიხშირე თითოეული სიმღერისთვის. მონაცემთა სიხშირე განსხვავებულია, რადგან დიფერენციალური BPSK (ფაზის ცვლის კლავიატურა) უკეთესად მუშაობს იმავე ქვემტარებლების გამოყენებისას. და ეს შესაძლებელია, როდესაც მიმდებარე სეგმენტები შეიცავს იგივე ნიღბის ელემენტებს. განუწყვეტლივ ხმამაღალი სიმღერები უზრუნველყოფს მონაცემთა დამალვის ოპტიმალურ საფუძველს, რადგან დაფარვის სიხშირეები უფრო ძლიერად არის წარმოდგენილი სიხშირის ფართო დიაპაზონში. სწრაფი ტემპით მუსიკას შეუძლია მხოლოდ ნაწილობრივ შენიღბოს OFDM სიმბოლოები ანალიზის ფანჯრის ფიქსირებული სიგრძის გამო.

შემდეგ, ადამიანებმა დაიწყეს სისტემის ტესტირება, რომლებსაც უნდა დაედგინათ, რომელი მელოდია იყო ორიგინალი და რომელი შეცვლილი იყო მასში ჩადებული ინფორმაციით. ამ მიზნით სპეციალურ ვებგვერდზე განთავსდა სიმღერების 12 წამიანი ნაწყვეტები No1 ცხრილიდან.

პირველ ექსპერიმენტში (E1), თითოეულ მონაწილეს მისცეს მოდიფიცირებული ან ორიგინალური ფრაგმენტი მოსასმენად და უნდა გადაეწყვიტა ორიგინალი იყო თუ შეცვლილი ფრაგმენტი. მეორე ექსპერიმენტში (E2) მონაწილეებს შეეძლოთ ორივე ვერსიის მოსმენა რამდენჯერაც სურდათ და შემდეგ გადაეწყვიტათ რომელი იყო ორიგინალი და რომელი შეცვლილი.

ცხრილი No2: ექსპერიმენტების E1 და E2 შედეგები.

პირველი ექსპერიმენტის შედეგებს აქვს ორი ინდიკატორი: p(O|O) - მონაწილეთა პროცენტი, რომლებმაც სწორად მონიშნეს ორიგინალური მელოდია და p(O|M) - მონაწილეთა პროცენტი, რომლებმაც მონიშნეს მელოდიის შეცვლილი ვერსია ორიგინალად.

საინტერესოა, რომ ზოგიერთი მონაწილე, მკვლევარების აზრით, გარკვეულ შეცვლილ მელოდიებს უფრო ორიგინალურად თვლიდა, ვიდრე თავად ორიგინალი. ორივე ექსპერიმენტის საშუალო მაჩვენებელი ვარაუდობს, რომ საშუალო მსმენელი ვერ შეამჩნევს განსხვავებას ჩვეულებრივ მელოდიასა და მელოდიას შორის, რომელშიც მონაცემები იყო ჩასმული.

ბუნებრივია, მუსიკის ექსპერტები და მუსიკოსები შეცვლილ მელოდიებში გარკვეული უზუსტობებისა და საეჭვო ელემენტების აღმოჩენას შეძლებენ, მაგრამ ეს ელემენტები არ არის ისეთი მნიშვნელოვანი, რომ დისკომფორტი გამოიწვიოს.

ახლა კი ჩვენ თვითონ შეგვიძლია მონაწილეობა მივიღოთ ექსპერიმენტში. ქვემოთ მოცემულია ერთი და იგივე მელოდიის ორი ვერსია - ორიგინალური და შეცვლილი. გესმის განსხვავება?

მელოდიის ორიგინალური ვერსია
vs
მელოდიის შეცვლილი ვერსია

კვლევის ნიუანსების უფრო დეტალური გაცნობისთვის გირჩევთ ნახოთ ანგარიში კვლევითი ჯგუფი.

თქვენ ასევე შეგიძლიათ ჩამოტვირთოთ კვლევაში გამოყენებული ორიგინალური და შეცვლილი ჰანგების აუდიო ფაილების ZIP არქივი აქ ეს კავშირი.

ეპილოგი

ამ ნაშრომში ETH ციურიხის კურსდამთავრებულებმა აღწერეს მონაცემთა გადაცემის საოცარი სისტემა მუსიკაში. ამისათვის მათ გამოიყენეს სიხშირის ნიღაბი, რამაც შესაძლებელი გახადა მონაცემების ჩასმა დინამიკის მიერ დაკვრულ მელოდიაში. ამ მელოდიას აღიქვამს აპარატის მიკროფონი, რომელიც ამოიცნობს დაფარულ მონაცემებს და დეკოდირებს, ხოლო საშუალო მსმენელი განსხვავებას ვერც კი შეამჩნევს. მომავალში, ბიჭები გეგმავენ თავიანთი სისტემის განვითარებას, აირჩიონ უფრო მოწინავე მეთოდები აუდიოში მონაცემების შესატანად.

როცა ვინმე რაღაც უჩვეულოს მოიგონებს და რაც მთავარია მუშაობს, ჩვენ ყოველთვის ბედნიერები ვართ. მაგრამ კიდევ უფრო სასიხარულოა, რომ ეს გამოგონება ახალგაზრდებმა შექმნეს. მეცნიერებას არ აქვს ასაკობრივი შეზღუდვები. და თუ ახალგაზრდებს მეცნიერება მოსაწყენია, მაშინ მისი, ასე ვთქვათ, არასწორი კუთხით არის წარმოდგენილი. ყოველივე ამის შემდეგ, როგორც ვიცით, მეცნიერება საოცარი სამყაროა, რომელიც არასოდეს წყვეტს გაოცებას.

პარასკევი off-top:

ვინაიდან ჩვენ ვსაუბრობთ მუსიკაზე, უფრო სწორად როკ მუსიკაზე, აქ არის მშვენიერი მოგზაურობა როკის სივრცეში.

დედოფალი, "რადიო გა გა" (1984).

გმადლობთ, რომ კითხულობთ, იყავით ცნობისმოყვარეები და კარგი შაბათ-კვირა გქონდეთ ბიჭებო! 🙂

გმადლობთ, რომ დარჩით ჩვენთან. მოგწონთ ჩვენი სტატიები? გსურთ ნახოთ უფრო საინტერესო შინაარსი? მხარი დაგვიჭირეთ შეკვეთის განთავსებით ან მეგობრებისთვის რეკომენდაციით, 30% ფასდაკლება Habr-ის მომხმარებლებისთვის საწყისი დონის სერვერების უნიკალურ ანალოგზე, რომელიც ჩვენ მიერ გამოგონილია თქვენთვის: მთელი სიმართლე VPS (KVM) E5-2650 v4 (6 Cores) 10GB DDR4 240GB SSD 1Gbps 20$-დან ან როგორ გავაზიარო სერვერი? (ხელმისაწვდომია RAID1 და RAID10-ით, 24 ბირთვამდე და 40 გბ-მდე DDR4).

Dell R730xd 2-ჯერ იაფია? Მხოლოდ აქ 2 x Intel TetraDeca-Core Xeon 2x E5-2697v3 2.6GHz 14C 64GB DDR4 4x960GB SSD 1Gbps 100 ტელევიზორი $199-დან ნიდერლანდებში! Dell R420 - 2x E5-2430 2.2Ghz 6C 128GB DDR3 2x960GB SSD 1Gbps 100TB - $99-დან! Წაიკითხო რაღაცის შესახებ როგორ ავაშენოთ ინფრასტრუქტურის კორპუსი. კლასი Dell R730xd E5-2650 v4 სერვერების გამოყენებით 9000 ევროს ღირებულების პენი?

წყარო: www.habr.com