音乐律动在智能照明领域的应用研究

林友钦，马 凡

(立达信物联科技股份有限公司， 福建 厦门 361010)

引言

LED光源作为新一代光源已全面进入到通用照明领域，它易于进行数字化控制，可以依据人们对照明的需求进行精密调节[1]。Zigbee、Bluetooth、Wi-Fi短距离无线通讯技术依据各自通讯距离、传输速率等方面的特点[2]，在智能设备领域取得了大范围的应用。长期以来，智能照明系统如雨后春笋般在市场涌现，其主要功能包含了远程控制、定时控制、分组和场景、设备联动等。随着智能照明行业的发展，市场上出现了以音乐律动为创新点的智能照明产品。对于这些产品，有的产品只是定期改变灯的颜色而不是与音乐匹配，有的过于生硬、律动感不好。除此之外，目前大部分灯光产品只能对单个灯具进行控制，效果过于单调，无法起到利用灯光调节整体气氛的目的[3]。同时，在音源较远的远场应用场景下，其音乐律动的效果显著下降。

因此，优化音源数据的处理算法，建立音乐特征值与色域的算法模型，整合无线通讯技术来提升音乐律动体验有非常重要的现实意义。

1 系统设计

本文以Wi-Fi+BLE的双协议灯为硬件载体，实现多灯音乐律动的系统。主要涉及BLE技术、Wi-Fi Beacon技术和Wi-Fi Sniffer技术(图1)。

图1 音乐律动系统Fig.1 Music rhythm system

音乐律动的过程为：

1)智能手机APP通过BLE侦听，选择与其最近的Wi-Fi+BLE 双协议智能灯，并与该智能灯建立BLE连接。被选中的智能灯则作为主节点，其他Wi-Fi+BLE 双协议智能灯为从节点，从节点打开自己的Wi-Fi Sniffer功能。

2)开启音乐律动后，APP开启麦克风拾音，并将提取后的音乐特征通过转换算法转换为灯光控制指令，通过BLE发送给主节点。

3)主节点将灯光控制指令通过Wi-Fi Beacon广播发送，并执行该灯光控制指令。

4)从节点执行接收到的灯光控制指令。

2 音乐特征及声音的拾取实现

声音的特征包括强度(单位为分贝，dB)，频率(单位为赫兹，Hz)。在音乐理论中，根据十二平均律和纯八度理论，每一个音符都存在着与之相应的频率[3]，其中绝大多数音符的频率均低于5 kHz，如表1所示。

表1 音符与频率关系Table 1 The relationship between musical note and frequency

根据音符的频率范围分布和香农采样定理，采样数量越多，得到的声音频谱分辨率越高。因绝大多数音符低于5 kHz，考虑到系统处理时间，本文采用44.1 kHz的采样频率，采集间隔为20 ms，单次采样点数为1 024个。

以某次采集的音乐数据为例，获得分贝—频率分布情况如图2所示。

根据图2，我们可以得出有效分贝(即振幅最大的分贝值)为53 dB，有效频率(即振幅最大的频率值)位于2.56 kHz。

图2 分贝—频率分布Fig.2 Decibel-frequency distribution

连续采集一小段音乐，我们可以得到一段声音特征值(包含音乐的强度和频率)，如图3和图4所示。

图3 有效分贝变化Fig.3 The changing of effective-decibel

图4 有效频率变化Fig.4 The changing of effective-frequency

3 音乐律动转换算法分析和实现

对于音乐特征值，秦玉龙[4]总结了音乐特征的组成，即基本特征：音高、音长、力度、速度和音色。从音乐基本特征推导出音乐的复杂特征：旋律、节奏和和声。进而进一步推导出音乐的曲式结构、情感内涵和音乐风格。

王乐等[5]提出了音乐基本特征与彩灯色彩之间的映射关系，即将音强与亮度、音色与饱和度、音高与色域建立起了多维度的关联关系，对音乐和色彩的关联进行了尝试和探索。

上述方法在实现上较复杂，在色彩与旋律关联效果的体验上不够明晰。本文提出以下转换算法。

对于音强，考虑音强受到音源距离的影响，本文对于音强的处理采用差分值的方法，将其与灯光亮度建立联系。即根据采集到的有效分贝值，将突然的下降拐点(即波峰)判断为音乐的节奏点，并在节奏点时，将灯光的亮度值调到最高，随后灯光亮度渐变回落，以此实现音强到灯光亮度控制的转换。

假定第N次采集到的有效分贝值为DN。则音乐节奏点判定的条件为：

①DN>DN-1且DN-1>DN-2，DN-1为节奏点；

②当前节奏点与上一节奏点的分贝差大于δ(δ为根据实际测试结果设置的去抖值)。

对于音高、速度和音长，结合到背后所表达的情感属性，将其与灯光色彩建立联系。为了提高灯光色彩的表现力，色彩饱和度采用最大值。

音乐旋律本身可以分为伤感或者欢快，色彩的性格属性也可以分为冷静或者热情。不同音乐旋律类型所具有的特质如表2所示。

表2 音乐旋律的类型及特征Table 2 The type of music and their characters

基于表2中不同音乐旋律类型的特征，循环统计和计算固定时间段内(例如5s)音乐节奏点的以下参数，推算出该时间段内的音乐旋律类型。

根据表1音符与频率的关系，定义频率低于1 kHz的音符为低频音。假设固定时间周期内低频音音乐节奏点的数量为M，总的音乐节奏点的数量为S。则低频音的比例R1为：

(1)

定义两个连续音乐节奏点的分贝差值大于5 dB为一个突变。假设固定时间周期内突变的数量为N，总的音乐节奏点的数量为S。则突变的比例R2为：

(2)

对音乐旋律的简约判断算法如下：

①如果R1>R2且R1-R2≥0.03，则音乐旋律为伤感；

②如果R2>R1且R2-R1≥0.03，则音乐旋律为欢快；

③其他情况，则音乐旋律为中性。

在实际的应用过程中，可以进一步优化算法，例如在判断当前音乐旋律的类型时，通过修改值0.03来调节中性音乐旋律的范围。

色彩(冷静)对应为图5色环中绿色、蓝色、紫色相关区域，色彩(热情)对应为图5色环中黄色、橙色、红色相关区域。

图5 色相环Fig.5 The color circle

由此，我们基于对音乐旋律类型的识别，将音乐旋律的“伤感”对应到照明色彩中“冷静”，将音乐旋律的“欢快”对应到照明色彩中“热情”，将音乐旋律的“中性”对应到全部色彩范围。以固定时间长度，周期性判断音乐旋律的类型，然后在对应色彩范围中随机选择色彩进行灯光呈现。

4 无线通讯技术实现

蓝牙低功耗(Bluetooth Low Energy，BLE)是由蓝牙技术联盟设计和维护的一种无线通讯技术。相较经典蓝牙，低功耗蓝牙旨在保持同等通信范围的同时显著降低功耗和成本。应用BLE的通用访问协议(GAP)规范、通用属性协议(GATT)规范，将智能手机与设备之间建立BLE连接，智能手机APP通过设备自定义的UUID服务进行控制指令的读写操作。

在无明显干扰的典型室内距离(5 m)，测试BLE GATT丢包率和延迟情况如表3所示。

表3 低功耗蓝牙GATT通信测试结果Table 3 The test results of BLE GATT communication

Wi-Fi Beacon即Wi-Fi信标帧，是IEEE 802.11管理帧的一种。Wi-Fi Beacon主要以广播的方式用来宣告某个网络的存在，也可以用来传输应用数据。IEEE 802.11是现今无线局域网通用的标准，它是由国际电气与电子工程师协会(IEEE)所定义的无线网络通信的标准[6]。Wi-Fi标准是802.11标准的一个子集，由Wi-Fi联盟负责管理。

Wi-Fi Sniffer即Wi-Fi 探针技术，它是基于Wi-Fi探测技术来识别周围无线网络设备的一种技术。当一个Wi-Fi设备在Wi-Fi Sniffer的侦听范围内， Wi-Fi设备发送任何一帧数据包，探针都能截获并分析出此帧MAC层与物理层的一些信息，比如发送与接收设备的MAC地址、帧类型、信号强度等。

在无明显干扰的典型室内距离(5 m)，发送者以150 ms间隔发送10 000个Wi-Fi Beacon帧(每个Beacon包以10 ms为间隔重发4次)，测试接收者收到Wi-Fi Beacon丢包率和延迟情况如表4所示。

表4 Wi-Fi Beacon通信测试结果Table 4 The test results of Wi-Fi Beacon communication

5 应用效果

对本文的音乐律动系统，就灯光控制与音乐节奏的同步性、主从节点之间灯光变化的同步性以及音乐旋律类型与灯光色彩的关联性进行评估和试验。

如表5所示，将测得时间进行汇总，我们得到了灯光变化与音乐节奏之间的平均总迟滞时间为不超过90 ms。实际的音乐律动体验中，可以感觉到良好的同步性。

表5 灯光效果与音乐节奏之间迟滞时间分析Table 5 The analysis of lag time between light effect and music rhythm

由于从节点的控制指令来源于主节点的转发，我们对主从节点之间的时间延迟进行测试，以评估主节点与从节点在灯光变化上的同步性(表6)。

表6 主从节点之间迟滞时间测试结果Table 6 The test result of lag time between master node and slave node

从表6测试结果来看，从节点的灯光变化相对于主节点的平均延迟约为35.4 ms，最大延迟为219 ms。实际的音乐律动体验中，主从节点之间的同步性总体非常良好，在极小概率下会有由于环境干扰等因素导致的较大延迟，这种现象肉眼可感知。

选择一首伤感音乐和一首欢快音乐，对本文提出的音乐旋律类型判断算法进行验证，其测试结果如表7所示。

表7 音乐旋律类型识别算法测试结果(伤感音乐和欢快音乐)Table 7 The test result of identifying the music rhythm type algorithm(blue music and happy music)

从测试结果来看，算法对这两首较典型的伤感和欢快音乐旋律的判断准确率为100%，效果较好。按照上述方法，继续扩大验证样本，得到测试结果如表8所示。

从表8的测试结果来看，算法对典型的伤感或欢快音乐旋律的判断准确率平均在90%以上，该算法具有较好的实用价值。

表8 音乐旋律类型识别算法测试结果(扩大验证样本)Table 8 The test result of identifying the music rhythm type algorithm(expand validation samples)

从实践来看，音乐律动时的灯光色彩跟音乐旋律类型有了较好的同步效果，实现了灯光对音乐情感的人性化表达，可以满足用户对音乐律动的多样化、人性化、智能化需求。

6 总结与展望

照明与音乐的律动是智能照明走向娱乐照明、情景照明等细分领域的一个重要方向。本文设计的音乐律动系统，在灯光控制与音乐节奏的同步性以及音乐旋律与灯光颜色的情感化关联方面都取得了预期的性能指标，能很好地满足用户体验。该系统目前已经在多款智能照明产品上得到应用，系统运行稳定。在音乐特征与灯光控制的转换算法、通讯技术的创新与组合等方面，还值得从业者继续探索和研究。在用户体验打磨和产品差异化应用方面，音乐律动技术必将是照明产品提升竞争力的一大突破点。