Chinaunix首页 | 论坛 | 博客
  • 博客访问: 453845
  • 博文数量: 153
  • 博客积分: 0
  • 博客等级: 民兵
  • 技术积分: 1575
  • 用 户 组: 普通用户
  • 注册时间: 2016-12-20 17:02
文章分类

全部博文(153)

文章存档

2017年(111)

2016年(42)

我的朋友

分类: 云计算

2016-12-29 16:17:39

1 项目背景与介绍

       众所周知,图像二维码在国内随处可见,被用到了极致,信息分享、个人账号登录、签到等等,能够方便有效的进行信息透传,给大家带来了诸多的便利。那么在移动互联网手机硬件各种传感器中,还有哪些非网络的传感器可以进行信息传递呢?
       声波中距离传输,用声音来传递信息,达到数据传递的目的。只需要有声音播放与录制功能的设备之间即可传递信息,不局限手机与手机之间,比如ipad、手机、电视、广告牌等等;

2 声波传输算法详解

       声波传输,主要分为数据编码、合成声音信号、播放声源、录制声源、声波识别、数据译码,最终得到被传输的二进制数据。

2.1 数据编码与声波播放

2.1.1 数据编码

      传输有用的二进制数据,对二进制数据进行编码与加密操作,同时增加对应的crc校验码,最终组成对应的传输码流。

2.1.2 声波信号合成

      对进行加密后的二进制码流,生成对应的可以播放的声波信号。这里利用人耳感知模型,将加密的二进制数据隐藏在声波中,并随同声波进行传递信息。人耳感知模型--绝对掩蔽阈值,如下图所示:

      声音信号在空气中传播,呈现的是时间幅度信号。另外,人耳听到的声音可以从频域上进行区分,如常见的低音炮、男中音、女高音,都是指不同频率。人耳对于不同频率的感知敏感度不一致,经过人们长期研究发现,如上图所示,横轴为人耳感知的频率,纵轴为不同频率的声音响度,也可以通过以下公式得到:

2.1.3 混音模块

      通过人耳感知模型生成的声波信号,与背景音乐进行混音,这里存在将背景音乐的格式与声波信号格式统一的过程,因此需要进行滤波、重采样、混音操作,流程如下:

2.2 声波识别与解码

2.2.1 基于隐马尔科夫模型的声波识别

      声音在空气中传输,由于受到外界噪音、喇叭播放与麦克风录制的干扰,最终录制得到的声音信号的频域特征一定程度上产生了衰减与变化。因此采用隐马尔科夫模型HMM进行声波的识别与解码。
      隐马尔可夫模型(Hidden Markov Model,HMM)是统计模型,它用来描述一个含有隐含未知参数的马尔可夫过程。其难点是从可观察的参数中确定该过程的隐含参数。然后利用这些参数来作进一步的分析,例如模式识别。
      在正常的马尔可夫模型中,状态对于观察者来说是直接可见的。这样状态的转换概率便是全部的参数。而在马尔可夫模型中,状态并不是直接可见的,但受状态影响的某些变量则是可见的。每一个状态在可能输出的符号上都有一概率分布。因此输出符号的序列能够透露出状态序列的一些信息。如下图所示,其中:
      x为隐含状态,这里可以认为是每个频带特征;
      y为最终确定的频带特征;
      a为转换概率,即:识别到某一频带特征x1,实际上为x2的概率;
      b为输出概率,即:确定为某一频带x1,最终输出成y1的概率。


阅读全文请点击:
阅读(1857) | 评论(0) | 转发(0) |
给主人留下些什么吧!~~