Читање помеѓу белешките: системот за пренос на податоци во музиката

Изрази што зборовите не можат да го пренесат; чувствуваат широк спектар на емоции испреплетени во ураган од чувства; да се отцепи од земјата, небото, па дури и од самиот универзум, тргнувајќи на патување каде што нема мапи, нема патишта, нема знаци; измисли, раскаже и доживее цела приказна која секогаш ќе остане единствена и неповторлива. Сето ова може да го направи музиката - уметност која постои многу илјадници години и ги воодушевува нашите уши и срца.

Меѓутоа, музиката, поточно музичките дела, можат да послужат не само за естетско задоволство, туку и за пренос на информации кодирани во нив, наменети за некој уред и невидливи за слушателот. Денеска ќе се запознаеме со една многу необична студија во која дипломирани студенти од ЕТХ Цирих можеле, незабележано од човечкото уво, да внесат одредени податоци во музичките дела, поради што самата музика станува канал за пренос на податоци. Како точно ја имплементирале својата технологија, дали мелодиите со и без вградените податоци се многу различни и што покажале практичните тестови? За ова дознаваме од извештајот на истражувачите. Оди.

Истражувачка основа

Истражувачите ја нарекуваат нивната технологија технологија за акустичен пренос на податоци. Кога звучникот свири модифицирана мелодија, едно лице ја доживува како нормална, но, на пример, паметен телефон може да чита кодирани информации помеѓу линиите, или подобро кажано, меѓу белешките, така да се каже. Научниците (фактот што овие момци сè уште се дипломирани студенти не ги спречува да бидат научници) ја нарекуваат брзината и веродостојноста на преносот додека се одржува нивото на овие параметри, без оглед на избраната аудио датотека, како најважен аспект во спроведувањето на оваа техника за пренос на податоци. Психоакустиката, која ги проучува психолошките и физиолошките аспекти на човековата перцепција на звуците, помага да се справите со оваа задача.

Јадрото на акустичниот пренос на податоци може да се нарече OFDM (ортогонално мултиплексирање на поделба на фреквенцијата), кое, заедно со адаптацијата на подносителите на изворната музика со текот на времето, овозможи максимално да се искористи емитуваниот фреквентен спектар за пренос на информации. Благодарение на ова, беше можно да се постигне брзина на пренос од 412 bps на растојание до 24 метри (стапка на грешка < 10%). Практичните експерименти во кои учествуваа 40 волонтери го потврдија фактот дека е речиси невозможно да се слушне разликата помеѓу оригиналната мелодија и онаа во која е вградена информацијата.

Каде може да се примени оваа технологија во пракса? Истражувачите имаат свој одговор: речиси сите модерни паметни телефони, лаптопи и други рачни уреди се опремени со микрофони, а многу јавни места (кафулиња, ресторани, трговски центри итн.) имаат звучници со музика во заднина. Оваа мелодија во заднина може, на пример, да вклучува податоци за поврзување со Wi-Fi мрежа без потреба од дополнителни дејства.

Општите карактеристики на акустичниот пренос на податоци ни станаа јасни; сега да преминеме на детална студија за структурата на овој систем.

Опис на системот

Воведувањето податоци во мелодијата се јавува поради маскирање на фреквенцијата. Во временските слотови, фреквенциите за маскирање се идентификуваат и OFDM подносителите блиски до овие елементи за маскирање се полни со податоци.

Слика бр. 1: Конвертирање на оригиналната датотека во композитен сигнал (мелодија + податоци) што се пренесува преку звучниците.

За почеток, оригиналниот аудио сигнал е поделен на последователни сегменти за анализа. Секој таков сегмент (Hi) од L = 8820 примероци, еднаков на 200 ms, се множи со прозорец* за да се минимизираат граничните ефекти.

Прозорец* е пондерирана функција која се користи за контрола на ефектите поради страничните лобуси во спектралните проценки.

Следно, доминантните фреквенции на оригиналниот сигнал беа откриени во опсег од 500 Hz до 9.8 kHz, што овозможи да се добијат фреквенции за маскирање fM,l за овој сегмент. Покрај тоа, податоците се пренесуваа во мал опсег од 9.8 до 10 kHz за да се утврди локацијата на подносачите на приемникот. Горната граница на користениот опсег на фреквенции беше поставена на 10 kHz поради малата чувствителност на микрофоните за паметни телефони на високи фреквенции.

Фреквенциите на маскирање беа одредени за секој анализиран сегмент поединечно. Користејќи го методот HPS (Harmonic Product Spectrum), трите доминантни фреквенции беа идентификувани и потоа заокружени до најблиските ноти на хармоничната хроматска скала. Така се добиени главните ноти fF,i = 1…3, кои се наоѓаат помеѓу копчињата C0 (16.35 Hz) и B0 (30.87 Hz). Врз основа на фактот дека основните ноти се премногу ниски за употреба при пренос на податоци, нивните повисоки октави 500kfF,i беа пресметани во опсегот 9.8 Hz ... 2 kHz. Многу од овие фреквенции (fO,l1) беа поизразени поради природата на HPS.

Слика бр.2: Пресметани октави fO,l1 за основните ноти и хармоници fH,l2 на најсилниот тон.

Добиениот сет на октави и хармоници беа искористени како фреквенции за маскирање, од кои беа изведени OFDM подносачките фреквенции fSC,k. Два подносачи беа вметнати под и над секоја фреквенција на маскирање.

Следно, спектарот на аудио сегментот Здраво беше филтриран на подносачките фреквенции fSC,k. После тоа, врз основа на информативните битови во Bi беше креиран симбол OFDM, поради што композитниот сегмент Ci можеше да се пренесе преку звучникот. Големините и фазите на подносителите мора да бидат избрани така што примачот може да ги извлече пренесените податоци додека слушателот не забележува промени во мелодијата.

Слика бр. 3: дел од спектарот и подносачките фреквенции на Hi сегментот на оригиналната мелодија.

Кога аудио сигнал со информации кодирани во него се репродуцира преку звучниците, микрофонот на уредот што прима го снима. За да се пронајдат почетните позиции на вградените симболи OFDM, записите прво треба да се филтрираат со опсег. На овој начин се извлекува горниот фреквентен опсег каде што нема сигнали за музички пречки меѓу подносачите. Можете да го најдете почетокот на симболите OFDM користејќи цикличен префикс.

По откривањето на почетокот на симболите OFDM, приемникот добива информации за најдоминантните ноти преку декодирање на доменот со висока фреквенција. Покрај тоа, OFDM е доста отпорен на извори на пречки со тесен опсег, бидејќи тие влијаат само на некои од подносителите.

Практични тестови

Звучникот KRK Rokit 8 делуваше како извор на модифицираните мелодии, а смартфонот Nexus 5X ја играше улогата на примачот.

Слика бр. 4: Разлика помеѓу вистинските врвови на OFDM и корелација измерени во затворен простор на 5 метри помеѓу звучникот и микрофонот.

Повеќето OFDM точки лежат во опсег од 0 до 25 ms, така што можете да најдете валиден почеток во цикличниот префикс од 66.6 ms. Истражувачите забележуваат дека ресиверот (во овој експеримент, паметен телефон) зема предвид дека симболите на OFDM периодично се репродуцираат, што го подобрува нивното откривање.

Првото нешто што требаше да се провери беше ефектот на растојанието врз стапката на битска грешка (BER). За да го направите ова, беа извршени три тестови во различни типови на простории: коридор со тепих, канцеларија со линолеум на подот и аудиториум со дрвен под.

Како тема за тестирање беше избрана песната „And The Cradle Will Rock“ од Ван Хејлен.

Јачината на звукот беше прилагодена така што нивото на звук што го мери паметниот телефон на растојание од 2 m од звучникот беше 63 dB.

Слика бр. 5: BER индикатори во зависност од растојанието помеѓу звучникот и микрофонот (сина линија - публика, зелена - коридор, портокалова - канцеларија).

Во ходникот, звук од 40 dB беше забележан од паметен телефон на растојание до 24 метри од звучникот. Во училницата на растојание од 15 m звукот беше 55 dB, а во канцеларијата на растојание од 8 метри нивото на звукот што го перцепира паметниот телефон достигна 57 dB.

Бидејќи аудиториумот и канцеларијата се повеќе одекнуваат, доцните ехо на симболот OFDM ја надминуваат должината на цикличниот префикс и го зголемуваат BER.

одек* - постепено намалување на интензитетот на звукот поради неговите повеќекратни рефлексии.

Истражувачите дополнително ја покажаа разновидноста на нивниот систем со примена на 6 различни песни од три жанрови (табела подолу).

Табела бр. 1: песни што се користат во тестовите.

Исто така, преку податоците од табелата, можеме да ги видиме бит-стапките и стапките на грешка на бит за секоја песна. Стапките на податоци се различни затоа што диференцијалното BPSK (фазно поместување клучеви) работи подобро кога се користат истите подносачи. И ова е можно кога соседните сегменти ги содржат истите елементи за маскирање. Континуирано гласните песни обезбедуваат оптимална основа за криење податоци бидејќи фреквенциите за маскирање се посилно присутни во широк фреквентен опсег. Музиката со брзо темпо може само делумно да ги маскира симболите на OFDM поради фиксната должина на прозорецот за анализа.

Потоа, луѓето почнаа да го тестираат системот, кои мораа да утврдат која мелодија е оригинална, а која е изменета со информациите вградени во него. За таа цел, на посебна веб-страница беа објавени извадоци од песни од 12 секунди од табелата бр.

Во првиот експеримент (Е1), на секој учесник му беше даден или изменет или оригинален фрагмент за слушање и мораше да одлучи дали фрагментот е оригинален или изменет. Во вториот експеримент (Е2), учесниците можеа да ги слушаат двете верзии онолку пати колку што сакаат, а потоа да одлучат која е оригинална, а која е изменета.

Табела бр. 2: резултати од експериментите Е1 и Е2.

Резултатите од првиот експеримент имаат два показатели: p(O|O) - процентот на учесници кои правилно ја означиле оригиналната мелодија и p(O|M) - процентот на учесници кои ја означиле изменетата верзија на мелодијата како оригинална.

Интересно е што некои учесници, според истражувачите, сметале дека одредени изменети мелодии се пооригинални од самиот оригинал. Просекот на двата експерименти сугерира дека просечниот слушател нема да забележи разлика помеѓу обичната мелодија и онаа во која се вградени податоци.

Нормално, музичките експерти и музичарите ќе можат да откријат некои неточности и сомнителни елементи во изменетите мелодии, но овие елементи не се толку значајни за да предизвикаат непријатност.

И сега ние самите можеме да учествуваме во експериментот. Подолу се прикажани две верзии на иста мелодија - оригиналната и изменетата. Можете ли да ја слушнете разликата?

Оригинална верзија на мелодијата
vs
Изменета верзија на мелодијата

За подетално запознавање со нијансите на студијата, препорачувам да погледнете извештај истражувачка група.

Можете исто така да преземете ZIP архива со аудио датотеки од оригиналните и изменетите мелодии користени во студијата на овој линк.

Епилог

Во оваа работа, дипломирани студенти од ETH Цирих опишаа неверојатен систем за пренос на податоци во музиката. За да го направат ова, тие користеа маскирање на фреквенција, што овозможи да се вградат податоците во мелодијата што ја свири звучникот. Оваа мелодија ја перцепира микрофонот на уредот, кој ги препознава скриените податоци и ги декодира, додека просечниот слушател нема ни да ја забележи разликата. Во иднина, момците планираат да го развијат својот систем, избирајќи понапредни методи за воведување податоци во аудио.

Кога некој ќе смисли нешто необично, и што е најважно, нешто што функционира, ние секогаш сме среќни. Но, уште поголема е радоста што овој изум е создаден од млади луѓе. Науката нема старосни ограничувања. А ако на младите им е здодевна науката, тогаш таа се прикажува од погрешен агол, така да се каже. На крајот на краиштата, како што знаеме, науката е неверојатен свет кој никогаш не престанува да воодушевува.

Петок надвор од врвот:

Бидејќи зборуваме за музика, поточно рок музика, еве едно прекрасно патување низ пространствата на рокот.

Кралицата, „Радио Га Га“ (1984).

Ви благодариме за читањето, останете љубопитни и имајте одличен викенд момци! 🙂

Ви благодариме што останавте со нас. Дали ви се допаѓаат нашите написи? Сакате да видите поинтересна содржина? Поддржете не со нарачка или препорака на пријатели, 30% попуст за корисниците на Habr на уникатен аналог на сервери на почетно ниво, кој го измисливме ние за вас: Целата вистина за VPS (KVM) E5-2650 v4 (6 јадра) 10GB DDR4 240GB SSD 1Gbps од 20 долари или како да споделите сервер? (достапен со RAID1 и RAID10, до 24 јадра и до 40 GB DDR4).

Dell R730xd 2 пати поевтин? Само овде 2 x Intel TetraDeca-Core Xeon 2x E5-2697v3 2.6GHz 14C 64GB DDR4 4x960GB SSD 1Gbps 100 телевизор од 199 долари во Холандија! Dell R420 - 2x E5-2430 2.2Ghz 6C 128GB DDR3 2x960GB SSD 1Gbps 100TB - од 99 долари! Прочитајте за Како да се изгради инфраструктурна корп. класа со употреба на сервери Dell R730xd E5-2650 v4 вредни 9000 евра за денар?

Извор: www.habr.com