नोट्स के बीच पढ़ें: संगीत के अंदर डेटा ट्रांसफर सिस्टम

व्यक्त करें कि कौन से शब्द व्यक्त नहीं कर सकते हैं; भावनाओं के एक तूफान में intertwined सबसे विविध भावनाओं को महसूस करें; पृथ्वी, आकाश और यहाँ तक कि स्वयं ब्रह्माण्ड से दूर जाना, एक ऐसी यात्रा पर जाना जहाँ न नक्शे हों, न सड़कें हों, न चिन्ह हों; एक पूरी कहानी है, जो हमेशा अद्वितीय और अनुपयोगी रहेगी, का आविष्कार करने, बताने और राहत देने के लिए। यह सब आपको संगीत बनाने की अनुमति देता है - एक कला जो कई हजारों सालों से मौजूद है और हमारे कानों और दिलों को प्रसन्न करती है।

हालांकि, संगीत, या बल्कि संगीत का काम करता है, न केवल सौंदर्य आनंद के लिए सेवा कर सकता है, बल्कि उनमें एन्कोड की गई जानकारी को प्रसारित करने के लिए भी, किसी भी उपकरण के लिए और श्रोता के लिए अदृश्य हो सकता है। आज हम आपके साथ एक बहुत ही असामान्य अध्ययन करेंगे, जिसमें ज़्यूरिख के स्विस हायर टेक्निकल स्कूल के स्नातक छात्र मानव कान के लिए संगीत के कार्यों में स्पष्ट रूप से कुछ डेटा डालने में सक्षम थे, जिसके कारण संगीत स्वयं एक डेटा ट्रांसमिशन चैनल बन जाता है। वास्तव में उन्हें अपनी तकनीक का एहसास कैसे हुआ, क्या बिना एम्बेडेड डेटा के साथ धुनें बहुत अलग हैं, और व्यावहारिक परीक्षण क्या दिखाए गए हैं? हम इसके बारे में शोधकर्ताओं की रिपोर्ट से सीखते हैं। चलो चलते हैं।

अध्ययन का आधार

शोधकर्ता अपनी तकनीक को एक ध्वनिक डेटा ट्रांसमिशन तकनीक कहते हैं। जब स्पीकर बदले हुए मेलोडी को पुन: पेश करता है, तो एक व्यक्ति इसे हमेशा की तरह मानता है, लेकिन, उदाहरण के लिए, एक स्मार्टफोन लाइनों के बीच एन्कोडेड जानकारी को पढ़ सकता है, नोटों के बीच अधिक सटीक रूप से, अगर मैं ऐसा कह सकता हूं। डेटा ट्रांसफर की इस पद्धति के कार्यान्वयन में सबसे महत्वपूर्ण पहलू, वैज्ञानिकों (तथ्य यह है कि ये लोग अभी भी स्नातक छात्र हैं, उन्हें वैज्ञानिक होने से नहीं रोकते हैं) इन मापदंडों के स्तर को बनाए रखते हुए ट्रांसमिशन की गति और विश्वसनीयता को कॉल करते हैं, भले ही चयनित ऑडियो फ़ाइल की परवाह किए बिना। मनोविश्लेषण, ध्वनियों के मानव धारणा के मनोवैज्ञानिक और शारीरिक पहलुओं का अध्ययन करना, इस कार्य से निपटने में मदद करता है।

ध्वनिक डेटा ट्रांसमिशन के मूल को ओएफडीएम (ऑर्थोगोनल फ्रिक्वेंसी डिवीजन मल्टीप्लेक्सिंग) कहा जा सकता है, जिसने समय के साथ मूल संगीत के लिए सबकेरियर के अनुकूलन के साथ, प्रेषित सूचना के लिए प्रेषित आवृत्ति स्पेक्ट्रम के उपयोग को अधिकतम करना संभव बना दिया। इसके लिए धन्यवाद, 24 मीटर (त्रुटि दर <10%) की दूरी पर 412 बिट / एस की ट्रांसमिशन गति को प्राप्त करना संभव था। 40 स्वयंसेवकों को शामिल करने वाले व्यावहारिक प्रयोगों ने इस तथ्य की पुष्टि की कि मूल माधुर्य और उस जानकारी के बीच अंतर को सुनना लगभग असंभव है जिसमें जानकारी अंतर्निहित थी।

इस तकनीक को व्यवहार में कहां लागू किया जा सकता है? शोधकर्ताओं के पास अपना जवाब है: लगभग सभी आधुनिक स्मार्टफोन, लैपटॉप और अन्य हैंडहेल्ड डिवाइस माइक्रोफोन से लैस हैं, और कई सार्वजनिक स्थानों (कैफे, रेस्तरां, शॉपिंग सेंटर, आदि) में पृष्ठभूमि संगीत के साथ स्पीकर हैं। उदाहरण के लिए, वाई-फाई नेटवर्क से कनेक्ट करने के लिए डेटा को अतिरिक्त कार्यों को करने की आवश्यकता के बिना इस पृष्ठभूमि के माधुर्य में एम्बेड किया जा सकता है।

ध्वनिक डेटा ट्रांसमिशन की सामान्य विशेषताएं हमारे लिए स्पष्ट हो गई हैं, अब हम इस प्रणाली की संरचना का विस्तृत अध्ययन करते हैं।

सिस्टम विवरण

फ्रीक्वेंसी मास्किंग के कारण मेलोडी में डेटा का समावेश होता है। समय अंतराल में, मास्किंग आवृत्तियों की पहचान की जाती है, और इन मास्किंग तत्वों के करीब ओएफडीएम सबकेरियर्स को डेटा से आबाद किया जाता है।


छवि # 1: स्रोत फ़ाइल को वक्ताओं के माध्यम से प्रेषित एक समग्र सिग्नल (मेलोडी + डेटा) में परिवर्तित करें।

शुरू करने के लिए, मूल ऑडियो सिग्नल को विश्लेषण के लिए लगातार खंडों में विभाजित किया गया है। L = 8820 नमूनों का प्रत्येक खंड (H _i ), 200 ms के बराबर, सीमा प्रभावों को कम करने के लिए एक खिड़की * से गुणा किया जाता है।

विंडो * वेट फ़ंक्शन है जिसका उपयोग वर्णक्रमीय अनुमानों में साइड लॉब्स की उपस्थिति के कारण प्रभावों को नियंत्रित करने के लिए किया जाता है।

फिर, प्रारंभिक संकेत के प्रमुख आवृत्तियों को 500 हर्ट्ज से 9.8 किलोहर्ट्ज़ तक की सीमा में पाया गया, जिससे इस सेगमेंट के लिए मास्किंग फ़्रीक्वेंसी f _{M, l} प्राप्त करना संभव हो गया। इसके अलावा, रिसीवर में उपकारकों के स्थान को निर्धारित करने के लिए डेटा को 9.8 से 10 किलोहर्ट्ज़ तक छोटी सीमा में प्रेषित किया गया था। उच्च आवृत्ति पर स्मार्टफोन के माइक्रोफोन की कम संवेदनशीलता के कारण उपयोग की गई आवृत्ति रेंज की ऊपरी सीमा 10 kHz पर सेट की गई थी।

प्रत्येक विश्लेषण खंड के लिए मास्किंग आवृत्तियों को व्यक्तिगत रूप से निर्धारित किया गया था। एचपीएस विधि (उत्पादों के हार्मोनिक स्पेक्ट्रम) का उपयोग करते हुए, तीन प्रमुख आवृत्तियों की स्थापना की गई, जिसके बाद उन्हें हार्मोनिक रंगीन पैमाने के निकटतम नोटों में गोल किया गया। इस तरह से मुख्य नोट f _{F, i} = 1 ... 3, कुंजियों के बीच C0 (16.35 हर्ट्ज) और B0 (30.87 हर्ट्ज) प्राप्त हुए। इस तथ्य के आधार पर कि 500 ​​हर्ट्ज की सीमा में डेटा ट्रांसमिशन में उपयोग के लिए मुख्य नोट्स बहुत कम हैं ... 9.8 kHz उनके उच्च सप्तक 2 ^k f _{F, मैं} गणना की गई थी। इनमें से कई आवृत्तियों (एफ _{ओ, एल 1} ) को एचपीएस की प्रकृति के कारण अधिक स्पष्ट किया गया था।


छवि नंबर 2: मुख्य नोटों और हार्मोनिक्स एफ _{एच, एल 2 के} सबसे मजबूत स्वर के लिए ओक्टेव्स एफ _{ओ, एल 1 की} गणना करें।

ऑक्टेव्स और हार्मोनिक्स की समग्रता का उपयोग मास्किंग आवृत्तियों के रूप में किया गया था, जिसके आधार पर सबकेरियर एफ _{एससी,} के केडीएम आवृत्तियों को प्राप्त किया गया था। प्रत्येक मास्किंग आवृत्ति के नीचे और ऊपर, दो उपकारक सम्मिलित किए गए थे।

फिर, ऑडियो सेगमेंट H _i का स्पेक्ट्रम सबकेरियर फ्रिक्वेंसी f _{SC, k} पर फ़िल्टर किया गया था। फिर, Bi में सूचना बिट्स के आधार पर, एक OFDM प्रतीक बनाया गया था, जिसके कारण समग्र खंड C _i को स्पीकर के माध्यम से प्रेषित किया जा सकता था। सबकेरियर्स के मूल्यों और चरणों को चुना जाना चाहिए ताकि रिसीवर प्रेषित डेटा को पुनः प्राप्त कर सके, जबकि श्रोता माधुर्य में परिवर्तन को नोटिस नहीं करता है।


चित्र 3: मूल माधुर्य के हाय सेगमेंट के स्पेक्ट्रम की आवृत्ति और आवृत्ति की साजिश।

जब इसमें दी गई जानकारी के साथ एक ऑडियो सिग्नल वक्ताओं के माध्यम से पुन: पेश किया जाता है, तो प्राप्त डिवाइस का माइक्रोफ़ोन इसे रिकॉर्ड करता है। एम्बेडेड OFDM प्रतीकों के शुरुआती पदों को खोजने के लिए, प्रविष्टियों को पहले बैंडपास फ़िल्टरिंग के माध्यम से छोड़ दिया जाना चाहिए। इस तरह, ऊपरी आवृत्ति सीमा को निकाला जाता है जहां उपकारकों के बीच कोई संगीत हस्तक्षेप संकेत नहीं होता है। आप चक्रीय उपसर्ग का उपयोग करके OFDM प्रतीकों की शुरुआत पा सकते हैं।

OFDM प्रतीकों की शुरुआत का पता लगाने के बाद, रिसीवर ऊपरी आवृत्ति डोमेन को डिकोड करके सबसे प्रमुख नोटों के बारे में जानकारी प्राप्त करता है। इसके अलावा, ओएफडीएम संकीर्णता हस्तक्षेप स्रोतों के खिलाफ पर्याप्त रूप से मजबूत है, क्योंकि वे केवल कुछ उपकारकों को प्रभावित करते हैं।

व्यावहारिक परीक्षण

KRK Rokit 8 स्पीकर ने बदले हुए धुन के स्रोत के रूप में काम किया, और Nexus 5X स्मार्टफोन ने मेजबान की भूमिका निभाई।


चित्र 4: ओएफडीएम की वास्तविक अभिव्यक्तियों और सहसंबंध चोटियों के बीच का अंतर स्पीकर और माइक्रोफोन के बीच 5 मीटर की दूरी पर घर के अंदर मापा जाता है।

अधिकांश OFDM अंक 0 से 25 एमएस तक हैं, इसलिए आप 66.6 एमएस के चक्रीय उपसर्ग के भीतर एक वैध शुरुआत पा सकते हैं। शोधकर्ताओं ने ध्यान दिया कि रिसीवर (इस प्रयोग में, एक स्मार्टफोन) ध्यान में रखता है कि OFDM प्रतीकों को समय-समय पर पुन: पेश किया जाता है, जिससे उनकी पहचान में सुधार होता है।

जांच करने वाली पहली चीज बिट त्रुटि दर (बीईआर) पर दूरी का प्रभाव था। ऐसा करने के लिए, विभिन्न प्रकार के कमरों में तीन परीक्षण किए गए: कालीन के साथ एक गलियारा, फर्श पर लिनोलियम के साथ एक कार्यालय और लकड़ी के फर्श के साथ एक दर्शक।


वैन हेलेन के गीत "एंड द क्रैडल विल रॉक" को "परीक्षण विषय" के रूप में चुना गया था।

ध्वनि की मात्रा को समायोजित किया गया था ताकि स्पीकर से 2 मीटर की दूरी पर स्मार्टफोन द्वारा मापा गया ध्वनि स्तर 63 डीबी हो।


छवि संख्या 5: स्पीकर और माइक्रोफोन (नीली रेखा - दर्शकों, हरे - गलियारे, नारंगी - कार्यालय) के बीच की दूरी के आधार पर BER संकेतक।

गलियारे में, स्पीकर से 24 मीटर की दूरी पर एक स्मार्टफोन द्वारा 40 डीबी की आवाज उठाई गई थी। 15 मीटर की दूरी पर दर्शकों में, ध्वनि 55 डीबी थी, और कार्यालय में 8 मीटर की दूरी पर, स्मार्टफोन द्वारा कथित ध्वनि का स्तर 57 डीबी तक पहुंच गया।

इस तथ्य के कारण कि दर्शक और कार्यालय अधिक प्रतिष्ठित हैं, देर से OFDM प्रतीक गूँज चक्रीय उपसर्ग की लंबाई से अधिक है और BER को बढ़ाता है।

रीवरब * - इसकी कई परावर्तन के कारण ध्वनि की तीव्रता में धीरे-धीरे कमी।

इसके अलावा, शोधकर्ताओं ने इसे तीन शैलियों (नीचे तालिका) के 6 अलग-अलग गानों पर लागू करके अपनी प्रणाली की बहुमुखी प्रतिभा का प्रदर्शन किया।


तालिका संख्या 1: परीक्षण में प्रयुक्त गीत।

इसके अलावा, तालिका में डेटा के माध्यम से, हम प्रत्येक गीत के लिए बिट दर और बिट त्रुटि दर देख सकते हैं। डेटा ट्रांसफर की गति अलग-अलग होती है क्योंकि एक ही सबएकरियर का उपयोग करने पर डिफरेंशियल BPSK (फेज शिफ्ट कीिंग) बेहतर तरीके से काम करता है। और यह तब संभव है जब आसन्न खंडों में समान मास्किंग तत्व होते हैं। लगातार जोर से गाने डेटा को छिपाने के लिए एक इष्टतम आधार प्रदान करते हैं, क्योंकि व्यापक आवृत्ति रेंज में मास्किंग आवृत्तियों को अधिक स्पष्ट किया जाता है। तेजी से बदलते संगीत विश्लेषण खिड़की की निश्चित लंबाई के कारण केवल आंशिक रूप से OFDM प्रतीकों को मुखौटा कर सकते हैं।

इसके बाद, लोगों ने प्रणाली का परीक्षण करना शुरू कर दिया, जो यह निर्धारित करने वाले थे कि कौन सा राग मूल था और जिसे इसमें अंतर्निहित जानकारी द्वारा संशोधित किया गया था। इसके लिए, टेबल नंबर 1 के गानों के 12-सेकंड अंश एक विशेष साइट पर पोस्ट किए गए थे।

पहले प्रयोग (ई 1) में, प्रत्येक प्रतिभागी को संशोधित या सुनने के लिए एक मूल टुकड़ा प्रदान किया गया था, और उसे यह तय करना था कि यह टुकड़ा मूल था या बदल गया था। दूसरे प्रयोग (ई 2) में, प्रतिभागी दोनों विकल्पों को जितनी बार चाहें सुन सकते हैं, और फिर तय कर सकते हैं कि कौन सा मूल है और कौन सा बदल गया है।


तालिका संख्या 2: प्रयोगों के परिणाम E1 और E2।

पहले प्रयोग के परिणामों में दो संकेतक हैं: p ( | ) - प्रतिभागियों का प्रतिशत जिन्होंने मूल मेलोडी और p (। ) को सही ढंग से चिह्नित किया है - प्रतिभागियों का प्रतिशत जिन्होंने मूल के रूप में परिवर्तित संस्करण को चिह्नित किया है।

यह उत्सुक है कि कुछ प्रतिभागियों, शोधकर्ताओं के अनुसार, कुछ संशोधित धुनों को मूल से अधिक मूल माना जाता है। दोनों प्रयोगों के औसत संकेतक से पता चलता है कि औसत श्रोता एक नियमित माधुर्य और एक जिसमें डेटा एम्बेडेड था, के बीच अंतर को नोटिस नहीं करेगा।

स्वाभाविक रूप से, संगीत पारखी और संगीतकार बदले हुए धुनों में कुछ अशुद्धि और संदिग्ध तत्वों को पकड़ने में सक्षम होंगे, लेकिन ये तत्व उतने महत्वपूर्ण नहीं हैं जितना कि असुविधा का कारण बनते हैं।

और अब हम स्वयं प्रयोग में भाग ले सकते हैं। नीचे एक ही माधुर्य के लिए दो विकल्प हैं - मूल और संशोधित। क्या आप अंतर सुनते हैं?

राग का मूल संस्करण
बनाम
माधुर्य का संशोधित संस्करण

अध्ययन की बारीकियों के साथ एक अधिक विस्तृत परिचित के लिए, मेरा सुझाव है कि आप अनुसंधान समूह की रिपोर्ट देखें ।

आप इस लिंक पर अध्ययन में उपयोग की गई मूल और संशोधित धुनों की ऑडियो फाइलों का ज़िप-संग्रह भी डाउनलोड कर सकते हैं।

उपसंहार

इस काम में, ज्यूरिख के स्विस हायर टेक्निकल स्कूल के स्नातक छात्रों ने संगीत के अंदर एक अद्भुत डेटा ट्रांसफर सिस्टम का वर्णन किया। ऐसा करने के लिए, उन्होंने आवृत्ति मास्किंग का उपयोग किया, जो स्पीकर द्वारा चलाए जाने वाले मेलोडी में डेटा को एम्बेड करने की अनुमति देता है। यह माधुर्य डिवाइस के माइक्रोफोन द्वारा माना जाता है, जो छिपे हुए डेटा को पहचानता है और उन्हें डिकोड करता है, जबकि औसत श्रोता को अंतर भी नजर नहीं आता है। भविष्य में, लोग अपने सिस्टम को विकसित करने की योजना बनाते हैं, ऑडियो में डेटा एम्बेड करने के लिए और अधिक उन्नत तरीके चुनते हैं।

जब कोई व्यक्ति कुछ असामान्य लेकर आता है, और सबसे महत्वपूर्ण बात यह है कि हम हमेशा खुश रहते हैं। लेकिन इससे भी अधिक खुशी की बात यह है कि यह आविष्कार युवा लोगों द्वारा बनाया गया था। विज्ञान में कोई उम्र प्रतिबंध नहीं है। और अगर युवा विज्ञान को उबाऊ मानते हैं, तो इसे गलत कोण में प्रस्तुत किया जाता है, इसलिए बोलने के लिए। आखिरकार, जैसा कि हम जानते हैं, विज्ञान एक अद्भुत दुनिया है जो कभी विस्मित करना बंद नहीं करता है।



हमारे साथ बने रहने के लिए धन्यवाद। क्या आप हमारे लेख पसंद करते हैं? अधिक दिलचस्प सामग्री देखना चाहते हैं? एक आदेश रखकर या अपने दोस्तों को इसकी अनुशंसा करके हमें समर्थन दें, एंट्री-लेवल सर्वरों के अनूठे एनालॉग पर हैबर उपयोगकर्ताओं के लिए 30% छूट जो हमने आपके लिए ईजाद की है: VPS (KVM) E5-2650 v4 (6 कोर) 10GB DDR4 240GB SSD 1Gbps से पूरा सच $ 20 या सर्वर को कैसे विभाजित करें? (विकल्प RAID1 और RAID10 के साथ उपलब्ध हैं, 24 कोर तक और 40GB DDR4 तक)।

डेल R730xd 2 बार सस्ता? केवल हमारे पास 2 x Intel TetraDeca-Core Xeon 2x E5-2697v3 2.6GHz 14C 64GB DDR4 4x960GB SSD 1Gbps 100 TV नीदरलैंड के 199 डॉलर में से है! डेल R420 - 2x E5-2430 2.2Ghz 6C 128GB DDR3 2x960GB SSD 1Gbps 100TB - $ 99 से! इन्फ्रास्ट्रक्चर Bldg का निर्माण कैसे करें के बारे में पढ़ें । एक पैसा के लिए 9,000 यूरो की लागत डेल R730xd E5-2650 v4 सर्वर का उपयोग कर वर्ग?