分类： 云计算
2016-12-29 16:17:39
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；
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。
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。
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：
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：
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。而在隐马尔可夫模型中,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。
