Expressar o que palavras não conseguem transmitir; sentir as mais diversas emoções entrelaçadas em um furacão de sentimentos; desprender-se da terra, do céu e até mesmo do próprio Universo, embarcando em uma viagem onde não existem mapas, estradas ou sinalizações; inventar, contar e vivenciar uma história que sempre será única e inigualável. Tudo isso é possível graças à música — uma arte que existe há milhares de anos e que agrada nossos ouvidos e corações.
No entanto, a música, ou mais precisamente, as composições musicais, podem servir não apenas para o prazer estético, mas também para transmitir informações codificadas que são destinadas a algum dispositivo e imperceptíveis ao ouvinte. Hoje, iremos conhecer uma pesquisa bastante incomum, na qual estudantes de doutorado da Escola Politécnica Federal de Zurique conseguiram introduzir dados específicos em composições musicais sem que o ouvido humano percebesse. Como eles realizaram essa tecnologia, se as melodias com e sem os dados incorporados diferem muito e o que os testes práticos mostraram? Sobre isso iremos nos informar a partir da apresentação dos pesquisadores. Vamos lá.
Base da pesquisa
Os pesquisadores chamam sua tecnologia de técnica acústica de transmissão de dados. Quando um alto-falante reproduz uma melodia alterada, uma pessoa a percebe como comum, enquanto um smartphone, por exemplo, pode ler a informação codificada entre as linhas, ou melhor, entre as notas, se assim podemos dizer. O aspecto mais importante na implementação desse método de transmissão de dados, segundo os cientistas (o fato de que essas pessoas ainda são estudantes de pós-graduação não os impede de serem cientistas), é a velocidade e a confiabilidade da transmissão, mantendo o nível desses parâmetros independentemente do arquivo de áudio escolhido. Para enfrentar essa tarefa, a psicoacústica ajuda a estudar os aspectos psicológicos e fisiológicos da percepção sonora pelo ser humano.
O núcleo da transmissão acústica de dados pode ser descrito pelo OFDM (multiplexação por divisão de frequência ortogonal), que, juntamente com a adaptação das portadoras à música original ao longo do tempo, permitiu maximizar o uso do espectro da frequência transmitida para a transferência de informações. Graças a isso, foi possível alcançar uma velocidade de transmissão de 412 bits/s a uma distância de até 24 metros (taxa de erros < 10%). Experimentos práticos com 40 voluntários confirmaram que é praticamente impossível perceber a diferença entre a melodia original e a que teve informações embutidas.
Onde essa tecnologia pode ser aplicada na prática? Os pesquisadores têm sua própria resposta: praticamente todos os smartphones modernos, laptops e outros dispositivos portáteis estão equipados com microfones, e muitos locais públicos (cafés, restaurantes, shoppings, etc.) têm alto-falantes com música ambiente. Nessa melodia de fundo, é possível embutir, por exemplo, dados para conectar à rede Wi-Fi, sem a necessidade de realizar ações adicionais.
Agora que entendemos os aspectos gerais da transmissão acústica de dados, vamos passar a um exame detalhado da estrutura deste sistema.
Descrição do sistema
A inserção de dados na melodia é feita através da mascaragem de frequência. Em intervalos de tempo, as frequências de mascaramento são identificadas, e as portadoras OFDM, próximas a esses elementos de mascaramento, são preenchidas com dados.
Imagem nº 1: transformação do arquivo original em um sinal composto (melodia + dados), transmitido através de alto-falantes.
Primeiro, o sinal de áudio original é dividido em segmentos sequenciais para análise. Cada segmento (Hi) de L = 8820 amostras, equivalente a 200 ms, é multiplicado por uma janela* para minimizar os efeitos de borda.
Janela* é uma função de peso utilizada para controlar os efeitos causados pela presença de lobos laterais nas estimativas espectrais.
Em seguida, foram detectadas frequências dominantes do sinal original na faixa de 500 Hz a 9,8 kHz, o que permitiu obter as frequências de mascaramento fM,l para este segmento. Além disso, foram transmitidos dados em uma pequena faixa de 9,8 a 10 kHz para determinar a localização das portadoras no receptor. O limite superior da faixa de frequência utilizada foi fixado em 10 kHz devido à baixa sensibilidade dos microfones de smartphones em altas frequências.
As frequências de mascaramento foram determinadas para cada segmento analisado de forma individual. Utilizando o método HPS (espectro harmônico de produtos), foram identificadas três frequências dominantes, que depois foram arredondadas para as notas mais próximas da escala cromática harmônica. Assim, foram obtidas as notas principais fF,i = 1…3, situadas entre as teclas C0 (16,35 Hz) e B0 (30,87 Hz). Considerando que as notas principais são demasiado baixas para serem utilizadas na transmissão de dados, foram calculadas suas octavas mais altas 2kfF,i na faixa de 500 Hz a 9,8 kHz. Muitas dessas frequências (fO,l1) foram mais pronunciadas devido à natureza do HPS.
Imagem nº 2: octavas calculadas fO,l1 para as notas principais e harmônicos fH,l2 do tom mais forte.
O conjunto de octavas e harmônicos foi utilizado como frequências de mascaramento, com base nas quais foram obtidas as frequências de subportadora OFDM fSC,k. Duas subportadoras foram inseridas acima e abaixo de cada frequência de mascaramento.
Em seguida, ocorreu a filtragem do espectro do segmento de áudio Hi nas frequências das subportadoras fSC,k. Com base nos bits informativos em Bi, foi criado um símbolo OFDM, permitindo que o segmento composto Ci fosse transmitido por meio do alto-falante. Os valores e fases das subportadoras precisam ser escolhidos de maneira que o receptor possa extrair os dados transmitidos, enquanto o ouvinte não percebe alterações na melodia.
Imagem nº 3: faixa do espectro e as frequências das subportadoras do segmento Hi da melodia original.
Quando o sinal de áudio, que contém informações codificadas, é reproduzido através dos alto-falantes, o microfone do dispositivo receptor o registra. Para encontrar as posições iniciais dos símbolos OFDM embutidos, a gravação deve ser filtrada por faixa de frequência. Assim, é extraída a faixa superior de frequência, onde não há sinais musicais interferentes entre as portadoras. O início dos símbolos OFDM pode ser encontrado com o uso do prefixo cíclico.
Após detectar o início dos símbolos OFDM, o receptor obtém informações sobre as notas mais dominantes por meio da decodificação da faixa de frequência superior. Além disso, o OFDM é bastante resistente à influência de fontes de interferência de bandas estreitas, uma vez que elas afetam apenas algumas das portadoras.
Testes práticos
Como fonte das melodias alteradas, foi utilizado o alto-falante KRK Rokit 8, enquanto o smartphone Nexus 5X atuou como o dispositivo receptor.
Imagem nº 4: diferença entre as manifestações reais do OFDM e os picos de correlação medidos em um ambiente a 5 m de distância entre o alto-falante e o microfone.
A maioria dos pontos do OFDM está na faixa de 0 a 25 ms, por isso é possível encontrar um início aceitável dentro do prefixo cíclico de 66,6 ms. Os pesquisadores observam que o receptor (neste experimento, o smartphone) leva em consideração que os símbolos OFDM são reproduzidos periodicamente, o que melhora sua detecção.
A primeira coisa a ser verificada foi a influência da distância na taxa de erro por bit (BER). Para isso, foram realizados três testes em diferentes tipos de ambientes: um corredor com carpete, uma sala com linóleo no piso e um auditório com piso de madeira.
A canção escolhida para o "teste" foi "And The Cradle Will Rock" da banda Van Halen.
O volume de som foi ajustado de modo que o nível de som medido pelo smartphone a 2 m do alto-falante fosse de 63 dB.
Imagem nº 5: índices de BER em função da distância entre o alto-falante e o microfone (linha azul — auditório, verde — corredor, laranja — escritório).
No corredor, o som de 40 dB foi captado pelo smartphone a uma distância de até 24 metros do alto-falante. No auditório, a 15 m, o som estava em 55 dB, enquanto no escritório, a uma distância de 8 metros, o nível de som percebido pelo smartphone alcançou 57 dB.
Devido ao fato de que o público e o escritório têm mais reverberação, os ecos atrasados dos símbolos OFDM excedem o comprimento do prefixo cíclico e aumentam o BER.
Reverberação* — a diminuição gradual da intensidade do som devido à sua múltipla reflexão.
Em seguida, os pesquisadores demonstraram a versatilidade de seu sistema aplicando-o a 6 músicas diferentes de três gêneros (tabela abaixo).
Tabela nº 1: músicas utilizadas nos testes.
Além disso, através dos dados da tabela, podemos ver a taxa de transmissão e as taxas de erro por bit para cada música. A taxa de transmissão varia porque o BPSK diferencial (manipulação de fase) funciona melhor quando as mesmas subportadoras são utilizadas. Isso é possível quando os segmentos adjacentes contêm os mesmos elementos de mascaramento. Músicas continuamente altas fornecem uma base ideal para ocultação de dados, pois as frequências de mascaramento estão mais fortemente presentes em uma ampla faixa de frequência. Músicas de rápida mudança podem mascarar os símbolos OFDM apenas parcialmente devido ao comprimento fixo da janela de análise.
Em seguida, o sistema foi testado por pessoas que deveriam determinar qual melodia era original e qual tinha sido modificada com informações inseridas. Para isso, trechos de 12 segundos das músicas na tabela nº 1 foram colocados em um site especial.
No primeiro experimento (E1), cada participante recebia um trecho modificado ou original para ouvir e tinha que decidir se esse trecho era original ou modificado. No segundo experimento (E2), os participantes podiam ouvir as duas versões quantas vezes quisessem, e depois decidir qual delas era o original e qual estava alterado.
Tabela nº 2: resultados dos experimentos E1 e E2.
Nos resultados da primeira experiência, há dois indicadores: p(O|O) — a porcentagem de participantes que identificaram corretamente a melodia original e p(O|M) — a porcentagem de participantes que identificaram a versão alterada da melodia como sendo a original.
Curiosamente, alguns participantes, segundo os pesquisadores, consideraram certas melodias alteradas mais originais do que o próprio original. A média dos dois experimentos indica que o ouvinte médio não perceberá a diferença entre uma melodia comum e aquela em que os dados foram incorporados.
Naturalmente, os conhecedores de música e os músicos poderão notar algumas imprecisões e elementos suspeitos nas melodias alteradas, mas esses elementos não são tão significativos a ponto de causar desconforto.
Agora, nós mesmos podemos participar do experimento. Abaixo estão duas versões da mesma melodia - a original e a alterada. Você consegue ouvir a diferença?
vs
Para um conhecimento mais detalhado sobre as nuances da pesquisa, recomendo dar uma olhada em do grupo de pesquisa.
Você também pode baixar o arquivo ZIP com os áudios das melodias originais e alteradas utilizadas no estudo em .
Epílogo
Neste trabalho, os graduandos da escola técnica superior de Zurique descreveram um sistema surpreendente de transmissão de dados dentro da música. Para isso, aplicaram a máscara de frequência, que permitiu incorporar dados na melodia reproduzida pelo alto-falante. Essa melodia é percebida pelo microfone do dispositivo, que reconhece os dados ocultos e os decodifica, enquanto o ouvinte médio nem percebe a diferença. No futuro, eles pretendem desenvolver seu sistema, buscando métodos mais avançados de inserção de dados no áudio.
Quando alguém inventa algo incomum, e o que é mais importante, funcional, sempre nos alegramos. Mas ainda mais alegria vem do fato de que essa invenção foi criada por jovens. A ciência não tem restrições de idade. E se os jovens acham a ciência entediante, significa que está sendo apresentada de forma inadequada. Afinal, como sabemos, a ciência é um mundo incrível que nunca deixa de surpreender.
Off-topic de sexta-feira:
Já que estamos falando de música, mais especificamente de rock, aqui está uma bela viagem pelo mundo do rock.
Queen, «Radio Ga Ga» (1984).
Obrigado pela atenção, mantenham-se curiosos, e um ótimo fim de semana a todos, pessoal! 🙂
Obrigado por estar conosco. Você gosta dos nossos artigos? Quer ver mais materiais interessantes? Apoie-nos fazendo um pedido ou recomendando a amigos, 30% de desconto para usuários do Habra em um análogo único de servidores de entrada, que foi desenvolvido para você: (disponíveis opções com RAID1 e RAID10, até 24 núcleos e até 40GB DDR4).
Dell R730xd pela metade do preço? Somente conosco na Holanda! Dell R420 — 2x E5-2430 2.2Ghz 6C 128GB DDR3 2x960GB SSD 1Gbps 100TB — a partir de $99! Leia sobre
Fonte: habr.com
