नोटहरू बीच पढ्दै: संगीत भित्र डाटा प्रसारण प्रणाली

शब्दहरू व्यक्त गर्न नसक्ने कुरा व्यक्त गर्नुहोस्; भावनाहरूको तूफानमा अन्तर्निहित भावनाहरूको एक विस्तृत विविधता महसुस गर्नुहोस्; पृथ्वी, आकाश र ब्रह्माण्डबाट पनि टाढा जान, कुनै नक्सा, सडक, कुनै चिन्हहरू नभएको यात्रामा जाँदै; आविष्कार गर्नुहोस्, बताउनुहोस् र सम्पूर्ण कथा अनुभव गर्नुहोस् जुन सधैं अद्वितीय र अतुलनीय रहनेछ। यो सबै संगीत द्वारा गर्न सकिन्छ - एक कला जुन धेरै हजारौं वर्षको लागि अवस्थित छ र हाम्रो कान र हृदयलाई आनन्दित गर्दछ।

यद्यपि, संगीत, वा बरु सांगीतिक कार्यहरू, केवल सौन्दर्य आनन्दको लागि मात्र होइन, तर तिनीहरूमा इन्कोड गरिएको जानकारीको प्रसारणको लागि पनि सेवा गर्न सक्छ, केहि उपकरणको लागि अभिप्रेरित र श्रोतालाई अदृश्य। आज हामी एक धेरै असामान्य अध्ययनसँग परिचित हुनेछौं जसमा ETH ज्यूरिखका स्नातक विद्यार्थीहरूले मानव कानलाई ध्यान नदिई, संगीत कार्यहरूमा निश्चित डेटा परिचय गर्न सक्षम थिए, जसको कारण संगीत आफैं डाटा ट्रान्समिशन च्यानल बन्छ। तिनीहरूले आफ्नो प्रविधिलाई वास्तवमा कसरी लागू गरे, इम्बेडेड डाटासँग र बिना धुनहरू धेरै फरक छन्, र व्यावहारिक परीक्षणहरूले के देखाएको छ? हामीले अनुसन्धानकर्ताहरूको प्रतिवेदनबाट यसबारे जान्दछौं। जानुहोस्।

अनुसन्धानको आधार

शोधकर्ताहरूले उनीहरूको प्रविधिलाई ध्वनिक डाटा ट्रान्समिशन टेक्नोलोजी भनिन्छ। जब एक स्पिकरले परिमार्जित धुन बजाउँछ, एक व्यक्तिले यसलाई सामान्य रूपमा बुझ्छ, तर, उदाहरणका लागि, स्मार्टफोनले लाइनहरू बीचको इन्कोड गरिएको जानकारी पढ्न सक्छ, वा नोटहरू बीच, त्यसैले बोल्न सक्छ। वैज्ञानिकहरू (तथ्य कि यी केटाहरू अझै स्नातक विद्यार्थीहरू छन् उनीहरूलाई वैज्ञानिक हुनबाट रोक्दैन) प्रसारणको गति र विश्वसनीयतालाई यी प्यारामिटरहरूको स्तर कायम राख्दा, चयन गरिएको अडियो फाइललाई ध्यान नदिई कार्यान्वयनमा सबैभन्दा महत्त्वपूर्ण पक्षको रूपमा। यो डाटा ट्रान्सफर प्रविधि। साइकोअकोस्टिक्स, जसले आवाजको मानव धारणाको मनोवैज्ञानिक र शारीरिक पक्षहरूको अध्ययन गर्दछ, यो कार्यसँग सामना गर्न मद्दत गर्दछ।

ध्वनिक डेटा प्रसारणको मूललाई ​​OFDM (अर्थोगोनल फ्रिक्वेन्सी डिभिजन मल्टिप्लेक्सिङ) भनिन्छ, जसले समयसँगै स्रोत संगीतमा सबक्यारियरहरूको अनुकूलनको साथसाथै सूचना प्रसारणको लागि प्रेषित फ्रिक्वेन्सी स्पेक्ट्रमको अधिकतम प्रयोग गर्न सम्भव बनायो। यसको लागि धन्यवाद, 412 मिटर (त्रुटि दर <24%) को दूरी मा 10 bps को एक प्रसारण गति प्राप्त गर्न सम्भव थियो। 40 स्वयंसेवकहरू सम्मिलित व्यावहारिक प्रयोगहरूले तथ्यलाई पुष्टि गर्‍यो कि मूल धुन र जानकारी इम्बेड गरिएको बीचको भिन्नता सुन्न लगभग असम्भव छ।

यो प्रविधिलाई व्यवहारमा कहाँ लागू गर्न सकिन्छ? अन्वेषकहरूको आफ्नै जवाफ छ: लगभग सबै आधुनिक स्मार्टफोनहरू, ल्यापटपहरू र अन्य ह्यान्डहेल्ड उपकरणहरू माइक्रोफोनहरूले सुसज्जित छन्, र धेरै सार्वजनिक स्थानहरू (क्याफेहरू, रेस्टुरेन्टहरू, किनमेल केन्द्रहरू, आदि) मा पृष्ठभूमि संगीतको साथ स्पिकरहरू छन्। यो पृष्ठभूमि धुनले, उदाहरणका लागि, अतिरिक्त कार्यहरूको आवश्यकता बिना Wi-Fi नेटवर्कमा जडान गर्न डेटा समावेश गर्न सक्छ।

ध्वनिक डेटा प्रसारण को सामान्य विशेषताहरु हामीलाई स्पष्ट भएको छ; अब हामी यस प्रणाली को संरचना को एक विस्तृत अध्ययन मा जानुहोस्।

प्रणाली विवरण

मेलोडीमा डेटाको परिचय फ्रिक्वेन्सी मास्किङको कारणले हुन्छ। टाइम स्लटहरूमा, मास्किङ फ्रिक्वेन्सीहरू पहिचान गरिन्छन् र यी मास्किङ तत्वहरूको नजिक OFDM सबक्यारियरहरू डाटाले भरिन्छन्।

छवि #1: मूल फाइललाई स्पिकरहरू मार्फत प्रसारित कम्पोजिट सिग्नल (मेलोडी + डाटा) मा रूपान्तरण गर्दै।

सुरु गर्नको लागि, मूल अडियो संकेत विश्लेषणको लागि क्रमिक खण्डहरूमा विभाजित गरिएको छ। L = 8820 नमूनाहरूको प्रत्येक यस्तो खण्ड (Hi), 200 ms बराबर, द्वारा गुणा गरिन्छ। झ्याल* सीमानाको प्रभावलाई कम गर्न।

झ्याल* स्पेक्ट्रल अनुमानहरूमा साइडलोबहरूका कारण प्रभावहरू नियन्त्रण गर्न प्रयोग गरिने वजन प्रकार्य हो।

अर्को, 500 Hz देखि 9.8 kHz को दायरामा मूल सिग्नलको प्रमुख फ्रिक्वेन्सीहरू पत्ता लगाइयो, जसले यो खण्डको लागि मास्किङ फ्रिक्वेन्सी fM,l प्राप्त गर्न सम्भव बनायो। थप रूपमा, डाटा 9.8 देखि 10 kHz बाट रिसीभरमा सबक्यारियरहरूको स्थान स्थापित गर्नको लागि सानो दायरामा पठाइएको थियो। उच्च फ्रिक्वेन्सीहरूमा स्मार्टफोन माइक्रोफोनहरूको कम संवेदनशीलताको कारणले प्रयोग गरिएको फ्रिक्वेन्सी दायराको माथिल्लो सीमा 10 kHz मा सेट गरिएको थियो।

मास्किङ फ्रिक्वेन्सीहरू प्रत्येक विश्लेषण गरिएको खण्डको लागि व्यक्तिगत रूपमा निर्धारण गरिएको थियो। HPS (हार्मोनिक उत्पादन स्पेक्ट्रम) विधि प्रयोग गरेर, तीन प्रमुख फ्रिक्वेन्सीहरू पहिचान गरियो र त्यसपछि हार्मोनिक क्रोमेटिक स्केलमा नजिकको नोटहरूमा गोलाकार गरियो। कुञ्जी C1 (3 Hz) र B0 (16.35 Hz) को बीचमा राखेर मुख्य नोटहरू fF,i = 0…30.87 यसरी प्राप्त गरियो। तथ्याङ्कको आधारमा आधारभूत नोटहरू डाटा ट्रान्समिशनमा प्रयोगको लागि धेरै कम छन्, तिनीहरूको उच्च अक्टेभ 500kfF,i दायरा 9.8 Hz ... 2 kHz मा गणना गरियो। यी धेरै फ्रिक्वेन्सीहरू (fO, l1) HPS को प्रकृतिको कारणले अधिक स्पष्ट थिए।

छवि #2: सबैभन्दा बलियो स्वरको आधारभूत नोटहरू र harmonics fH,l1 को लागि गणना गरिएको अक्टेभ fO,l2।

अक्टोभ र हार्मोनिक्सको नतिजा सेट मास्किङ फ्रिक्वेन्सीको रूपमा प्रयोग गरियो, जसबाट OFDM सबक्यारियर फ्रिक्वेन्सीहरू fSC,k व्युत्पन्न गरियो। प्रत्येक मास्किङ फ्रिक्वेन्सी तल र माथि दुईवटा सबक्यारियरहरू सम्मिलित गरियो।

अर्को, हाइ अडियो खण्डको स्पेक्ट्रम सबक्यारियर फ्रिक्वेन्सी fSC, k मा फिल्टर गरिएको थियो। त्यस पछि, Bi मा जानकारी बिटहरूमा आधारित OFDM प्रतीक सिर्जना गरियो, जसको कारणले कम्पोजिट खण्ड Ci लाई स्पिकर मार्फत प्रसारण गर्न सकिन्छ। सबक्यारियरहरूको परिमाण र चरणहरू छनौट गरिनु पर्छ ताकि रिसीभरले प्रसारण गरिएको डाटा निकाल्न सक्छ जबकि श्रोताले धुनमा परिवर्तनहरू याद गर्दैन।

छवि नम्बर 3: मूल धुनको हाई खण्डको स्पेक्ट्रम र सबक्यारियर फ्रिक्वेन्सीको अंश।

जब यसमा इन्कोड गरिएको जानकारी भएको अडियो सिग्नल स्पिकरहरू मार्फत बजाइन्छ, प्राप्त गर्ने यन्त्रको माइक्रोफोनले यसलाई रेकर्ड गर्छ। एम्बेडेड OFDM प्रतीकहरूको सुरूवात स्थितिहरू फेला पार्न, रेकर्डहरू पहिले ब्यान्डपास फिल्टर गर्न आवश्यक छ। यस तरिकाले, माथिल्लो फ्रिक्वेन्सी दायरा निकालिएको छ, जहाँ सबक्यारियरहरू बीच कुनै संगीत हस्तक्षेप संकेतहरू छैनन्। तपाईंले चक्रीय उपसर्ग प्रयोग गरेर OFDM प्रतीकहरूको सुरुवात फेला पार्न सक्नुहुन्छ।

OFDM प्रतीकहरूको सुरुवात पत्ता लगाएपछि, प्रापकले उच्च आवृत्ति डोमेन डिकोडिङ मार्फत सबैभन्दा प्रभावशाली नोटहरूको बारेमा जानकारी प्राप्त गर्दछ। थप रूपमा, OFDM साँघुरो ब्यान्ड हस्तक्षेप स्रोतहरूको लागि एकदम प्रतिरोधी छ, किनकि तिनीहरूले केही सब क्यारियरहरूलाई मात्र असर गर्छ।

व्यावहारिक परीक्षाहरू

KRK Rokit 8 स्पिकरले परिमार्जित धुनहरूको स्रोतको रूपमा काम गर्यो, र Nexus 5X स्मार्टफोनले प्राप्त गर्ने पक्षको भूमिका खेलेको थियो।

छवि #4: स्पिकर र माइक्रोफोन बीच 5m मा घर भित्र मापन गरिएको वास्तविक OFDM र सहसंबंध शिखरहरू बीचको भिन्नता।

धेरैजसो OFDM बिन्दुहरू 0 देखि 25 ms सम्मको दायरामा हुन्छन्, त्यसैले तपाईंले 66.6 ms चक्रीय उपसर्ग भित्र मान्य सुरुवात पाउन सक्नुहुन्छ। शोधकर्ताहरूले नोट गर्छन् कि रिसीभर (यस प्रयोगमा, स्मार्टफोन) ले OFDM प्रतीकहरू आवधिक रूपमा बजाइन्छ भन्ने कुरालाई ध्यानमा राख्छ, जसले तिनीहरूको पहिचानलाई सुधार गर्छ।

जाँच गर्न पहिलो कुरा बिट त्रुटि दर (BER) मा दूरी को प्रभाव थियो। यो गर्नका लागि, विभिन्न प्रकारका कोठाहरूमा तीनवटा परीक्षणहरू गरियो: कार्पेटको साथ कोरिडोर, भुइँमा लिनोलियम भएको कार्यालय, र काठको भुइँको साथ एक सभागार।

भ्यान हेलेनको गीत "एन्ड द क्र्याडल विल रक" परीक्षण विषयको रूपमा छनोट गरिएको थियो।

ध्वनि भोल्युम समायोजन गरिएको थियो ताकि स्पिकरबाट 2 मिटरको दूरीमा स्मार्टफोन द्वारा नापिएको ध्वनि स्तर 63 dB थियो।

छवि नम्बर 5: स्पिकर र माइक्रोफोन (नीलो रेखा - दर्शक, हरियो - कोरिडोर, सुन्तला - कार्यालय) बीचको दूरीमा आधारित BER सूचकहरू।

हलवेमा, स्पिकरबाट 40 मिटरको दूरीमा स्मार्टफोनले 24 डीबीको आवाज उठायो। १५ मिटरको दूरीमा रहेको कक्षाकोठामा ध्वनि ५५ डीबी थियो भने कार्यालयमा ८ मिटरको दुरीमा स्मार्टफोनले बुझेको ध्वनिको स्तर ५७ डीबी पुगेको थियो।

अडिटोरियम र अफिस बढी रिभरबन्ट भएकाले, ढिलो OFDM प्रतीक प्रतिध्वनिले चक्रीय उपसर्गको लम्बाइ नाघ्यो र BER बढाउँछ।

प्रतिध्वनि* - यसको बहु प्रतिबिम्बको कारण ध्वनि तीव्रतामा क्रमिक कमी।

अनुसन्धानकर्ताहरूले थप तीन विधाहरू (तलको तालिका) बाट 6 विभिन्न गीतहरूमा लागू गरेर तिनीहरूको प्रणालीको बहुमुखी प्रतिभा प्रदर्शन गरे।

तालिका नम्बर १: परीक्षणमा प्रयोग गरिएका गीतहरू।

साथै, तालिका डेटा मार्फत, हामी प्रत्येक गीतको बिट दर र बिट त्रुटि दरहरू देख्न सक्छौं। डाटा दरहरू फरक छन् किनभने भिन्नता BPSK (फेज शिफ्ट किइङ) ले उही सबक्यारियरहरू प्रयोग गर्दा राम्रो काम गर्दछ। र यो सम्भव छ जब छेउछाउका खण्डहरूमा समान मास्किङ तत्वहरू हुन्छन्। लगातार चर्को गीतहरूले डेटा लुकाउनको लागि इष्टतम आधार प्रदान गर्दछ किनभने मास्किङ फ्रिक्वेन्सीहरू फराकिलो फ्रिक्वेन्सी दायरामा अझ बलियो रूपमा उपस्थित हुन्छन्। द्रुत गतिको संगीतले विश्लेषण विन्डोको निश्चित लम्बाइको कारणले OFDM प्रतीकहरूलाई आंशिक रूपमा मास्क गर्न सक्छ।

त्यसपछि, मानिसहरूले प्रणालीको परीक्षण गर्न थाले, जसले कुन धुन मौलिक हो र कुन यसमा सम्मिलित जानकारीद्वारा परिमार्जन गरिएको थियो भनेर निर्धारण गर्न थाले। यस उद्देश्यका लागि, तालिका नम्बर 12 को 1 सेकेन्डका गीतहरू विशेष वेबसाइटमा पोस्ट गरिएको थियो।

पहिलो प्रयोग (E1) मा, प्रत्येक सहभागीलाई सुन्नको लागि परिमार्जित वा मौलिक टुक्रा दिइएको थियो र टुक्रा मौलिक वा परिमार्जित थियो कि भनेर निर्णय गर्नुपर्दछ। दोस्रो प्रयोग (E2) मा, सहभागीहरूले आफूले चाहेको जति पटक दुबै संस्करणहरू सुन्न सक्थे, र त्यसपछि कुन मौलिक हो र कुन परिमार्जन गरिएको थियो भनेर निर्णय गर्न सक्थे।

तालिका नम्बर 2: प्रयोगहरू E1 र E2 को नतिजा।

पहिलो प्रयोगको नतिजामा दुईवटा सूचकहरू छन्: p(O|O) - मौलिक धुन र p(O|M) लाई सही रूपमा चिन्ह लगाउने सहभागीहरूको प्रतिशत - मेलोडीको परिमार्जित संस्करणलाई मूल रूपमा चिन्ह लगाउने सहभागीहरूको प्रतिशत।

चाखलाग्दो कुरा के छ भने, अनुसन्धानकर्ताहरूका अनुसार केही सहभागीहरूले केही परिवर्तन गरिएका धुनहरूलाई मौलिक भन्दा बढी मौलिक ठाने। दुबै प्रयोगहरूको औसतले ​​औसत श्रोताले नियमित धुन र डाटा इम्बेड गरिएको बीचको भिन्नता देख्दैन भनेर सुझाव दिन्छ।

स्वाभाविक रूपमा, संगीत विशेषज्ञहरू र संगीतकारहरूले परिवर्तन गरिएका धुनहरूमा केही अशुद्धता र शंकास्पद तत्वहरू पत्ता लगाउन सक्षम हुनेछन्, तर ती तत्वहरू असुविधाको कारणले महत्त्वपूर्ण छैनन्।

र अब हामी आफैं प्रयोगमा भाग लिन सक्छौं। तल एउटै धुनका दुई संस्करणहरू छन् - मूल र परिमार्जित। के तपाईं फरक सुन्न सक्नुहुन्छ?

धुन को मूल संस्करण
vs
धुन को परिमार्जित संस्करण

अध्ययन को सूक्ष्मता संग एक अधिक विस्तृत परिचित को लागी, म हेर्न को लागी सिफारिस गर्दछु रिपोर्ट अनुसन्धान समूह।

तपाईले अध्ययनमा प्रयोग गरिएका मौलिक र परिमार्जित धुनहरूको अडियो फाइलहरूको ZIP अभिलेख पनि डाउनलोड गर्न सक्नुहुन्छ यो लिङ्क.

Epilogue

यस कार्यमा, ETH ज्यूरिखका स्नातक विद्यार्थीहरूले संगीत भित्र एक अद्भुत डेटा प्रसारण प्रणाली वर्णन गरे। यो गर्नका लागि, तिनीहरूले फ्रिक्वेन्सी मास्किङ प्रयोग गरे, जसले स्पिकरद्वारा बजाइएको धुनमा डाटा इम्बेड गर्न सम्भव बनायो। यो धुन यन्त्रको माइक्रोफोन द्वारा बुझिन्छ, जसले लुकेको डाटा पहिचान गर्दछ र यसलाई डिकोड गर्दछ, जबकि औसत श्रोताले फरक पनि याद गर्दैन। भविष्यमा, केटाहरूले आफ्नो प्रणाली विकास गर्ने योजना बनाउँछन्, अडियोमा डाटा परिचय गर्न थप उन्नत विधिहरू चयन गर्दै।

जब कोही असामान्य चीजको साथ आउँछ, र सबैभन्दा महत्त्वपूर्ण कुरा, काम गर्ने कुरा, हामी सधैं खुसी हुन्छौं। तर अझ खुशीको कुरा यो आविष्कार युवाहरूले बनाएको हो। विज्ञानमा उमेरको कुनै प्रतिबन्ध छैन। र यदि युवाहरूलाई विज्ञान बोरिंग लाग्छ भने, यो गलत कोणबाट प्रस्तुत गरिएको छ, त्यसैले बोल्न। आखिर, हामीलाई थाहा छ, विज्ञान एक अचम्मको संसार हो जुन कहिल्यै छक्क पर्दैन।

शुक्रबार अफ-टप:

हामी संगीत, वा बरु रक संगीतको बारेमा कुरा गर्दैछौं, यहाँ रकको विस्तारको माध्यमबाट एक अद्भुत यात्रा छ।

रानी, ​​"रेडियो गा गा" (1984)।

पढ्नको लागि धन्यवाद, जिज्ञासु रहनुहोस्, र एक राम्रो सप्ताहन्त केटाहरू छ! 🙂

हामीसँग रहनु भएकोमा धन्यवाद। के तपाईलाई हाम्रा लेखहरू मनपर्छ? थप रोचक सामग्री हेर्न चाहनुहुन्छ? हामीलाई अर्डर गरेर वा साथीहरूलाई सिफारिस गरेर समर्थन गर्नुहोस्, Habr प्रयोगकर्ताहरूको लागि 30% छुट प्रविष्टि-स्तर सर्भरहरूको एक अद्वितीय एनालगमा, जुन तपाईंको लागि हामीद्वारा आविष्कार गरिएको थियो: VPS (KVM) E5-2650 v4 (6 कोर) 10GB DDR4 240GB SSD 1Gbps $ 20 बाट वा कसरी सर्भर साझा गर्ने बारे सम्पूर्ण सत्य? (RAID1 र RAID10 सँग उपलब्ध, 24 कोर सम्म र 40GB DDR4 सम्म)।

डेल R730xd 2 गुणा सस्तो? यहाँ मात्र 2 x Intel TetraDeca-Core Xeon 2x E5-2697v3 2.6GHz 14C 64GB DDR4 4x960GB SSD 1Gbps 100 TV $199 बाट नेदरल्याण्ड मा! Dell R420 - 2x E5-2430 2.2Ghz 6C 128GB DDR3 2x960GB SSD 1Gbps 100TB - $99 बाट! बारे पढ्नुहोस् पूर्वाधार कर्पोरेशन कसरी निर्माण गर्ने। डेल R730xd E5-2650 v4 सर्भरहरूको प्रयोगको साथ एक पैसाको लागि 9000 यूरो मूल्यको वर्ग?

स्रोत: www.habr.com