കുറിപ്പുകൾക്കിടയിലുള്ള വായന: സംഗീതത്തിനുള്ളിലെ ഡാറ്റാ ട്രാൻസ്മിഷൻ സിസ്റ്റം

വാക്കുകൾക്ക് പറയാൻ കഴിയാത്തത് പ്രകടിപ്പിക്കുക; വികാരങ്ങളുടെ ഒരു ചുഴലിക്കാറ്റിൽ ഇഴചേർന്നിരിക്കുന്ന വൈവിധ്യമാർന്ന വികാരങ്ങൾ അനുഭവിക്കുക; ഭൂപടങ്ങളോ റോഡുകളോ അടയാളങ്ങളോ ഇല്ലാത്ത ഒരു യാത്രയിൽ ഭൂമിയിൽ നിന്നും ആകാശത്തിൽ നിന്നും പ്രപഞ്ചത്തിൽ നിന്നുപോലും പിരിഞ്ഞുപോകാൻ; എല്ലായ്‌പ്പോഴും അദ്വിതീയവും അനുകരണീയവുമായ ഒരു കഥ മുഴുവൻ കണ്ടുപിടിക്കുക, പറയുക, അനുഭവിക്കുക. ഇതെല്ലാം സംഗീതത്തിലൂടെ ചെയ്യാൻ കഴിയും - ആയിരക്കണക്കിന് വർഷങ്ങളായി നിലനിന്നിരുന്ന ഒരു കല, നമ്മുടെ ചെവികളെയും ഹൃദയങ്ങളെയും ആനന്ദിപ്പിക്കുന്നു.

എന്നിരുന്നാലും, സംഗീതം, അല്ലെങ്കിൽ സംഗീത സൃഷ്ടികൾ, സൗന്ദര്യാത്മക ആനന്ദത്തിന് മാത്രമല്ല, അവയിൽ എൻകോഡ് ചെയ്‌തിരിക്കുന്ന വിവരങ്ങളുടെ പ്രക്ഷേപണത്തിനും സഹായിക്കുന്നു, ചില ഉപകരണങ്ങൾക്കായി ഉദ്ദേശിച്ചുള്ളതും ശ്രോതാവിന് അദൃശ്യവുമാണ്. ETH സൂറിച്ചിൽ നിന്നുള്ള ബിരുദ വിദ്യാർത്ഥികൾക്ക് മനുഷ്യ ചെവിയുടെ ശ്രദ്ധയിൽപ്പെടാതെ, സംഗീത സൃഷ്ടികളിലേക്ക് ചില ഡാറ്റ അവതരിപ്പിക്കാൻ കഴിഞ്ഞ അസാധാരണമായ ഒരു പഠനത്തെ ഇന്ന് നമ്മൾ പരിചയപ്പെടും, അതിനാൽ സംഗീതം തന്നെ ഒരു ഡാറ്റാ ട്രാൻസ്മിഷൻ ചാനലായി മാറുന്നു. അവർ തങ്ങളുടെ സാങ്കേതികവിദ്യ എങ്ങനെ കൃത്യമായി നടപ്പിലാക്കി, ഉൾച്ചേർത്ത ഡാറ്റയുള്ളതും ഇല്ലാത്തതുമായ മെലഡികൾ വളരെ വ്യത്യസ്തമാണോ, പ്രായോഗിക പരിശോധനകൾ എന്താണ് കാണിച്ചത്? ഗവേഷകരുടെ റിപ്പോർട്ടിൽ നിന്നാണ് നമ്മൾ ഇതിനെക്കുറിച്ച് പഠിക്കുന്നത്. പോകൂ.

ഗവേഷണ അടിസ്ഥാനം

ഗവേഷകർ അവരുടെ സാങ്കേതികവിദ്യയെ അക്കോസ്റ്റിക് ഡാറ്റ ട്രാൻസ്മിഷൻ സാങ്കേതികവിദ്യ എന്ന് വിളിക്കുന്നു. ഒരു സ്പീക്കർ പരിഷ്കരിച്ച മെലഡി പ്ലേ ചെയ്യുമ്പോൾ, ഒരു വ്യക്തി അത് സാധാരണമാണെന്ന് മനസ്സിലാക്കുന്നു, പക്ഷേ, ഉദാഹരണത്തിന്, ഒരു സ്മാർട്ട്ഫോണിന് എൻകോഡ് ചെയ്ത വിവരങ്ങൾ വരികൾക്കിടയിലോ അല്ലെങ്കിൽ കുറിപ്പുകൾക്കിടയിലോ വായിക്കാൻ കഴിയും. ശാസ്ത്രജ്ഞർ (ഇവർ ഇപ്പോഴും ബിരുദ വിദ്യാർത്ഥികളാണെന്നത് അവരെ ശാസ്ത്രജ്ഞരാക്കുന്നതിൽ നിന്ന് തടയുന്നില്ല) ഈ പാരാമീറ്ററുകളുടെ നിലവാരം നിലനിർത്തിക്കൊണ്ടുതന്നെ പ്രക്ഷേപണത്തിന്റെ വേഗതയും വിശ്വാസ്യതയും, തിരഞ്ഞെടുത്ത ഓഡിയോ ഫയൽ പരിഗണിക്കാതെ, നടപ്പിലാക്കുന്നതിലെ ഏറ്റവും പ്രധാനപ്പെട്ട വശം എന്ന് വിളിക്കുന്നു. ഈ ഡാറ്റ ട്രാൻസ്ഫർ ടെക്നിക്. ശബ്ദങ്ങളെക്കുറിച്ചുള്ള മനുഷ്യന്റെ ധാരണയുടെ മനഃശാസ്ത്രപരവും ശാരീരികവുമായ വശങ്ങൾ പഠിക്കുന്ന സൈക്കോകൗസ്റ്റിക്സ്, ഈ ചുമതലയെ നേരിടാൻ സഹായിക്കുന്നു.

അക്കോസ്റ്റിക് ഡാറ്റാ ട്രാൻസ്മിഷന്റെ കാതൽ OFDM (ഓർത്തോഗണൽ ഫ്രീക്വൻസി ഡിവിഷൻ മൾട്ടിപ്ലക്‌സിംഗ്) എന്ന് വിളിക്കാം, ഇത് കാലക്രമേണ സോഴ്‌സ് മ്യൂസിക്കിലേക്ക് സബ്‌കാരിയറുകളെ പൊരുത്തപ്പെടുത്തുന്നതിനൊപ്പം, വിവര കൈമാറ്റത്തിനായി ട്രാൻസ്മിറ്റഡ് ഫ്രീക്വൻസി സ്പെക്ട്രം പരമാവധി ഉപയോഗിക്കുന്നത് സാധ്യമാക്കി. ഇതിന് നന്ദി, 412 മീറ്റർ വരെ ദൂരത്തിൽ 24 ബിപിഎസ് പ്രക്ഷേപണ വേഗത കൈവരിക്കാൻ സാധിച്ചു (പിശക് നിരക്ക് <10%). 40 സന്നദ്ധപ്രവർത്തകർ ഉൾപ്പെട്ട പ്രായോഗിക പരീക്ഷണങ്ങൾ യഥാർത്ഥ മെലഡിയും വിവരങ്ങൾ ഉൾച്ചേർത്തിട്ടുള്ളതും തമ്മിലുള്ള വ്യത്യാസം കേൾക്കുന്നത് മിക്കവാറും അസാധ്യമാണെന്ന വസ്തുത സ്ഥിരീകരിച്ചു.

ഈ സാങ്കേതികവിദ്യ പ്രായോഗികമായി എവിടെ പ്രയോഗിക്കാൻ കഴിയും? ഗവേഷകർക്ക് അവരുടേതായ ഉത്തരമുണ്ട്: മിക്കവാറും എല്ലാ ആധുനിക സ്മാർട്ട്‌ഫോണുകളും ലാപ്‌ടോപ്പുകളും മറ്റ് ഹാൻഡ്‌ഹെൽഡ് ഉപകരണങ്ങളും മൈക്രോഫോണുകൾ കൊണ്ട് സജ്ജീകരിച്ചിരിക്കുന്നു, കൂടാതെ പല പൊതു സ്ഥലങ്ങളിലും (കഫേകൾ, റെസ്റ്റോറന്റുകൾ, ഷോപ്പിംഗ് സെന്ററുകൾ മുതലായവ) പശ്ചാത്തല സംഗീതമുള്ള സ്പീക്കറുകൾ ഉണ്ട്. ഈ പശ്ചാത്തല മെലഡിക്ക്, ഉദാഹരണത്തിന്, അധിക പ്രവർത്തനങ്ങളുടെ ആവശ്യമില്ലാതെ ഒരു Wi-Fi നെറ്റ്‌വർക്കിലേക്ക് കണക്റ്റുചെയ്യുന്നതിനുള്ള ഡാറ്റ ഉൾപ്പെടുത്താൻ കഴിയും.

അക്കോസ്റ്റിക് ഡാറ്റാ ട്രാൻസ്മിഷന്റെ പൊതു സവിശേഷതകൾ നമുക്ക് വ്യക്തമായിക്കഴിഞ്ഞു; ഇപ്പോൾ നമുക്ക് ഈ സിസ്റ്റത്തിന്റെ ഘടനയെക്കുറിച്ചുള്ള വിശദമായ പഠനത്തിലേക്ക് പോകാം.

സിസ്റ്റം വിവരണം

മെലഡിയിലേക്ക് ഡാറ്റയുടെ ആമുഖം സംഭവിക്കുന്നത് ഫ്രീക്വൻസി മാസ്കിംഗ് മൂലമാണ്. ടൈം സ്ലോട്ടുകളിൽ, മാസ്കിംഗ് ഫ്രീക്വൻസികൾ തിരിച്ചറിയുകയും ഈ മാസ്കിംഗ് എലമെന്റുകൾക്ക് അടുത്തുള്ള OFDM സബ്കാരിയറുകൾ ഡാറ്റ കൊണ്ട് നിറയ്ക്കുകയും ചെയ്യുന്നു.

ചിത്രം #1: ഒറിജിനൽ ഫയലിനെ സ്പീക്കറുകളിലൂടെ കൈമാറ്റം ചെയ്യപ്പെടുന്ന ഒരു സംയോജിത സിഗ്നലായി (മെലഡി + ഡാറ്റ) പരിവർത്തനം ചെയ്യുന്നു.

ആരംഭിക്കുന്നതിന്, യഥാർത്ഥ ഓഡിയോ സിഗ്നൽ വിശകലനത്തിനായി തുടർച്ചയായ സെഗ്‌മെന്റുകളായി തിരിച്ചിരിക്കുന്നു. L = 8820 സാമ്പിളുകളുടെ അത്തരം ഓരോ സെഗ്മെന്റും (Hi) 200 ms ന് തുല്യമാണ്, ഗുണിക്കുന്നത് ജാലകം* അതിർത്തി ഇഫക്റ്റുകൾ കുറയ്ക്കുന്നതിന്.

ജാലകം* സ്പെക്ട്രൽ എസ്റ്റിമേറ്റുകളിൽ സൈഡ്ലോബുകൾ മൂലമുണ്ടാകുന്ന ഇഫക്റ്റുകൾ നിയന്ത്രിക്കാൻ ഉപയോഗിക്കുന്ന വെയ്റ്റിംഗ് ഫംഗ്ഷനാണ്.

അടുത്തതായി, യഥാർത്ഥ സിഗ്നലിന്റെ പ്രബലമായ ആവൃത്തികൾ 500 Hz മുതൽ 9.8 kHz വരെയുള്ള ശ്രേണിയിൽ കണ്ടെത്തി, ഇത് ഈ വിഭാഗത്തിനായി മാസ്കിംഗ് ആവൃത്തികൾ fM,l ലഭ്യമാക്കുന്നത് സാധ്യമാക്കി. കൂടാതെ, റിസീവറിൽ സബ്‌കാരിയറുകളുടെ സ്ഥാനം സ്ഥാപിക്കുന്നതിന് 9.8 മുതൽ 10 kHz വരെയുള്ള ചെറിയ ശ്രേണിയിൽ ഡാറ്റ കൈമാറ്റം ചെയ്യപ്പെട്ടു. ഉയർന്ന ആവൃത്തിയിലുള്ള സ്മാർട്ട്‌ഫോൺ മൈക്രോഫോണുകളുടെ സെൻസിറ്റിവിറ്റി കുറവായതിനാൽ ഉപയോഗിച്ച ഫ്രീക്വൻസി ശ്രേണിയുടെ ഉയർന്ന പരിധി 10 kHz ആയി സജ്ജീകരിച്ചു.

വിശകലനം ചെയ്ത ഓരോ സെഗ്‌മെന്റിനും വ്യക്തിഗതമായി മാസ്‌കിംഗ് ആവൃത്തികൾ നിർണ്ണയിച്ചു. എച്ച്പിഎസ് (ഹാർമോണിക് പ്രൊഡക്റ്റ് സ്പെക്ട്രം) രീതി ഉപയോഗിച്ച്, മൂന്ന് ആധിപത്യ ആവൃത്തികൾ തിരിച്ചറിയുകയും തുടർന്ന് ഹാർമോണിക് ക്രോമാറ്റിക് സ്കെയിലിൽ അടുത്തുള്ള നോട്ടുകളിലേക്ക് റൗണ്ട് ചെയ്യുകയും ചെയ്തു. C1 (3 Hz), B0 (16.35 Hz) എന്നീ കീകൾക്കിടയിൽ കിടക്കുന്ന പ്രധാന കുറിപ്പുകൾ fF,i = 0…30.87 ലഭിച്ചത് ഇങ്ങനെയാണ്. ഡാറ്റാ ട്രാൻസ്മിഷനിൽ ഉപയോഗിക്കുന്നതിന് അടിസ്ഥാന കുറിപ്പുകൾ വളരെ കുറവാണെന്ന വസ്തുതയെ അടിസ്ഥാനമാക്കി, അവയുടെ ഉയർന്ന ഒക്ടേവുകൾ 500kfF,i 9.8 Hz ... 2 kHz ശ്രേണിയിൽ കണക്കാക്കി. HPS-ന്റെ സ്വഭാവം കാരണം ഈ ആവൃത്തികളിൽ പലതും (fO,l1) കൂടുതൽ പ്രകടമായിരുന്നു.

ചിത്രം #2: അടിസ്ഥാന കുറിപ്പുകൾക്കായി കണക്കാക്കിയ ഒക്ടേവുകൾ fO,l1, ഹാർമോണിക്‌സ് fH,l2.

തത്ഫലമായുണ്ടാകുന്ന ഒക്ടേവുകളുടെയും ഹാർമോണിക്‌സിന്റെയും സെറ്റ് മാസ്‌കിംഗ് ഫ്രീക്വൻസികളായി ഉപയോഗിച്ചു, അതിൽ നിന്നാണ് OFDM സബ്‌കാരിയർ ഫ്രീക്വൻസികളായ fSC,k ഉരുത്തിരിഞ്ഞത്. ഓരോ മാസ്‌കിംഗ് ഫ്രീക്വൻസിക്ക് താഴെയും മുകളിലുമായി രണ്ട് സബ്‌കാരിയറുകൾ ചേർത്തു.

അടുത്തതായി, ഹായ് ഓഡിയോ സെഗ്‌മെന്റിന്റെ സ്പെക്‌ട്രം fSC,k സബ്‌കാരിയർ ഫ്രീക്വൻസികളിൽ ഫിൽട്ടർ ചെയ്‌തു. അതിനുശേഷം, Bi-യിലെ വിവര ബിറ്റുകളെ അടിസ്ഥാനമാക്കി ഒരു OFDM ചിഹ്നം സൃഷ്ടിച്ചു, അതുവഴി Ci എന്ന കോമ്പോസിറ്റ് സെഗ്‌മെന്റ് സ്പീക്കറിലൂടെ കൈമാറാൻ കഴിയും. സബ്‌കാരിയറുകളുടെ മാഗ്നിറ്റ്യൂഡുകളും ഘട്ടങ്ങളും തിരഞ്ഞെടുക്കണം, അതിനാൽ സ്വീകർത്താവിന് ട്രാൻസ്മിറ്റ് ചെയ്ത ഡാറ്റ എക്‌സ്‌ട്രാക്‌റ്റുചെയ്യാനാകും, അതേസമയം ശ്രോതാവ് മെലഡിയിലെ മാറ്റങ്ങൾ ശ്രദ്ധിക്കുന്നില്ല.

ചിത്രം നമ്പർ 3: യഥാർത്ഥ മെലഡിയുടെ ഹൈ സെഗ്‌മെന്റിന്റെ സ്പെക്‌ട്രത്തിന്റെയും സബ്‌കാരിയർ ഫ്രീക്വൻസിയുടെയും ഭാഗം.

സ്പീക്കറുകളിലൂടെ എൻകോഡ് ചെയ്ത വിവരങ്ങളുള്ള ഒരു ഓഡിയോ സിഗ്നൽ പ്ലേ ചെയ്യുമ്പോൾ, സ്വീകരിക്കുന്ന ഉപകരണത്തിന്റെ മൈക്രോഫോൺ അത് രേഖപ്പെടുത്തുന്നു. ഉൾച്ചേർത്ത OFDM ചിഹ്നങ്ങളുടെ ആരംഭ സ്ഥാനങ്ങൾ കണ്ടെത്തുന്നതിന്, റെക്കോർഡുകൾ ആദ്യം ബാൻഡ്പാസ് ഫിൽട്ടർ ചെയ്യേണ്ടതുണ്ട്. ഈ രീതിയിൽ, ഉപവാഹകർക്കിടയിൽ സംഗീത ഇടപെടൽ സിഗ്നലുകൾ ഇല്ലാത്ത ഉയർന്ന ഫ്രീക്വൻസി ശ്രേണി വേർതിരിച്ചെടുക്കുന്നു. ഒരു ചാക്രിക പ്രിഫിക്സ് ഉപയോഗിച്ച് നിങ്ങൾക്ക് OFDM ചിഹ്നങ്ങളുടെ തുടക്കം കണ്ടെത്താം.

OFDM ചിഹ്നങ്ങളുടെ ആരംഭം കണ്ടെത്തിയ ശേഷം, ഉയർന്ന ഫ്രീക്വൻസി ഡൊമെയ്ൻ ഡീകോഡിംഗിലൂടെ റിസീവർ ഏറ്റവും പ്രബലമായ കുറിപ്പുകളെക്കുറിച്ചുള്ള വിവരങ്ങൾ നേടുന്നു. കൂടാതെ, OFDM നാരോബാൻഡ് ഇടപെടൽ സ്രോതസ്സുകളെ തികച്ചും പ്രതിരോധിക്കും, കാരണം അവ ചില ഉപകാരിയറുകളെ മാത്രമേ ബാധിക്കുകയുള്ളൂ.

പ്രായോഗിക പരീക്ഷകൾ

പരിഷ്‌ക്കരിച്ച മെലഡികളുടെ ഉറവിടമായി KRK Rokit 8 സ്പീക്കർ പ്രവർത്തിച്ചു, Nexus 5X സ്മാർട്ട്‌ഫോൺ സ്വീകരിക്കുന്ന കക്ഷിയുടെ പങ്ക് വഹിച്ചു.

ചിത്രം #4: സ്പീക്കറും മൈക്രോഫോണും തമ്മിലുള്ള 5 മീറ്ററിൽ വീടിനുള്ളിൽ അളക്കുന്ന യഥാർത്ഥ OFDM ഉം പരസ്പര ബന്ധത്തിന്റെ കൊടുമുടിയും തമ്മിലുള്ള വ്യത്യാസം.

മിക്ക OFDM പോയിന്റുകളും 0 മുതൽ 25 ms വരെയുള്ള ശ്രേണിയിലാണ്, അതിനാൽ നിങ്ങൾക്ക് 66.6 ms സൈക്ലിക് പ്രിഫിക്സിനുള്ളിൽ സാധുവായ ഒരു തുടക്കം കണ്ടെത്താനാകും. റിസീവർ (ഈ പരീക്ഷണത്തിൽ, ഒരു സ്മാർട്ട്ഫോൺ) OFDM ചിഹ്നങ്ങൾ ഇടയ്ക്കിടെ പ്ലേ ചെയ്യപ്പെടുന്നു, അത് അവരുടെ കണ്ടെത്തൽ മെച്ചപ്പെടുത്തുന്നു എന്ന് ഗവേഷകർ ശ്രദ്ധിക്കുന്നു.

ബിറ്റ് പിശക് നിരക്കിൽ (BER) ദൂരത്തിന്റെ ഫലമാണ് ആദ്യം പരിശോധിക്കേണ്ടത്. ഇത് ചെയ്യുന്നതിന്, വ്യത്യസ്ത തരം മുറികളിൽ മൂന്ന് പരിശോധനകൾ നടത്തി: പരവതാനി ഉള്ള ഒരു ഇടനാഴി, തറയിൽ ലിനോലിയം ഉള്ള ഒരു ഓഫീസ്, മരം തറയുള്ള ഒരു ഓഡിറ്റോറിയം.

വാൻ ഹാലന്റെ "ആൻഡ് ദി ക്രാഡിൽ വിൽ റോക്ക്" എന്ന ഗാനം പരീക്ഷണ വിഷയമായി തിരഞ്ഞെടുത്തു.

സ്‌പീക്കറിൽ നിന്ന് 2 മീറ്റർ അകലെ സ്‌മാർട്ട്‌ഫോൺ അളക്കുന്ന ശബ്‌ദ നില 63 ഡിബി ആകുന്ന തരത്തിൽ ശബ്‌ദ വോളിയം ക്രമീകരിച്ചു.

ചിത്രം നമ്പർ 5: സ്പീക്കറും മൈക്രോഫോണും തമ്മിലുള്ള അകലം അനുസരിച്ച് BER സൂചകങ്ങൾ (നീല വര - പ്രേക്ഷകർ, പച്ച - ഇടനാഴി, ഓറഞ്ച് - ഓഫീസ്).

ഇടനാഴിയിൽ, സ്പീക്കറിൽ നിന്ന് 40 മീറ്റർ വരെ അകലെയുള്ള ഒരു സ്മാർട്ട്‌ഫോൺ 24 ഡിബിയുടെ ശബ്ദം സ്വീകരിച്ചു. 15 മീറ്റർ അകലെയുള്ള ക്ലാസ് മുറിയിൽ ശബ്ദം 55 ഡിബി ആയിരുന്നു, 8 മീറ്റർ അകലെയുള്ള ഓഫീസിൽ സ്മാർട്ട്ഫോൺ മനസ്സിലാക്കിയ ശബ്ദത്തിന്റെ അളവ് 57 ഡിബിയിൽ എത്തി.

ഓഡിറ്റോറിയവും ഓഫീസും കൂടുതൽ പ്രതിധ്വനിക്കുന്നതിനാൽ, വൈകി വരുന്ന OFDM ചിഹ്നത്തിന്റെ പ്രതിധ്വനികൾ സൈക്ലിക് പ്രിഫിക്‌സ് ദൈർഘ്യം കവിയുകയും BER വർദ്ധിപ്പിക്കുകയും ചെയ്യുന്നു.

അനുരണനം* - ഒന്നിലധികം പ്രതിഫലനങ്ങൾ കാരണം ശബ്ദ തീവ്രതയിൽ ക്രമാനുഗതമായ കുറവ്.

മൂന്ന് വിഭാഗങ്ങളിൽ നിന്നുള്ള 6 വ്യത്യസ്ത ഗാനങ്ങളിൽ (ചുവടെയുള്ള പട്ടിക) പ്രയോഗിച്ച് ഗവേഷകർ അവരുടെ സിസ്റ്റത്തിന്റെ വൈവിധ്യം കൂടുതൽ പ്രകടമാക്കി.

പട്ടിക നമ്പർ 1: ടെസ്റ്റുകളിൽ ഉപയോഗിക്കുന്ന പാട്ടുകൾ.

കൂടാതെ, ടേബിൾ ഡാറ്റയിലൂടെ, ഓരോ പാട്ടിന്റെയും ബിറ്റ് റേറ്റും ബിറ്റ് എറർ റേറ്റും നമുക്ക് കാണാൻ കഴിയും. ഒരേ സബ്‌കാരിയർ ഉപയോഗിക്കുമ്പോൾ ഡിഫറൻഷ്യൽ ബിപിഎസ്‌കെ (ഫേസ് ഷിഫ്റ്റ് കീയിംഗ്) മികച്ച രീതിയിൽ പ്രവർത്തിക്കുന്നതിനാൽ ഡാറ്റ നിരക്കുകൾ വ്യത്യസ്തമാണ്. അടുത്തുള്ള സെഗ്‌മെന്റുകളിൽ ഒരേ മാസ്കിംഗ് ഘടകങ്ങൾ അടങ്ങിയിരിക്കുമ്പോൾ ഇത് സാധ്യമാണ്. തുടർച്ചയായി ഉച്ചത്തിലുള്ള പാട്ടുകൾ ഡാറ്റ മറയ്ക്കുന്നതിന് അനുയോജ്യമായ ഒരു അടിത്തറ നൽകുന്നു, കാരണം മാസ്കിംഗ് ആവൃത്തികൾ വിശാലമായ ഫ്രീക്വൻസി ശ്രേണിയിൽ കൂടുതൽ ശക്തമായി നിലനിൽക്കുന്നു. വിശകലന വിൻഡോയുടെ നിശ്ചിത ദൈർഘ്യം കാരണം വേഗതയേറിയ സംഗീതത്തിന് OFDM ചിഹ്നങ്ങളെ ഭാഗികമായി മറയ്ക്കാൻ മാത്രമേ കഴിയൂ.

അടുത്തതായി, ആളുകൾ സിസ്റ്റം പരീക്ഷിക്കാൻ തുടങ്ങി, ഏത് മെലഡി യഥാർത്ഥമാണെന്നും അതിൽ ഉൾച്ചേർത്ത വിവരങ്ങളാൽ മാറ്റം വരുത്തിയതാണെന്നും നിർണ്ണയിക്കണം. ഇതിനായി, പട്ടിക നമ്പർ 12-ൽ നിന്നുള്ള പാട്ടുകളുടെ 1 സെക്കൻഡ് ഭാഗങ്ങൾ ഒരു പ്രത്യേക വെബ്‌സൈറ്റിൽ പോസ്റ്റ് ചെയ്തു.

ആദ്യ പരീക്ഷണത്തിൽ (E1), ഓരോ പങ്കാളിക്കും കേൾക്കാൻ ഒരു പരിഷ്‌ക്കരിച്ചതോ യഥാർത്ഥമോ ആയ ശകലം നൽകുകയും ശകലം ഒറിജിനൽ ആണോ പരിഷ്‌കരിച്ചതാണോ എന്ന് തീരുമാനിക്കുകയും വേണം. രണ്ടാമത്തെ പരീക്ഷണത്തിൽ (E2), പങ്കെടുക്കുന്നവർക്ക് രണ്ട് പതിപ്പുകളും എത്ര തവണ വേണമെങ്കിലും കേൾക്കാം, തുടർന്ന് ഏതാണ് ഒറിജിനൽ, ഏതാണ് പരിഷ്കരിച്ചത് എന്ന് തീരുമാനിക്കാം.

പട്ടിക നമ്പർ 2: E1, E2 എന്നീ പരീക്ഷണങ്ങളുടെ ഫലങ്ങൾ.

ആദ്യ പരീക്ഷണത്തിന്റെ ഫലങ്ങൾക്ക് രണ്ട് സൂചകങ്ങളുണ്ട്: p(O|O) - യഥാർത്ഥ മെലഡി ശരിയായി അടയാളപ്പെടുത്തിയ പങ്കാളികളുടെ ശതമാനം, p(O|M) - മെലഡിയുടെ പരിഷ്കരിച്ച പതിപ്പ് യഥാർത്ഥമായി അടയാളപ്പെടുത്തിയ പങ്കാളികളുടെ ശതമാനം.

രസകരമെന്നു പറയട്ടെ, ചില പങ്കാളികൾ, ഗവേഷകരുടെ അഭിപ്രായത്തിൽ, ചില മാറ്റം വരുത്തിയ മെലഡികൾ ഒറിജിനലിനേക്കാൾ യഥാർത്ഥമായതായി കണക്കാക്കുന്നു. രണ്ട് പരീക്ഷണങ്ങളുടെയും ശരാശരി സൂചിപ്പിക്കുന്നത്, ഒരു സാധാരണ മെലഡിയും ഡാറ്റ ഉൾച്ചേർത്തിരിക്കുന്നതും തമ്മിലുള്ള വ്യത്യാസം ശരാശരി ശ്രോതാവ് ശ്രദ്ധിക്കില്ല എന്നാണ്.

സ്വാഭാവികമായും, സംഗീത വിദഗ്ധർക്കും സംഗീതജ്ഞർക്കും മാറിയ മെലഡികളിൽ ചില അപാകതകളും സംശയാസ്പദമായ ഘടകങ്ങളും കണ്ടെത്താൻ കഴിയും, എന്നാൽ ഈ ഘടകങ്ങൾ അസ്വസ്ഥത ഉണ്ടാക്കുന്ന തരത്തിൽ അത്ര പ്രാധാന്യമുള്ളവയല്ല.

ഇപ്പോൾ നമുക്ക് സ്വയം പരീക്ഷണത്തിൽ പങ്കെടുക്കാം. ഒരേ മെലഡിയുടെ രണ്ട് പതിപ്പുകൾ ചുവടെയുണ്ട് - യഥാർത്ഥവും പരിഷ്കരിച്ചതും. വ്യത്യാസം നിങ്ങൾക്ക് കേൾക്കാമോ?

മെലഡിയുടെ യഥാർത്ഥ പതിപ്പ്
vs
മെലഡിയുടെ പരിഷ്കരിച്ച പതിപ്പ്

പഠനത്തിന്റെ സൂക്ഷ്മതകളെക്കുറിച്ച് കൂടുതൽ വിശദമായി അറിയുന്നതിന്, ഞാൻ നോക്കാൻ ശുപാർശ ചെയ്യുന്നു റിപ്പോർട്ട് ഗവേഷണ സംഘം.

പഠനത്തിൽ ഉപയോഗിച്ചിരിക്കുന്ന ഒറിജിനൽ, പരിഷ്കരിച്ച ട്യൂണുകളുടെ ഓഡിയോ ഫയലുകളുടെ ഒരു ZIP ആർക്കൈവ് നിങ്ങൾക്ക് ഡൗൺലോഡ് ചെയ്യാനും കഴിയും ഈ ലിങ്ക്.

എപ്പിലോഗ്

ഈ കൃതിയിൽ, ETH സൂറിച്ചിൽ നിന്നുള്ള ബിരുദ വിദ്യാർത്ഥികൾ സംഗീതത്തിനുള്ളിലെ അതിശയകരമായ ഡാറ്റാ ട്രാൻസ്മിഷൻ സിസ്റ്റം വിവരിച്ചു. ഇത് ചെയ്യുന്നതിന്, അവർ ഫ്രീക്വൻസി മാസ്കിംഗ് ഉപയോഗിച്ചു, ഇത് സ്പീക്കർ പ്ലേ ചെയ്യുന്ന മെലഡിയിലേക്ക് ഡാറ്റ ഉൾപ്പെടുത്തുന്നത് സാധ്യമാക്കി. ഈ മെലഡി ഉപകരണത്തിന്റെ മൈക്രോഫോൺ മനസ്സിലാക്കുന്നു, അത് മറഞ്ഞിരിക്കുന്ന ഡാറ്റ തിരിച്ചറിയുകയും ഡീകോഡ് ചെയ്യുകയും ചെയ്യുന്നു, അതേസമയം ശരാശരി ശ്രോതാവ് വ്യത്യാസം പോലും ശ്രദ്ധിക്കില്ല. ഭാവിയിൽ, ഓഡിയോയിലേക്ക് ഡാറ്റ അവതരിപ്പിക്കുന്നതിന് കൂടുതൽ നൂതനമായ രീതികൾ തിരഞ്ഞെടുത്ത് ആൺകുട്ടികൾ അവരുടെ സിസ്റ്റം വികസിപ്പിക്കാൻ പദ്ധതിയിടുന്നു.

ആരെങ്കിലും അസാധാരണമായ എന്തെങ്കിലും കൊണ്ടുവരുമ്പോൾ, ഏറ്റവും പ്രധാനമായി, പ്രവർത്തിക്കുന്ന എന്തെങ്കിലും, ഞങ്ങൾ എപ്പോഴും സന്തുഷ്ടരാണ്. എന്നാൽ അതിലും സന്തോഷം ഈ കണ്ടുപിടുത്തം യുവാക്കൾ സൃഷ്ടിച്ചതാണ്. ശാസ്ത്രത്തിന് പ്രായപരിധിയില്ല. യുവാക്കൾക്ക് ശാസ്ത്രം വിരസമാണെന്ന് തോന്നുകയാണെങ്കിൽ, അത് തെറ്റായ കോണിൽ നിന്ന് അവതരിപ്പിക്കപ്പെടുന്നു, അങ്ങനെ പറയാം. എല്ലാത്തിനുമുപരി, നമുക്കറിയാവുന്നതുപോലെ, ശാസ്ത്രം ഒരിക്കലും വിസ്മയിപ്പിക്കുന്ന ഒരു അത്ഭുത ലോകമാണ്.

വെള്ളിയാഴ്ച ഓഫ് ടോപ്പ്:

നമ്മൾ സംസാരിക്കുന്നത് സംഗീതത്തെക്കുറിച്ചോ റോക്ക് സംഗീതത്തെക്കുറിച്ചോ ആയതിനാൽ, റോക്കിന്റെ വിസ്തൃതിയിലൂടെയുള്ള ഒരു അത്ഭുതകരമായ യാത്ര ഇതാ.

രാജ്ഞി, "റേഡിയോ ഗാ ഗാ" (1984).

വായനയ്ക്ക് നന്ദി, ജിജ്ഞാസയോടെ തുടരുക, മികച്ച വാരാന്ത്യങ്ങൾ ആസ്വദിക്കൂ സുഹൃത്തുക്കളെ! 🙂

ഞങ്ങളോടൊപ്പം താമസിച്ചതിന് നന്ദി. ഞങ്ങളുടെ ലേഖനങ്ങൾ നിങ്ങൾക്ക് ഇഷ്ടമാണോ? കൂടുതൽ രസകരമായ ഉള്ളടക്കം കാണാൻ ആഗ്രഹിക്കുന്നുണ്ടോ? ഒരു ഓർഡർ നൽകി അല്ലെങ്കിൽ സുഹൃത്തുക്കൾക്ക് ശുപാർശ ചെയ്തുകൊണ്ട് ഞങ്ങളെ പിന്തുണയ്ക്കുക, നിങ്ങൾക്കായി ഞങ്ങൾ കണ്ടുപിടിച്ച എൻട്രി ലെവൽ സെർവറുകളുടെ തനതായ അനലോഗിൽ Habr ഉപയോക്താക്കൾക്ക് 30% കിഴിവ്: VPS (KVM) E5-2650 v4 (6 കോറുകൾ) 10GB DDR4 240GB SSD 1Gbps-നെക്കുറിച്ചുള്ള മുഴുവൻ സത്യവും $20 മുതൽ അല്ലെങ്കിൽ എങ്ങനെ ഒരു സെർവർ പങ്കിടാം? (RAID1, RAID10 എന്നിവയ്‌ക്കൊപ്പം 24 കോറുകൾ വരെയും 40GB DDR4 വരെയും ലഭ്യമാണ്).

Dell R730xd 2 മടങ്ങ് വിലകുറഞ്ഞോ? ഇവിടെ മാത്രം 2 x Intel TetraDeca-Core Xeon 2x E5-2697v3 2.6GHz 14C 64GB DDR4 4x960GB SSD 1Gbps 100 TV $199 മുതൽ നെതർലാൻഡിൽ! Dell R420 - 2x E5-2430 2.2Ghz 6C 128GB DDR3 2x960GB SSD 1Gbps 100TB - $99 മുതൽ! കുറിച്ച് വായിക്കുക ഇൻഫ്രാസ്ട്രക്ചർ കോർപ്പറേഷൻ എങ്ങനെ നിർമ്മിക്കാം. ഒരു പൈസയ്ക്ക് 730 യൂറോ വിലയുള്ള Dell R5xd E2650-4 v9000 സെർവറുകൾ ഉപയോഗിക്കുന്ന ക്ലാസ്?

അവലംബം: www.habr.com