TR201910052A2 - Ses sevi̇yesi̇ni̇ otomati̇k olarak ayarlama yöntemi̇ ve ses sevi̇yesi̇ni̇ otomati̇k olarak ayarlama si̇stemi̇ - Google Patents

Abstract

Mevcut açıklama, birden çok kullanıcı cihazı yoluyla bir bulut tabanlı servise telemetri verisini sağlamayı (110); söz edilen bulut tabanlı servis yoluyla, telemetri verisi temelinde birden çok kullanıcı cihazının kullanıcılarına ait kalabalık davranışını tespit etmeyi (120); ve tespit edilen kalabalık davranışı temelinde en az bir kullanıcı cihazının ses seviyesini gerçek zamanlı olarak ayarlamayı (130) iperen, ses seviyesini otomatik olarak ayarlama yöntemi (100) ile ilgilidir

Description

TARIFNAME SES SEVIYESINI OTOMATIK OLARAK AYARLAMA YÖNTEMI VE SES SEVIYESINI OTOMATIK OLARAK AYARLAMA SISTEMI Mevcut açiklamanin uygulamalari, ses seviyesini otomatik olarak ayarlama yöntemi ve ses seviyesini otomatik olarak ayarlama sistemi ile ilgilidir. Mevcut açiklamanin uygulamalari özellikle, kalabalik davranisina göre ses seviyesini gerçek zamanli olarak ayarlamayla ilgilidir. ÖNCEKI TEKNIK TV'Ier, akilli telefonlar ve tabletler gibi multimedya kullanici cihazlari yaygin bir sekilde kullanilmaktadir. Canli veya talebe bagli sesli/görsel akislar (VoD, AoD) izlenirken veya dinlenirken ses seviyesi kullanicilar tarafindan akisin içerigine bagli olarak sürekli ayarlanmaktadir. Örnegin, kullanici bir TV programindan reklama geçis yaparken ses seviyesini düsürmektedir. Baska bir örnekte bir aksiyon filminde kimi sahneler bu sahnedeki ses ve insan seslerinin duyulmasi için daha yüksek bir ses seviyesi olmasini gerektirebilmektedir ve bazi arka fon müzigi olan aksiyon sahneleri yüksek ses seviyesinden ötürü kullaniciyi rahatsiz edebilmektedir. Ayrica, dublajli içeriklerde (çok dilli müzik parçalari veya hard-dubbed) genellikle ses seviyesi uyusmazligi problemi bulunmaktadir. Ayrica, içerik kanalinin degistirilmesi ayni zamanda ses seviyesi uyusmazligina sebep olabilmektedir ve kullaniciyi rahatsiz etmekte veya ses seviyesinin yeniden ayarlanmasini gerektirmektedir.

Yukarida açiklandigi üzere tek sorun ses seviyesi uyusmazligi degildir ve akis içerigi için ses seviyesinin ayarlanmasi da gerekmektedir. Örnegin, canli akislarda son dakika haberleri çiktiginda kullanici ses seviyesini artirmak isteyebilmektedir. Ses seviyesi anlik bir sekilde degismelidir çünkü kullanici, örnegin uzaktan kumandayi bulmaya çalisirken, akista sunulan bazi sahne veya içerikleri kaçirabilmektedir.

Yukarida açiklananlar göz önünde bulunduruldugunda, teknikte yer alan sorunlardan en azindan bazilarinin üstesinden gelen yeni ses seviyesini otomatik olarak ayarlama yöntemleri ve ses seviyesini otomatik olarak ayarlama sistemleri faydali olacaktir.

KISA AQIKLAMA Yukarida açiklananlar göz önünde bulunduruldugunda, ses seviyesini otomatik olarak ayarlama yöntemi ve ses seviyesini otomatik olarak ayarlama sistemi gelistirilmektedir.

Mevcut bulusun amaci, bir kullanici cihazinin ses seviyesini kullaniciya uygun bir seviyeye otomatik olarak ayarlamaktir.

Mevcut açiklamanin diger yönleri, faydalari ve özellikleri istemler, tarifname ve ekli sekiller yoluyla anlasilmaktadir.

Mevcut açiklamanin bagimsiz bir yönüne göre ses seviyesini otomatik olarak ayarlama yöntemi gelistirilmektedir. Bu yöntem, birden çok kullanici cihazi yoluyla bir bulut tabanli servise telemetri verisini saglamayi; söz edilen bulut tabanli servis yoluyla, telemetri verisi temelinde birden çok kullanici cihazinin kullanicilarina ait kalabalik davranisini tespit etmeyi; ve tespit edilen kalabalik davranisi temelinde en az bir kullanici cihazinin ses seviyesini gerçek zamanli olarak ayarlamayi içermektedir.

Mevcut açiklamanin diger bir bagimsiz yönüne göre, ses seviyesini otomatik olarak ayarlama sistemi gelistirilmektedir. Bu sistem, bir bulut tabanli servise telemetri verisini saglamak üzere yapilandirilan birden çok kullanici cihazini; ve telemetri verisi temelinde birden çok kullanici cihazinin kullanicilarina ait kalabalik davranisini tespit etmek ve tespit edilen kalabalik davranisi temelinde en az bir kullanici cihazinin ses seviyesini gerçek zamanli olarak ayarlamak üzere yapilandirilan. bulut tabanli servisi uygulayan bulut kaynaklarini içermektedir.

Uygulamalar, açiklanan yöntemleri uygulamaya yönelik aparatlara da yöneltilmistir ve açiklanan her bir yöntem yönünü gerçeklestirmeye yönelik aparat parçalarini kapsamaktadir. Bu yöntem yönleri donanim bilesenleri yoluyla, uygun yazilimla birlikte bilgisayar programli sekilde, bu ikisinin herhangi bir kombinasyonu yoluyla veya farkli bir yolla gerçeklestirilebilmektedir. Ayrica, açiklamaya uygun uygulamalar da açiklanan aparati çalistirmaya yönelik yöntemlere yöneltilmistir. Yöntemler, aparatin her islevini gerçeklestirmeye yönelik yöntem yönlerini içermektedir.

SEKILLERIN KISA AÇIKLAMASI Dolayisiyla, mevcut açiklamanin yukarida belirtilen özelliklerinin ayrintili olarak anlasilabilmesi için, yukarida kisaca özetlenen açiklamanin daha özel bir açiklamasi için uygulamalara atifta bulunulmasi gerekebilir. Ekli sekiller açiklamanin uygulamalari ile ilgilidir ve asagida açiklanmaktadir: SEKIL1 burada açiklanan uygulamalara göre ses seviyesini otomatik olarak ayarlama yönteminin akis semasini göstermektedir; SEKIL2 burada açiklanan uygulamalara göre ses seviyesini otomatik olarak ayarlama sisteminin sematik görünümünü göstermektedir; SEKIL 3 NAT'i (Ag Adresi Dönüsümü) göstermektedir; SEKIL 4 burada açiklanan diger uygulamalara göre ses seviyesini otomatik olarak ayarlama sisteminin sematik görünümünü göstermektedir; SEKIL 5 burada açiklanan diger uygulamalara göre ses seviyesini otomatik olarak ayarlama sisteminin sematik görünümünü göstermektedir; SEKIL 6 burada açiklanan diger uygulamalara göre ses seviyesini otomatik olarak ayarlama sisteminin sematik görünümünü göstermektedir; SEKIL 7 bir DVB sinyal paketini göstermektedir; SEKIL 8 burada açiklanan diger uygulamalara göre ses seviyesini otomatik olarak ayarlama sisteminin sematik görünümünü göstermektedir; SEKIL 9 burada açiklanan diger uygulamalara göre ses seviyesini otomatik olarak ayarlama sisteminin sematik görünümünü göstermektedir; SEKIL 10 kitle kümelemeyi göstermektedir; SEKIL 11 burada açiklanan diger uygulamalara göre ses seviyesini otomatik olarak ayarlama sisteminin sematik görünümünü göstermektedir; SEKIL 12 örnek bir çok modlu frekans dagilimini göstermektedir; SEKIL 13 iki küme örneginin örnek olasilik dagilimini göstermektedir; ve SEKIL 14 ortalama, mod ve medyani göstermektedir.

UYGULAMALARIN AYRINTILI AÇIKLAMASI Simdi, bir veya daha fazla örnegi sekillerde gösterilen açiklamanin çesitli uygulamalarina ayrintili bir sekilde atifta bulunulacaktir. Sekillerin asagidaki açiklamasinda ayni referans numaralari ayni bilesenleri belirtmektedir. Genel olarak yalnizca münferit uygulamalara iliskin farklar açiklanmaktadir. Her örnek açiklamanin tarif edilecegi sekilde verilmistir ve açiklamayi sinirlandirma amaci tasimamaktadir. Ayrica, bir uygulamanin bir parçasi olarak gösterilen veya açiklanan özellikler, yine baska bir uygulama elde edecek sekilde diger uygulamalarda kullanilabilmekte veya bunlarla birlikte ele alinabilmektedir.

Açiklamanin bu tip modifikasyon ve varyasyonlari içermesi amaçlanmistir.

Sekil 1, ses seviyesini otomatik olarak ayarlama yönteminin (100) akis semasini göstermektedir.

Bahsedilen yöntem (100), 110 blogunda birden çok kullanici cihazi yoluyla bir bulut tabanli servise telemetri verisini saglamayi; 120 blogunda söz edilen bulut tabanli servis yoluyla, telemetri verisi temelinde birden çok kullanici cihazinin kullanicilarina ait kalabalik davranisini tespit etmeyi; ve 130 blogunda tespit edilen kalabalik davranisi temelinde, örnegin birden çok kullanici cihazindan en az bir kullanici cihazinin ses seviyesini gerçek zamanli olarak ayarlamayi içermektedir.

Mevcut bulus, kullanici cihazlarindan buluta telemetri verisi yollama yoluyla ve örnegin Kayan Zaman Pencerelerini (Sliding Time Window) kullanarak veri akisini isleme yoluyla bir kalabalik davranisina göre ses veya sesli/görsel içerigin ses seviyesini otomatik olarak ayarlamayi saglamaktadir. Kimi uygulamalarda içerigin ses seviyesinin yönelim analitikleri örnegin istatistik yöntemleri ve/veya makine ögrenimi modelleri ile belirlenmektedir ve sonuçlar, gerektiginde, canli akislar için ses seviyesini degistirmek üzere kullanici cihazlarina gönderilmektedir veya talebe bagli içerikler için zaman bilgisi ve karsilik gelen ses seviyesini içeren bir ses seviyesi dosyasinda depolanmaktadir.

Sekil 2, burada açiklanan uygulamalara göre ses seviyesini otomatik olarak ayarlama sisteminin (200) sematik görünümünü göstermektedir.

Sistem (200), bir bulut tabanli servise telemetri verisini saglamak üzere yapilandirilan birden çok kullanici cihazini (210); ve telemetri verisi temelinde birden çok kullanici cihazinin (210) kullanicilarina ait kalabalik davranisini tespit etmek ve tespit edilen kalabalik davranisi temelinde, örnegin birden çok kullanici cihazindan (210) en az bir kullanici cihazinin ses seviyesini gerçek zamanli olarak ayarlamak üzere yapilandirilan, bulut tabanli servisi uygulayan bulut kaynaklarini (220) içermektedir.

Gerçek zamanli sistemler genel olarak, üç kategoriye ayrilabilmektedir: Siki Gerçek Zamanli (Hard Real-Time), Kati Gerçek Zamanli (Firm Real-Time) ve Yumusak Gerçek Zamanli (Soft Real-Time). Mevcut bulus Yumusak Gerçek Zamanli olarak, özellikle de Yumusak Gerçek Zamanli akis analitigi olarak kategorize edilebilmektedir. Mevcut bulusun tamaminda kullanildigi haliyle gerçek zamanli” ifadesi özellikle, bir kalabalik davranisiyla, bu kalabalik davranisi temelinde ses ayarlamanin es zamanli olarak tespit edildigi anlamina gelebilmektedir. Özellikle, ses ayarlama islemi örnegin bir Kayan Zaman Penceresi kullanilarak bir canli akisla baglantili sekilde gerçeklestirilebilmektedir.

Günümüzde çogu TV'Ier WiFi veya Ethernet vasitasiyla Internet baglantisi saglamaktadir ve baglanti oranlari (baglanti üzerinden baglanan) durmaksizin artmaktadir. Baglanti oranlarinin artmasinin sebebi, multimedya akis servisleri ve portallari gibi Internet tabanli servislerdir. TV'Iere benzer sekilde STB'ler de Internet baglantisi saglamaktadir. Bu dogrultuda büyüyen bir pazar bulunmaktadir ve en çok gelecek vaat eden sektörlerden biri lPTV”dir. IPTV ses/video içerigini Internet altyapisi üzerinden dagitmaktadir ve zaten baglidir. Dolayisiyla, burada açiklanan diger uygulamalarla kombine edilebilecek bazi uygulamalara göre birden çok kullanici cihazi (210), TV'Ieri, STVlleri, PC'leri, cep telefonlarini ve medya oynaticilari içeren veya bunlardan olusan gruptan seçilebilmektedir.

Mevcut bulusun tamaminda kullanildigi haliyle “telemetri verisi” ifadesi özellikle, kullanici canli veya talebe bagli içerik izlerken kullanici cihazinin ses seviyesinin göstergesi olan veriyi belirtmektedir.

Mevcut bulusun tamaminda kullanildigi haliyle “bulut kaynaklari" ifadesi, dogrudan aktif kullanici yönetimi olmaksizin bilgisayar sistemi kaynaklarinin, özellikle veri deposu ve bilisim gücünün talebe bagli mevcudiyeti olan bulut bilisimini belirtmektedir. Bu ifade genellikle, Internet üzerinde birçok kullaniciya ulasan veri merkezlerini belirtmek için kullanilmaktadir.

Mevcut bulusun tamaminda kullanildigi haliyle “kalabalik davranisi” ifadesi, belirli bir içerik için manuel bir ses seviyesi ayarlamayla ilgili çok sayidaki kullanicinin (“kitle” olarak da ifade edilmektedir) davranisini veya davranis modelini belirtmektedir.

Büyük veri hacimlerinin islenmesi, donanim kisitlamalarindan ötürü tek bir bilgisayarda gerçeklestirilmeyebilir. Bu nedenle Hadoop ekosistemi ve Spark gibi veri araçlari kullanilabilmektedir. Bu sayede, bilgisayar kümelerindeki hem toplu veri hem de akis verisi dagitilmis hesap, dagitilmis dosya deposu ve dagitilmis bellek ile islenmektedir. Ayrica, Apache Beam Programlama modeli (Apache Beam Programming Model), Hadoop araçlarinin üstüne soyutlama seviyesi ekleyebilmektedir.

Mevcut açiklamanin sistemi (200) kullanici cihazlarini (210) ve bulut kaynaklarini (220) içermektedir. Söz edilen kullanici cihazlari (210) “yayincilar” olarak da adlandirilabilmektedir. TV, STB, PC, cep telefonu, bagli medya oynatici, tarayici vb. gibi yayincilar, kullanici canli veya talebe bagli içerigi izlerken ses seviyesiyle ilgili telemetri verisini bulut kaynaklarina (220) göndermektedir.

Bulut kaynaklari (220); en az bir veri toplama birimini, en az bir veri isleme birimini, en az bir mesajlasma birimini ve en az bir aboneyi içeren veya bunlardan olusan gruptan seçilen bir veya daha fazla bileseni içerebilmektedir. Bununla birlikte mevcut açiklama bunlarla sinirli degildir ve bulut kaynaklari, mevcut bulusun yönlerini uygulamaya uygun farkli bilesenleri içerebilmektedir. Örnegin en az bir veri toplama birimi, genis ölçekli veri edinimini saglamak (tercihen basarmak) için yük dengeleyicileri ve servisleri içerebilmektedir. En az bir veri isleme birimi, hesaplama ve veriyi dagitarak toplu veriyi vei'veya akis verisini genis ölçekte islemek üzere yapilandirilabilmektedir. En az bir mesajlasma birimi, karsilik gelen basliklara sonuçlari iletmek üzere yapiIandirilabilmektedir. En az bir abone, sonuçlari toplamak ve gerekli islemleri uygulamak üzere yapilandirilabilmektedir.

Yukaridaki birimlerden en azindan bazilari tek bir birimde kombine edilebilmekte veya ayri birimler olarak saglanabilmektedir.

Yukaridaki bilesenleri uygulayan bir örnek sistem Sekil 2'de gösterilmistir. Asagida spesifik mimarilere ve bulut platformlarina atifta bulunulmaktadir. Bunlarin yalnizca örnek oldugu ve mevcut açiklamanin bunlarla sinirli olmadigi anlasilmalidir.

Sekil 2, GCP (Google Bulut Platformu) üzerinde örnek bir MVP'yi (Asgari Uygunlukta Ürün) göstermektedir. Kullanici cihaz(lar)i (210) bulut kaynaklari (220) tarafindan saglanan bir bulut servisine ses seviyesini ve opsiyonel olarak kanal bilgisini göndermektedir ve eger yönelim degisimi tespit edilirse, mesajlar (abone olmus) kullanici cihaz(lar)ina (210) gönderilmektedir. Kanal degisimi gerçeklesirse kullanici cihaz(lar)i (210) ses seviyesini uygun bir ses düzeyine ayarlamak için bulut servisinden son yönetimleri elde edebilmektedir.

Kanal bilgisi çesitli yollarla elde edilebilmektedir. Örnegin bazi TV'Ierde entegre uydu dekoderleri bulunmakta, bazi TV'Ier ise yayin sinyallerini çözmek için bir STB'ye (set üstü kutu) baglanmaktadir. STB kullanilmasi durumunda TV, kullanicinin hangi TB kanalini izledigini bilemeyebilmektedir çünkü TV yalnizca örnegin HDMI portunda alinan verileri olusturmaktadir ve ayarli frekansi veya kanal ismini bilmemektedir. Bir ACR (Otomatik Içerik Tanima) yazilimi hafif bir parmak izi elde etmek için uygun algoritmalari uygulama yoluyla TV kanalini tespit ederek, video verisini azaltmakta ve TV kanalini eslestirmek ve kanal bilgisini almak için parmak izini web servislerine göndermektedir.

Mevcut örnekte kullanici cihaz(lar)i (210) içerik lD'sini (örnegin, kanal ismi gibi TV kanal bilgisi veya bir bulut servisi tarafindan bilinen bir essiz ID) ve ses seviyesini bulut servisine göndermektedir. Kimi uygulamalarda ses seviyesi; kullanici cihazinin (210) toplam çikis gücüne (örnegin hoparlörün (hoparlörlerin) Watt'i), ses çizgisi ölçegi, ekran boyutu ve/veya tavsiye edilen izleme uzakligina göre normallestirilmektedir.

Bazi uygulamalarda temel (veya ham) ses düzeyi seviyesi ile birlikte bir kullanici cihazi model ID”si gonderilebilmekledir ve normallestirme islemi, karsilik gelen kullanici cihazi model lD'sinden elde edilen toplam çikis gücü temelinde bulut servisi tarafindan gerçeklestirilebilmektedir.

Burada açiklanan diger uygulamalarla kombine edilebilecek bazi uygulamalara göre sistem (200), özellikle de bulut kaynaklari (220), birden çok kullanici cihazi (210) ile söz edilen bulut kaynaklari (220) arasinda bir iletisim kanali saglamak üzere yapilandirilan bir arayüz birimini içermektedir. Arayüz birimi, birden çok kullanici cihazi (210) ile bulut kaynaklari (220) arasinda çift yönlü bir iletisim saglamak üzere yapilandirilabilmektedir. Örnegin, telemetri verisi birden çok kullanici cihazindan (210) bulut kaynaklarina (220) iletisim kanali araciligiyla aktarilabilmektedir. Opsiyonel olarak, en az bir kullanici cihazinin (210) ses seviyesini ayarlamaya yönelik komutlar söz edilen bulut kaynaklarindan (220) birden çok kullanici cihazina (210) ayni iletisim kanali veya baska bir iletisim kanali araciligiyla aktarilabilmektedir.

Bazi uygulamalarda arayüz birimi iletisim için MQTT (Mesaj Kuyruk Telemetri Tasima) protokolünü uygulamak üzere yapilandirilmaktadir. Söz edilen MQTT protokolü cihazlarini birbirine baglamak amaciyla kullanilabilmektedir. Herkese açik bulut tedarikçilerinden bazilari (örnegin GCP, AWS, Azure) MQTT özellikli IoT servisleri sunmaktadir. Protokol basit sekilde tasarlanmistir ve hem isleme gücü, bellek ve ag bant genisligi gereklilikleri açisindan cihaz tarafini, hem de genis ölçekli baglanti durumunda yatay ve dikey ölçeklenebilirlik açisindan bulut tarafini olumlu bir sekilde etkilemektedir.

Sekil 2'deki örnekte arayüz birimi, hem yukari yönlü hem de asagi yönlü mesajlasma için kullanilan bir IoT Çekirdek servisi tarafindan saglanmaktadir. MQTT, özellikle asagi yönlü mesajlasma için kullanici cihazlarini (210) bulut servisine basit bir yolla baglamak için tercih edilen protokol alabilmektedir. Diger uygulamalarda yukari yönlü ve/veya asagi yönlü mesajlasma farkli iletisim yollari vasitasiyla gerçeklestirilebiImektedir. Açiklama genelinde farkli örnekler verilecektir.

NAT (Ag Adres Dönüsümü) durumunda mesajlarin alt-ag cihazlarina (ev agi gibi) gönderilmesi, bir yönlendiricide statik port yönlendirme kurulumunu gerektirebilmektedir.

Sekil 3 bir NAT örnegini göstermektedir. Temelde baglantiyi baslatan, kullanici cihazini NAT yardimiyla essiz bir sekilde tanimlamak amaciyla alt-ag yöneticisi (kullanici cihazi) olmalidir.

Sekil 2ide, MQTT aracisindan (broker) gelen mesajlari baslik bazli bir sekilde elden geçirmek için IoT Çekirdegine yönelik bir arka uç (back-end) servisi olarak kullanilmaktadir.

Sekil 4, burada açiklanan diger uygulamalara göre ses seviyesini otomatik olarak ayarlama sisteminin (400) sematik görünümünü göstermektedir.

Bazi uygulamalara göre birden çok kullanici cihazi bir birinci kullanici cihazi grubunu (Grup A) ve bir ikinci kullanici cihazi grubunu (Grup B) içermektedir. Birinci grup telemetri verisini bulut cihazina bir birinci iletisim kanali vasitasiyla saglayabilmektedir. Ikinci grup ses seviyesi ayarlama komutlarini bulut servisinden bir ikinci iletisim kanali vasitasiyla alabilmektedir. Birinci iletisim kanali HTTP(S) kullanabilmektedir. Ozellikle, veri edinimi dogrudan Pub/Sub servisleri üzerinden HTTP(S) kullanilarak, IoT Çekirdek servisleri ve MQTT baglantilari kullanilmaksizin gerçeklestirilebilmektedir. Ilave olarak veya alternatif olarak, ikinci iletisim kanali, en az bir kullanici cihazina ses seviyesi ayarlama komutu saglamak için lVlQTT”yi kullanabilmektedir.

Sistem (400) ayrica, veri isleme için isleme kaynaklari (Veriakisi”) içermektedir. Bu isleme kaynaklari (430), örnegin tamamen yönetilen, sunucusuz sistemlerde STW (Kayan Zaman Penceresi) kullanmak üzere yapilandirilabilmektedir. Yönelim analitigi islemlerinin tamami bu bilesende halledilebilmektedir. Pencereli akis verisindeki yönelimleri tespit etmek için birçok yöntem kullanilabilmektedir. Apache Beam veri isleme için, küme ve dagilim verisinde otomatik olarak esleyici ve azaltici atayarak MapReduce gibi büyük veri isleme görevlerini kolay bir sekilde yönetmek üzere bir programlama modeli sunmaktadir.

Bir ses seviyesi yöneliminde degisiklik tespit edilirse kullanici cihazlari bilgilendirilmektedir. Bir kullanicinin yönelim degisikliklerinden haber olmak istemesi durumunda, ilgili bir basliga abone edilebilmektedir. Mesajlar Pub/Sub ve IoT Çekirdek baglantisi üzerinden, diger bir ifadeyle ikinci iletisim kanali üzerinden kullanici cihazlarina gönderilmektedir. Kullanici cihazlari yeni ses seviyesi bilgisini elde etmektedir ve ses seviyesini degistirmek için uygun islemleri gerçeklestirmektedir. Bazi uygulamalarda ses seviyesi çizgisi kullanici cihaz(lar)inin görüntüleme ekrani veya ekraninda gösterilebilmekte veya gösterilmeyebilmektedir.

Sekil 4, canli bir baglanti olmaksizin durum bilgisiz (http, talep-yanit) telemetri verisi edinimini göstermektedir. Böylelikle, yayinci cihazlar daha kolay bir sekilde uygulanabilmektedir ve bulut tarafinda daha basit ve ucuz bir uygulama elde edilebilmektedir. Özellikle, mesajlar arasinda canli baglantinin devam ettirilmesi için daha fazla kaynaga ihtiyaç vardir ve http yük dengeleyicileri majör bulut tedarikçilerinde daha Bir kullanici cihazi hem birinci kullanici cihazi grubunun (“Grup A") hem de ikinci kullanici cihazi grubunun (“Grup B”) bir 'üyesi olabilmektedir veya ya birinci grubun ya da ikinci grubun bir 'üyesi olabilmektedir. Ozellikle, bir uygulamada telemetri verisini saglayan birden çok kullanici cihazi, ses seviyesi ayarlama komutunu alan en az bir kullanici cihazini da içerebilmektedir. Baska bir uygulamada, sekil 4ite gösterildigi üzere telemetri verisini saglayan birden çok kullanici cihazi, ses seviyesi ayarlama komutunu alan en az bir kullanici cihazini içermemektedir. Diger bir ifadeyle, telemetri verisini saglayan kullanici cihazlari ve ses seviyesi ayarlama komutunu alan kullanici cihazlari farkli kullanici cihazi gruplarinin mensubu olabilmektedir.

Bir kullanici cihazi örnegin, hem birinci kullanici cihazi grubu hem de ikinci kullanici cihazi grubunun bir üyesi olabilmektedir. Bir ses seviyesi degistirme komutunun, manuel bir ses seviyesi degisikliginden hemen sonra gelmesi ve ses seviyesinin kullanici cihazi tarafindan kalabalik davranisina göre ayarlanmasi kullanici açisindan uygunsuz bir durum olabilmektedir.

Bir telemetri mesaji yalnizca ses seviyesi kullanici tarafindan manuel bir sekilde degistirildiginde gönderilebilmektedir; dolayisiyla ses seviyesi en azindan belirli veya Örnegin, ses seviyesi ayarlama komutu tüm abone kullanici cihazlarina gönderilebilmektedir ve istemci tarafi zaman asimi korumasi uygulanabilmektedir. Diger bir ifadeyle telemetri mesajinin gönderilmesinden sonra, ses seviyesi ayarlama komutlarinin reddedildigi ve/veya uygulanmadigi önceden belirlenen bir süre ayarlanabilmektedir.

Sekil 5, burada açiklanan diger uygulamalara göre ses seviyesini otomatik olarak ayarlama sisteminin (500) sematik görünümünü göstermektedir.

Sekil 5'teki sistem (500) IPTV kullanmaktadir. IPTV altyapisi kullanici cihazlarinin bir yayin merkezi (head-end) birimi ile iletisim kurmasini saglamaktadir. Kimi uygulamalarda telemetri veri akisi ve ses seviyesi ayarlama komutlari, IPTV iletisimi kullanilarak gönderilebilmektedir.

Sekil 6, burada açiklanan diger uygulamalara göre ses seviyesini otomatik olarak ayarlama sisteminin (600) sematik görünümünü göstermektedir. Sekil 7, bir DVB sinyal paketini göstermektedir.

Kullanici cihaz(lar)indan buluta veri transferi yapmak için Internet baglantisi faydali olsa da, asagi akis mesajlari sekil 6'da gösterildigi üzere Internet baglantisi olmadan gönderilebilmektedir. Örnegin yayin aglari, MPEG-ZTS paketlerinde paketlenmis içerik olmayan veriyi sekil 7'de gösterildigi sekilde ”Diger Paketlerde” iletebilmektedir. Böylelikle TS paketlerindeki 'önerilen ses seviyesi bilgilerini göndermek için DVB-S, DVB-T ve DVB- C standartlari kullanilabilmekte standardize edilebilmektedir. Ayrica, bilgiler bir küme tanimlayicisini içerebilmektedir ve bir alici kullanici cihazi tarafindan, servisler tarafindan önceden bildirilen veya örnegin izleme modellerine bagli olarak istemci tarafinda hesaplanan kendi küme lD'sine (kullanici veya kitle bölümleme) göre uygulanabilmektedir.

Sekil 7, örnek bir DVB paketini göstermektedir. Mesajlar, yayin merkezi birimi tarafindan cihazlari otomatik ses seviyesi ayarlama islemi için kalabalik davranisini kullanmaktadir.

Sekil 8, burada açiklanan diger uygulamalara göre ses seviyesini otomatik olarak ayarlama sisteminin (800) sematik görünümünü göstermektedir.

Sekil 8'de, farkli aglar arasindaki iletisim ve bilgi paylasimi gösterilmektedir. Bu durumda, telemetri verisi bagli kullanici cihazlarindan toplanabildigi için, baglanmamis olan kullanici Cihazlari da kalabalik davranisindan faydalanabilmektedir ve burada ortaya çikan yönelim analizi tüm kullanici cihazlarina saglanabilmektedir.

Sekil 9, burada açiklanan diger uygulamalara göre ses seviyesini otomatik olarak ayarlama sisteminin (900) sematik görünümünü göstermekte ve özellikle kitle kümelenmesini ve küme bazli yönelim analitigini göstermektedir. Söz edilen sistem (900) bir ML (Makine Ögrenimi) birimini içermektedir.

Sekil 9 daha ayrintili olarak bulutta veri depolamaya yönelik örnek bir mimariyi ve izleme ve ses seviyesi modellerine bagli olarak kullanicilari veya kitleleri kümeleye yönelik bir makine Ögrenimi egitimini göstermektedir. Eger bu egitim çevrimdisi yapilirsa (diger bir ifadeyle aninda veya gerçek zamanli degil) veri depolanmakta ve sonrasinda bir modeli egitmek üzere kullanilmaktadir. Veri için anlik bir gereklilik bulunmamaktadir ve ön tamponlar bulut servisi maliyetlerini optimize edebilmektedir. Veri boyutu önceden belirlenen bir sinira ulastigi zaman veri dosya halinde depolanmaktadir. Verinin anlik bir sekilde depolanmasi için akis ekleri (streaming inserts) de kullanilabilmektedir. Bu opsiyonlar sekil 9'de soguk ve sicak yollar olarak gösterilmektedir. Basitlik açisindan olasi mimarilerin tümü gösterilmemistir. Örnegin, bir BLOB deposundan veri okuma yoluyla egitim mümkündür ve bir veri deposuna (gösterilmemistir) yüklenecek verilere ihtiyaç duymamaktadir.

Sekil 10, kitle kümelemeyi (Hands-On Machine Learning with Scikit-Learn and TensorFIow) göstermektedir. Kullanicilar veya kitle kümeler halinde gruplandirilabilmekte ve küme bazli yönelimler analiz edilebilmektedir. Bu sekilde, sonuçlar söz konusu kümedeki kullanicilara veya kitlelere daha uygun olabilmektedir.

Sistem özellikle, kitle bazli agirliklari ayarlayarak, bunlarin hesaplamalardaki etkisini, örnegin bunlari aykiri deger veya öncü olarak tanimlama yoluyla, artirmak veya düsürmek için ses seviyelerinin kullanici modellerini ve bunlarin kalabalikla ortakliklarini taniyabilmektedir.

Sekil 11, burada açiklanan diger uygulamalara göre ses seviyesini otomatik olarak ayarlama sisteminin (1100) sematik görünümünü göstermektedir.

Talebe bagli içerik durumunda akis islemeye gerek yoktur. Sekil 11'de veri isleme blogu, ön isleme ve (gerekirse) tamponlama amaçlariyla kullanilmaktadir. Dolayisiyla telemetri verisi akisina devam edilmektedir ve telemetri verisi bulut tarafinda tamponlanmaktadir.

Sonrasinda, yönelim analitikleri kümelerde programli sekilde, örnegin günlük olarak veya yeni bir dosya olusturulmasi gibi durumlar üzerine çalismaktadir. Sonuçlar depolanmakta ve yalnizca karsilik gelen içerik talep edildiginde kullanici cihazlarina gönderilmektedir. Bir örnekte içerigin gömülü ses verisi sonuçlara bagli olarak degistirilebilmektedir.

Asagida örnek bir ses seviyesi verisi isleme islemi açiklanmaktadir. Bununla birlikte mevcut açiklamanin asagidaki örneklerle sinirli olmadigi anlasilmalidir.

Bazi uygulamalara göre ses seviyesi verisi asagidakilerden birine göre normalize edilmektedir (ancak bunlarla sinirli degildir): a) hoparlörlerin maksimum çikis gücü (toplam) b) ses çizgisi minimum, maksimum ve mevcut degeri c) ekran boyutuna göre tavsiye edilen izleme mesafesi d) bir ses sinyalinin RMS'si Normalizasyon, kullanici cihazi (kenar) tarafindan yapilabilse de, gerekli olan bilginin bulut servisine saglanmasi durumunda bulut tarafindan da yapilabilmektedir.

Kullanici cihazlari (alici birimler), normalize edilmis tavsiye edilen ses seviyesi temelinde, örnegin yukaridaki a) ila d) karakteristiklerden birine göre gerekli hesaplamalari yapmaktadir ve sonrasinda ses düzeyini ayarlamaktadir. Örnegin, DVB-TISIC durumunda TS paketleri çerçeve için tavsiye edilen ses seviyesini içerebilmektedir ve seviye de normalize edilmektedir.

Bazi uygulamalarda normalize edilmis deger araligi [0,1] veya [0, 100]”dür ancak bununla sinirli degildir.

Ses yükseltme/düsürme gibi bir eylem hakkinda karar vermek için (1) denkleminde gösterilen sayesinde veya (2) denkleminde gösterilen formülle bilinen popülasyon boyutu sayesinde, (bagli cihazlarin) gerekli olan minimum model boyutu belirlenebilmektedir.

Denklem (1): Cochran model boyutu formülü burada no hesaplanan minimum model boyutunu ifade etmekte, z tercih edilen güven seviyesine göre z-skorunu ifade etmekte, p bir olasilik parametresini ifade etmekte (bilinmedigi durumda 0.5 olabilmektedir), e ise hata payini ifade etmektedir.

Denklem (2): bilinen popülasyon boyutuyla model boyutu burada n bilinen popülasyon boyutuyla hesaplanan minimum model boyutunu ifade etmekte. no Cochran model boyutunu ifade etmekte, N ise popülasyon boyutunu ifade etmektedir.

Kimi uygulamalarda bir model boyutu esigi ayarlanabilmektedir ve islemci birimi bu esigin altinda durdurulabilmekte, komutlar gönderilmeyebilmekte vb.dir. Örnek bir uygulamada yukaridaki formüller kullanilarak, mevcut bagli cihaz hesabi ve z- skorunun ters aramasini kullanma yoluyla bir mevcut güven seviyesi hesaplanabilmektedir. Kullanici cihazlarina komut göndermek veya veri islemek için yukarida açiklandigi sekilde güven seviyesine iliskin bir esik ayarlanabilmektedir.

Merkezi limit teoremine göre model boyutu artirilirken olasilik dagilimi normal bir dagilima yaklasmaktadir. Dolayisiyla akis yapma kabiliyeti olan çok sayida cihaz bir servis saglayiciya baglandiginda anomaliler veya çoklu modaliteler meydana gelebilmektedir.

Sentetik veriyle normalize edilmis bir ses seviyesinin örnek bir çok modlu frekans dagilimi sekil 12'de gösterilmistir. Bunun sonucunda cinsiyet, yas, etnik yapi, ikamet yeri, çocuk mevcudiyeti, egitim seviyesi, ekran boyutu, çevrenin ses düzeyi vb. gibi model demografisi çikabilmektedir. Birim özelliklerinin tümünün bilinmedigi varsayildiginda, kümeleme islemi bir noktaya kadar çözüm olabilmektedir. Dolayisiyla, çok modlu dagilimlari Beklenti Maksimizasyonu ile ayirmak için bir Gauss Karisim Modeline Bayesçi Yaklasim kullanilabilmektedir. Örnegin, sekil 12'de gösterilen veri sekil 13'te gösterildigi gibi 2 bilesene ayrilabilmektedir.

Algoritmalari uygulamak için birçok yol bulunmaktadir. Örnegin, önceki bir agirlik konsantrasyonu olarak Dirichlet islemleri veya Dirichlet Dagilimi kullanilabilmektedir.

Modelde kullanilabilecek parametreler Kayan Zaman Penceresi'nin `örnek istatistikleridir (ortalama, mod, medyan, degiskenlik, çarpiklik, savrukluk (Fisher), model sayimi, bu degerlerin degisim minimumu, maksimumu, çeyregi ve orani). Sekil 14'e de bakiniz. (3) denklemi ve (4) denklemi sirasiyla Fisher çarpikligi ve savruklugunu göstermektedir.

Model istatistikleri yönelim analizörünün girisleridir; çikis ise kullanici cihazlarina gönderilecek olan tavsiye edilen kalabalik ses seviyesidir.

Normal dagilima yaklasilirken ortalama, mod ve medyan yaklasmaktadir (tümü ayni) ve çarpiklik ve savrukluk O'a yaklasmaktadir. Bu degerler normaliteyi test etmek üzere de kullanilabilmektedir. Modeldeki bir bilesen sayimini test etmek için bir Kolmogorov- Smirnov testi kullanilabilmektedir. Normaliteyi test etmek için bir Shapiro-Wilk testi kullanilabilmektedir. Bir dagilim ailesini belirlemek için bir Pearson çizelgesi veya Fisher çizelgesi kullanilabilmektedir.

Ornek bir uygulamada yönelimleri belirlemek için el isi programlar kodlanabilmektedir. Örnegin bir degiskenin önceden tanimlanmis bir esik altinda olmasi durumunda ortalama deger tavsiye edilen ses seviyesi olarak gönderilebilmektedir.

Bazi uygulamalara göre bir ML (Makine Ögrenimi) modeli egitilebilmektedir. Örnegin, yukarida listelenmis olan parametreler sistemin girisleridir ve tavsiye edilen ses seviyesi çikistir. Geçmis verinin islenmesi ve hedef özniteliklerin (ortalama, mod veya medyan) tanimlanmis kontrol tarihleriyle degistirilmesi yoluyla sistem kontrollü bir sekilde egitilebilmektedir. Daha ayrintili olarak, bir zamanin (tn) model istatistikleri giristir ve tn+1”in ortalama (veya mod veya medyan) degeri çikis degeridir. Modele kontrollü ögrenme kurallari uygulama ve model agirliklari ve hiperparametrelerini güncelleme yoluyla, istenilen sistem modellenebilmektedir.

Bazi uygulamalarda veriyi yumusatmak için Kayan Zaman Pencerelerine SMA (Basit Hareketli Ortalama), WMA (Agirlikli Hareketli Ortalama), EMA (Ussel Hareketli Ortalama), Hareketli Medyan vb. filtreleri uygulanabilmektedir.

Mevcut bulus, kullanici cihazlarindan buluta telemetri verisi yollama yoluyla ve örnegin Kayan Zaman Pencerelerini (Sliding Time Window) kullanarak veri akisini isleme yoluyla bir kalabalik davranisina göre ses veya sesli/görsel içerigin ses seviyesini otomatik olarak ayarlamayi saglamaktadir. Kimi uygulamalarda içerigin ses seviyesinin yönelim analitikleri örnegin istatistik yöntemleri ve/veya makine ögrenimi modelleri ile belirlenmektedir ve sonuçlar, gerektiginde, canli akislar için ses seviyesini degistirmek üzere kullanic cihazlarina gönderilmektedir veya talebe bagli içerikler için zaman bilgisi ve karsilik gelen ses seviyesini içeren bir ses seviyesi dosyasinda depolanmaktadir.

Yukarida anilanlar açiklamanin uygulamalarina yöneltilse de, açiklamaya iliskin diger ve farkli uygulamalar temel kapsamdan ayrilmadan öngörülebilmekte olup, bu kapsam asagidaki istemlerle belirlenmektedir.

Claims (14)

ISTEMLER

1. Ses seviyesini otomatik olarak ayarlama yöntemi (100) olup, birden çok kullanici cihazi yoluyla bir bulut tabanli servise telemetri verisini saglamayi (110); söz edilen bulut tabanli servis yoluyla, telemetri verisi temelinde birden çok kullanici cihazinin kullanicilarina ait kalabalik davranisini tespit etmeyi (120); ve tespit edilen kalabalik davranisi temelinde en az bir kullanici cihazinin ses seviyesini gerçek zamanli olarak ayarlamayi (180) içermektedir.

2. Istem 1'e uygun yöntem (100) olup, burada telemetri verisi, birden çok kullanici cihazinin kullanicilarina saglanan içerikle ilgilidir.

3. Istem 2'ye uygun yöntem (100) olup, burada içerik birden çok kullanici cihazina ve/veya canli akistaki en az bir kullanici cihazina saglanmaktadir.

4. Istem 1 ila 3'ten herhangi birine uygun yöntem (100) olup, ses seviyesini ayarlamak için bulut tabanli servis yoluyla en az bir kullanici cihazina bir ses seviyesi ayarlama komutu göndermeyi de Içermektedir.

5. Istem 4”e uygun yöntem (100) olup, burada: telemetri verileri bir birinci iletisim kanali araciligiyla gönderilmektedir ve ses seviyesi ayarlama komutu bu birinci iletisim kanalindan farkli bir ikinci iletisim kanali araciligiyla gönderilmektedir, tercihen, söz edilen birinci iletisim kanali HTTP kullanmaktadir ve/veya ikinci iletisim kanali MQTT kullanmaktadir; veya telemetri verileri ve ses seviyesi ayarlama komutu tercihen MQTT kullanilarak ayni iletisim kanali araciligiyla gönderilmektedir.

6. Istem 4 veya 5'e uygun yöntem (100) olup, burada en az bir kullanici cihazi tarafindan alinan ses seviyesi ayarlama komutu yalnizca, manuel bir ses seviyesi ayarlama islemi gerçeklestirilmesinden itibaren önceden belirlenen bir süre geçerse uygulanmaktadir.

7. Istem 4 ila 6'dan herhangi birine uygun yöntem (100) olup, burada ses seviyesi ayarlama komutu, - hoparlörlerin maksimum çikis gücü - ses çizgisi minimum, maksimum ve mevcut degeri - ekran boyutuna göre tavsiye edilen izleme mesafesi veya - bir ses sinyalinin RMS'sinden bir tanesi temelinde normalize edilmektedir.

8. Istem 7'ye uygun yöntem (100) olup, burada ses seviyesi ayarlama komutu bulut tabanli servis veya en az bir kullanici cihazi tarafindan normalize edilmektedir.

9. Istem 4 ila 8'den herhangi birine uygun yöntem (100) olup, burada ses seviyesi ayarlama komutu bir DVB sinyal paketinde bulunmaktadir.

10. Istem 1 ila 9'dan herhangi birine uygun yöntem (100) clup, burada telemetri verisini saglayan birden çok kullanici cihazi bir birinci kullanici cihazi grubudur ve: ses seviyesi ayarlanan en az bir kullanici cihazi birinci kullanici cihazi grubuna mensuptur; veya ses seviyesi ayarlanan en az bir kullanici cihazi, söz edilen birinci gruptan farkli bir ikinci kullanici cihazi grubuna mensuptur.

11. Istem 1 ila 10'dan herhangi birine uygun yöntem (100) olup, burada telemetri verisi temelinde birden çok kullanici cihazinin kullanicilarinin kalabalik davranisini bulut tabanli servis araciligiyla tespit etme islemi, telemetri verisinin yönelim analizini gerçeklestirmeyi içermektedir.

12. Istem 11'e uygun yöntem (100) olup, burada yönelim analizi Kayan Zaman Pencerelerini temel almaktadir.

13. Istem 11 veya 12'ye uygun yöntem (100) olup, burada yönelim analizi özellikle kitle kümeleme için Makine Ögrenimi kullanmaktadir.

14. Ses seviyesini otomatik olarak ayarlama sistemi olup, bir bulut tabanli servise telemetri verisi saglamak üzere yapilandirilan birden çok kullanici cihazini; ve telemetri verisi temelinde birden çok kullanici cihazinin kullanicilarina ait kalabalik davranisini tespit etmek ve tespit edilen kalabalik davranisi temelinde en az bir kullanici cihazinin ses seviyesini gerçek zamanli olarak ayarlamak üzere yapilandirilan, bulut tabanli servisi uygulayan bulut kaynaklarini içermektedir. uygulamak üzere yapilandirilmaktadir.