A exprima ceea ce cuvintele nu pot transmite; a simți cele mai diverse emoții, împletindu-se într-un uragan de sentimente; a se desprinde de pământ, cer și chiar de întreaga Univers, pornind într-o călătorie în care nu există hărți, drumuri sau semne; a inventa, povesti și trăi o întreagă poveste care va rămâne mereu unică și inegalabilă. Toate acestea sunt posibile datorită muzicii — o artă care există de mii de ani și ne încântă auzul și inimile.
Cu toate acestea, muzica, sau mai exact lucrările muzicale, pot servi nu doar pentru plăcerea estetică, ci și pentru transmiterea informațiilor codificate în ele, destinate unui anumit dispozitiv și neobservate de ascultător. Astăzi ne vom familiariza cu o cercetare destul de neobișnuită, în care studenții absolvenți de la Institutul Politehnic Elvețian din Zurich au reușit, neobservându-se de urechea umană, să integreze anumite date în lucrările muzicale, astfel încât muzica în sine devine un canal de transmitere a datelor. Cum au realizat ei tehnologia, cât de diferite sunt melodiile cu date integrate și cele fără, și ce au arătat testele practice? Vom afla din raportul cercetătorilor. Să începem.
Baza cercetării
Cercetătorii își numesc tehnologia o tehnică acustică de transmitere a datelor. Atunci când un difuzor redă o melodie modificată, o persoană o percepe ca pe una obișnuită, în timp ce, de exemplu, un smartphone poate citi informațiile codificate între rânduri, mai exact între note, dacă pot spune așa. Cel mai important aspect al acestei metode de transmitere a datelor pe care oamenii de știință (faptul că acești tineri sunt în continuare studenți absolvenți nu le împiedică să fie oameni de știință) îl consideră viteza și fiabilitatea transmisiei, menținând nivelul acestor parametri indiferent de fișierul audio ales. A face față acestei sarcini este ajutat de psychoacustica, care studiază aspectele psihologice și fiziologice ale percepției sunetelor de către om.
Nuclee de transfer acustic de date poate fi considerat OFDM (multiplexare cu divizarea ortogonală a frecvențelor), care, împreună cu adaptarea purtătoarelor la muzica originală de-a lungul timpului, a permis utilizarea optimă a spectrului frecvenței transmise pentru transferul de informații. Datorită acestui fapt, s-a reușit atingerea unei viteze de transfer de 412 biți/s pe distanțe de până la 24 de metri (coeficientul de erori < 10%). Experimentele practice cu 40 de voluntari au confirmat că este aproape imposibil să percepi diferența dintre melodia originală și cea în care a fost injectată informația.
Unde poate fi aplicată această tehnologie în practică? Cercetătorii au propria variantă de răspuns: aproape toate smartphone-urile moderne, laptopurile și alte dispozitive portabile sunt echipate cu microfoane, iar în multe locuri publice (cafea, restaurante, centre comerciale etc.) există difuzoare cu muzică ambientală. În această melodie de fundal, se pot injecta, de exemplu, datele pentru conectarea la rețeaua Wi-Fi fără a fi necesare acțiuni suplimentare.
Caracteristicile comune ale transferului acustic de date ne-au devenit clare, acum să trecem la studiul detaliat al structurii acestui sistem.
Descrierea sistemului
Injectarea datelor în melodie se realizează prin mascare a frecvenței. În intervalele de timp, frecvențele de mascare sunt identificate, iar purtătoarele OFDM, apropiate de aceste elemente de mascare, sunt umplute cu date.
Imaginea nr. 1: conversia fișierului original într-un semnal compus (melodie + date), transmis prin difuzoare.
La început, semnalul audio original este împărțit în segmente secvențiale pentru analiză. Fiecare segment (Hi) din L = 8820 mostre, egal cu 200 ms, este înmulțit cu fereastra* pentru a minimiza efectele de margine.
Fereastra* este o funcție ponderată utilizată pentru a controla efectele cauzate de prezența lobiului lateral în estimările spectrale.
Ulterior, au fost identificate frecvențele dominante ale semnalului inițial în intervalul de la 500 Hz până la 9.8 kHz, ceea ce a permis obținerea frecvențelor mascare fM,l pentru acest segment. În plus, a avut loc transmiterea datelor într-un interval restrâns de la 9.8 la 10 kHz pentru a determina locația subportanțelor în receptor. Limita superioară a domeniului de frecvențe utilizat a fost stabilită pe 10 kHz din cauza sensibilității scăzute a microfoanelor smartphone-urilor la frecvențe înalte.
Frecvențele mascare au fost determinate pentru fiecare segment analizat în mod individual. Prin metoda HPS (spectrul armonic al produselor) au fost stabilite trei frecvențe dominante, după care acestea au fost rotunjite la cele mai apropiate note ale scalei cromatice armonice. Așa au fost obținute notele fundamentale fF,i = 1…3, situate între tastele C0 (16.35 Hz) și B0 (30.87 Hz). Având în vedere că notele fundamentale sunt prea joase pentru a fi utilizate în transmiterea datelor, au fost calculate octavele lor superioare 2kfF,i în intervalul de 500 Hz … 9.8 kHz. Multe dintre aceste frecvențe (fO,l1) au fost mai bine exprimate datorită naturii HPS.
Imaginea Nr. 2: octavele calculate fO,l1 pentru notele fundamentale și armonicile fH,l2 ale celui mai puternic ton.
Întregul set de octave și armonici a fost utilizat ca frecvențe mascare, pe baza cărora au fost obținute frecvențele subportanței OFDM fSC,k. Sub și deasupra fiecărei frecvențe mascare au fost inserate două subportați.
Ulterior, s-a realizat filtrarea spectrului audio al segmentului Hi la frecvențele subportanțelor fSC,k. Apoi, pe baza biților informaționali în Bi, s-a creat simbolul OFDM, astfel încât segmentul compus Ci să poată fi transmis prin difuzor. Valorile și fazele subportanțelor trebuie alese astfel încât receptorul să poată extrage datele transmise, în timp ce ascultătorul să nu observe modificările în melodie.
Imaginea Nr. 3: porțiunea spectrului și frecvențele subportanțelor segmentului Hi al melodiei inițiale.
Când semnalul audio cu informațiile codificate este redat prin difuzoare, microfonul dispozitivului receptor îl înregistrează. Pentru a găsi pozițiile inițiale ale simbolurilor OFDM încorporate, este necesar să treci înregistrările prin filtrare pe bandă. Astfel, se extrage banda de frecvență superioară, unde nu există semnale muzicale de interferență între subportatoare. Poziția de început a simbolurilor OFDM poate fi găsită folosind prefixul ciclic.
După detectarea începutului simbolurilor OFDM, receptorul obține informațiile despre cele mai dominante note prin decodificarea zonei de frecvență superioară. De asemenea, OFDM este suficient de robust împotriva influenței surselor de interferențe cu bandă îngustă, deoarece acestea afectează doar unele dintre subportatoare.
Testări practice
Ca sursă de melodii modificate a fost folosit difuzorul KRK Rokit 8, iar rolul părții receptor a fost jucat de smartphone-ul Nexus 5X.
Imaginea nr. 4: diferența dintre manifestările reale ale OFDM și vârfurile corelațiilor măsurate în interior la o distanță de 5 m între difuzor și microfon.
Majoritatea punctelor OFDM se află în intervalul de la 0 la 25 ms, așa că se poate găsi un început acceptabil în interiorul prefixului ciclic de 66,6 ms. Cercetătorii observă că receptorul (în acest experiment smartphone-ul) ia în considerare că simbolurile OFDM sunt redate periodic, ceea ce îmbunătățește detectarea acestora.
Primul lucru pe care a fost necesar să-l verificăm a fost influența distanței asupra coeficientului de erori pe biți (BER). Pentru aceasta s-au efectuat trei teste în diferite tipuri de încăperi: un hol cu covor, un birou cu linoleum pe podea și o sală de audiență cu podea din lemn.
Ca «subiect de testare» a fost aleasă melodie „And The Cradle Will Rock” a trupei Van Halen.
Volumul a fost ajustat astfel încât nivelul sunetului măsurat de smartphone la o distanță de 2 m de difuzor să fie de 63 dB.
Imaginea nr. 5: indicatorii BER în funcție de distanța dintre difuzor și microfon (linia albastră - sală de audiență, linia verde - hol, linia portocalie - birou).
În hol, sunetul de 40 dB a fost captat de smartphone la o distanță de până la 24 de metri de difuzor. În sală, la o distanță de 15 m, sunetul a fost de 55 dB, iar în birou, la o distanță de 8 metri, nivelul sunetului perceput de smartphone a ajuns la 57 dB.
Având în vedere că audiența și biroul sunt mai reverberante, semnalele întârziate de ecou ale simbolurilor OFDM depășesc lungimea prefixului ciclic și cresc BER.
Reverberație* — diminuarea treptată a intensității sunetului datorită reflecției sale multiple.
Mai departe, cercetătorii au demonstrat versatilitatea sistemului lor aplicându-l la 6 melodii diferite din trei genuri (tabelul de mai jos).
Tabelul nr. 1: melodiile utilizate în teste.
De asemenea, prin intermediul datelor din tabel putem observa viteza de transmisie și coeficientul de eroare pe bit pentru fiecare melodie. Viteza de transmisie diferă deoarece BPSK diferențial (modularea de fază) funcționează mai bine atunci când se folosesc aceleași subportante. Aceasta este posibilă atunci când segmentele adiacente conțin aceleași elemente de mască. Melodiile continuu intense oferă o bază optimă pentru ascunderea datelor, deoarece frecvențele de mască sunt mai pronunțate într-un interval larg de frecvențe. Muzica care se schimbă repede poate masca simbolurile OFDM doar parțial din cauza lungimii fixe a feroniei de analiză.
Ulterior, testarea sistemului a fost realizată de oameni care trebuiau să determine care melodie era originală și care a fost modificată prin informațiile integrate în aceasta. Pentru aceasta, fragmente de 12 secunde din melodiile din tabelul nr. 1 au fost plasate pe un site special.
În primul experiment (E1), fiecărui participant i-a fost oferit un fragment modificat sau original pentru a-l asculta și trebuia să decidă dacă acest fragment este original sau modificat. În al doilea experiment (E2), participanții au putut asculta de câte ori doresc ambele variante și apoi să decidă care din ele este originalul și care este modificat.
Tabelul nr. 2: rezultatele experimentele E1 și E2.
În rezultatele primei experiențe sunt două indicatori: p(O|O) — procentul participanților care au identificat corect melodia originală și p(O|M) — procentul participanților care au identificat versiunea modificată a melodiei ca fiind originală.
Este interesant că unii participanți, conform cercetătorilor, considerau anumite melodii modificate mai originale decât originalul în sine. Media rezultatelor ambelor experimente sugerează că un ascultător mediu nu va observa diferența dintre o melodie obișnuită și aceea în care au fost integrate datele.
Bineînțeles, cunoscătorii muzicii și muzicienii vor putea sesiza anumite inexactități și elemente suspecte în melodiile modificate, dar aceste elemente nu sunt atât de semnificative încât să provoace disconfort.
Și acum putem participa noi înșine la experiment. Mai jos sunt prezentate două variante ale aceleași melodii — originală și modificată. Observați diferența?
vs
Pentru o mai bună înțelegere a nuanțelor cercetării, vă recomand să consultați grupului de cercetare.
De asemenea, puteți descărca arhiva ZIP cu fișierele audio ale melodiilor originale și modificate folosite în studiu, la .
Epilog
În această lucrare, doctoranzii Școlii Tehnice Superioare din Zurich au descris un sistem uimitor de transmitere a datelor în interiorul muzicii. Pentru aceasta, au aplicat mascarea frecvențelor, ceea ce a permis integrarea datelor în melodia redată de un difuzor. Această melodie este percepută de microfonul dispozitivului, care recunoaște datele ascunse și le decodează, în timp ce un ascultător mediu nu va observa nicio diferență. În continuare, băieții intenționează să-și dezvolte sistemul, găsind metode din ce în ce mai sofisticate de integrare a datelor în audio.
Atunci când cineva inventează ceva neobișnuit și, cel mai important, funcțional, ne bucurăm întotdeauna. Dar și mai mult ne bucurăm să vedem că această descoperire a fost realizată de tineri. Știința nu are limite de vârstă. Dacă tinerii consideră că știința este plictisitoare, înseamnă că este prezentată dintr-o perspectivă greșită. Așa cum știm, știința este o lume uimitoare care nu încetează să ne surprindă.
Off-topic de vineri:
Cum am ajuns să discutăm despre muzică, mai ales rock, iată o călătorie minunată prin universul rockului.
Queen, „Radio Ga Ga” (1984).
Vă mulțumesc pentru atenție, rămâneți curioși și să aveți un weekend plăcut, tuturor! 🙂
Vă mulțumim că rămâneți cu noi. Vă plac articolele noastre? Doriți să vedeți mai multe materiale interesante? Susțineți-ne făcând o comandă sau recomandându-ne prietenilor. 30% reducere pentru utilizatorii Habr pentru un server entry-level unic, creat special pentru tine: (sunt disponibile opțiuni cu RAID1 și RAID10, până la 24 nuclee și până la 40GB DDR4).
Dell R730xd la jumătate de preț? Numai la noi în Olanda! Dell R420 — 2x E5-2430 2.2Ghz 6C 128GB DDR3 2x960GB SSD 1Gbps 100TB — de la 99 $! Citiți despre
Sursa: habr.com
