文章地址：Near-Ultrasound Communication for TV’s 2nd Screen Services
不开源
为了 提升第二屏幕应用服务的体验，提出了一种基于近超声（频率低于20KHZ）的 chirp signal 的通信系统
auto-correlation: 自相关
cross-correlation: 互相关
基于智能设备的 speaker-microphone 通信有一个称呼叫 near-ultrasound communication
2nd screen app services：用于获取电视节目的补充信息的程序，会从音频中识别电视节目。
near-ultrasound communication 想要被应用于 2nd screen app services必须满足两个条件：
（1）Tx信号应以至少15 bps的数据速率以极低的音量传输，以避免人类感知、对人类和动物的任何类型的有害影响以及违反音频响度的广播规定。
bps: 比特率，即每秒传送的比特数
（2）即使存在环境噪声，例如拍手声、嘎嘎声、喷嚏声等，如此低音量的Tx信号也可以通过室内非视距优势信道成功被几米外接收到
为了满足第一个条件，作者采用了 chirp quaternary orthogonal shift keying (QOK) 并且移除了保护间隔
为了满足第二个条件，通过区分 chirp signals 和环境噪声，开发了新的同步和载波侦听算法来满足第二个条件。
作者的目标应用场景如下所示：
（1）嵌入了节目标识符(ID)的听不见的发射信号被混合在广播站的电视节目的音频轨道中
（2）data rate 为15bps的不可听见的音频通过电视网络在 TV 的 speaker 上播放，并且被 智能设备的 麦克风接收到
（3）智能设备上，后台运行的应用程序解调了 节目ID，开始了解节目，从而开始补充第一个屏幕
所谓第一个屏幕就是用户正在看的电视
第二个屏幕就是用来补充节目信息的智能手机
相对于传统2nd screen services因为信号处理时间慢，需要用户持续运行程序； near-ultrasound technology 可以让程序在后台运行。
本部分介绍了目前近超声通信
对于 near-ultrasound 频段的信号，成年人人耳能感知到的音量阈值在 80dB，对青少年来说阈值是65dB
大音量超声波听久了会对人耳造成损伤，安全界限是 20KHZ，70dB的声音不能听超过8小时，如果暴露时间延长至16小时，阈值需要降低至65dB
声学知识补充
声音的响度 strength 与声波的振幅、频率以及其他各种环境因素相关
振幅与频率对响度起到了主导作用
振幅相同时，频率越高声压越大；频率相同时，振幅越大声压越大
参考：响度与振幅与分贝的关系是什么？
对于声音通信来说有一些挑战：
因为声音传播速度慢，所以多径效应影响很大；
通常声音信道都不是可视路径，比如电视为了所见边框厚度会将扬声器朝下
为了避免多径效应引起的码间串扰，很多学者会在 symbols 之间插入了 guard interval，显然，代价是降低数据速率。
（注意，作者没有用 guard interval）
而是用的下一小节提到的 chirp QOK modulation
为了降低 TX power 所以采用 chirp QOK（四进制正交键控） 而不是 chirp BOK（二进制正交键控）
作者分析了给定 chirp symbols 的正交程度，并且导出了一组近似正交的chirp symbols的共有条件。基于这些共有条件，作者在一个搜索空间内进行穷举搜索以找到一组最正交（最无关）的chirps
因为作者获得了在所有非零时延和零偏移下具有最小 cross-correlation 值得 chirps，所以可以完全不用 guard interval
（？？？？？？？一句都没看懂）
环境噪音（如塑料袋声或敲门声）会导致帧同步（如找到一帧的开头）和载波侦听（发现有效chirp signals）失效
3.2.1 和 3.2.2 在讲遇到的困难，3.2.3讲解决方法
在 RF 通信中，帧同步是通过检测由一段很长的伪随机序列组成的 preamble 来实现的
在近超声通信中，因为受到带宽限制和音量限制，为preamble 分配几十个比特是不可行的。
通常会通过检测 preamble 的能量来实现载波 carrier sensing，但是这在环境噪声下不起作用
错误的载波监听对于近超声通信的伤害相比RF通信来说要更大。因为近超声通信的冗余位更少
为了抵抗环境噪声，作者提出了两个算法， J-sync 和 J-CS，它们都是基于相关器输出的可区分模式
chirp signal 的相关器输出快速上升，然后会因为 narrow auto-correlation peak 和 多径效应而缓慢衰减，与之相对比，环境噪声的相关性在 shape 上是缓慢变化的。
作者把自己的信号中相关器输出部分命名为 J-shape，因为形状（应该是在时域中）看起来像是字母J
利用形状的特点， J-sync 算法在 preamble 的相关器输出中搜索形状最像”J“形的那一个峰值，这样的话即使存在环境噪声也能找到真正的 preamble
因为不只 preamble， data symbols 的相关器输出也是 J 形状，作者提出了一种新的 carrier sensing 算法，叫 J-CS，用来处理环境噪声
J-CS会通过预测 symbol 的位置处有多少信号的形状是 J形来显示一段音频的真实质量，J-CS通过将检测到的J形图案的数量和阈值相比较，来决定信号是否存在
这一部分阐述了发送帧是如何被设计以及被调制的
chirp signal 是载波随时间变化的信号
如下所示就是一个 up chirp signal 的时频特性曲线
作者为什么选用 chirp signals?
（1）相比 FSK信号，chirp signal 在做相关运算后拥有更窄的峰值，如下所示：
这在 peak detection 中可以提供更高的分辨率
这种优势在 Rake receiver 中被用于解决多径信道
（什么是Rake receiver???）
（2）chirp signal能够抵御很多智能设备的频率选择性，因为 chirp signal的频率覆盖范围很广，所以遇到特定频率下的增益下降时，信号不会严重衰减
作者系统设计的帧结构如下所示：
preamble 的 duration 为 0.368s
symbols之间没有 guard interval，但是 preamble 和 symbols之间有 0.039s 的 guard interval
一帧含有11 个 data symbols, 每个 symbol 的 duration 为 0.096s
综上，一帧的 duration 总共为 1.463s
为了避免任何的可听见噪声， preamble 和 所有 symbol 都被升余弦滤波器加窗了（？？？？？）
因为每个 QOK symbol 发送两个比特，所以在这一帧 1.463s 的 duration 中，总共有22个比特被发送，因此 data rate 可以达到 15 bps
可见，data rate 只算有效发送数据，preamble是不算的
为什么 QOK发送两个比特？
四种可能，所以两位，同理，BOK的话只发送一个bit
TX signal 的频率范围为 18.5KHZ - 19.5KHZ，这个参数是凭经验设定的，能够在 data rate 和 frame error rate 之间达到 tradeoff
为了设计一个 QOK系统，我们需要找到四个至少彼此间相关性最小的 chirp signal
怎么找呢？
一种方案是对于不同的 chirp signal 采用不同的频率扫描速率
但是这种方案会导致在每个symbol采用相同的 duration时，会使信号占据不同范围的频率，这种不对称性并不是正交调制所期望的。
但是上述问题可以通过采用拥有分段线性频率的 chirp signal来解决（？？？）
为了简化设计，作者规定 chirp signal 的扫频率在时域内只变化一次，改变时的点称之为 break point，比如在 up chirp 中，频率先从最低点上升，到达 break point 会改变斜率然后再到达最高点。
为了减小搜索复杂度，作者将一个 chirp signal 的整个频段和时段划分为 F 频段和 T 频段，这样划分的候选太多了，穷举不现实
于是想办法压缩搜索空间。怎么做呢？
假设 break point 的频率都相同，如下图所示，
就可以将 candidates 的数量由 16F4T4 转变为 T4
一个 chirp 信号可以表示为
相关计算公示为：
在压缩搜索空间后，还有一个本质问题，搜索什么？
作者制定了一个优化问题，目标是找到互相关值最小的一组四个 chirp symbol
为了导出 optimization 的 cost metric，作者将发送的 chirp signal 表示为：
当发送信号经过多径信道后，收到的信号变为
（似乎就是经历了一个线性变化？ax+b）
where N is the total number of multi-paths, τiand hiare
the propagation delay and the gain of the ith multi-path,
respectively, and n(t) is the noise signal.
接收机使用四个相关器来计算接收信号和每个啁啾信号之间的相关性，并检测具有最大绝对相关值的符号。在 receiver端，第 m 个相关器的第 j 个 output 为
结合之前的公式
上式右边的第二项是信号在第 j 个symbol peirod 传输后的延迟造成的自干扰，第三项表示在 其他 symbol period 传输后造成的码间串扰
接下来实在看不懂了
如下所示，从左到右分别为 chirp signal和敲击声的相关波形
左边这样的就是 J shape
定义了两个公式：
上面的用于 time synchronization，下面的用于 carrier sensing
算法可描述如下：
（1）从相关输出中找到 L 个最大的峰值
（2）计算每个峰值的 JMAR
如下所示，就算噪声能量远比有效数据大，但是算法仍然能找到正确的 preamble，因为峰值上升的剧烈程度更大
J-sync 用来找 preamble，J-CS用来判断这个被找到的信号是否真的存在，双保险
J-CS算法可描述如下：
（1）为每个预测的 symbol 位置计算 JPAR
（2）计算 JPAR 的值大于1 的位置数量
（3）如果数量大于 threshold Mthres，就宣称 carrier sensed
如果存在 chirp signal，其波形如下所示，一堆 J 形
