Programmatische Tonausgabe¶

Neben dem Gegensprechen liegt der Gedanke nahe, einzelne kurze Tonsignale an den Lautsprecher der Außeneinheit zu schicken — etwa als Rückmeldung an eine Person vor der Tür. Technisch ist das derselbe Rückkanal wie beim Gegensprechen (siehe Zwei-Wege-Audio); im Verhalten unterscheidet es sich jedoch deutlich, und dieser Unterschied ist der Gegenstand dieser Seite.

Kurzfassung

Ein einzelner, kurzer Wiedergabeauftrag ist unzuverlässig — ein durchgehender Audiostrom ist es nicht. Steckt die Tonfolge in einer Datei und wird mit einer Anfrage gesendet, kommt sie vollständig an: in der entscheidenden Messung 24 von 24 Tönen, im 5-Sekunden-Takt, zusätzlich von einem menschlichen Ohr an der Tür bestätigt.

Die Unzuverlässigkeit liegt damit nicht am Gerät, sondern in der Behandlung der einzelnen Wiedergabeanfrage auf Serverseite.

Zwei Randbedingungen vorweg¶

1. Ohne bestehende Sitzung passiert nichts. Der Rückkanal existiert nur innerhalb einer ausgehandelten HAP-Sitzung. Besteht keine, wird der Sendevorgang still verworfen. Eine Sitzung, die nur zum Zweck der Wiedergabe aufgebaut und nicht von einem Abnehmer gehalten wird, fällt binnen etwa einer Sekunde wieder zusammen. Während der Wiedergabe muss also ein echter Abnehmer am Strom hängen.

2. Erfolgsmeldungen der Kette sind wertlos. Beobachtet wurde durchgehend:

die Schnittstelle quittiert den Wiedergabeauftrag positiv, auch wenn nichts geschieht,
der Kodierer startet und meldet die korrekten Sollwerte,
die Sendezähler wachsen,

und am Lautsprecher kommt trotzdem nichts an. Wer diese Funktion untersucht, braucht ein akustisches Prüfmittel; die Rückmeldungen der Software beantworten die Frage nicht.

Der entscheidende Unterschied: eine Anfrage oder viele¶

Für die Zuverlässigkeit ist ausschlaggebend, wie die Tonfolge gesendet wird.

Ein durchgehender Strom kommt vollständig an¶

Steckt die Wiederholung in der Audiodatei und wird mit einer Anfrage gesendet, kommt jeder Ton an. Gemessen an einer 145 s langen Datei mit 24 Tönen im 5-Sekunden-Takt, abwechselnd zwei verschiedene Tonfolgen:

	Ergebnis
erwartete Töne	24
akustisch nachgewiesen	24
Raster	exakt 5,0 s, keine Lücke
Abwechslung der beiden Tonfolgen	durchgehend korrekt

Zusätzlich durch eine Person am Gerät bestätigt: Beide Tonfolgen waren als solche hörbar, voneinander unterscheidbar, ausreichend laut und unverzerrt. Eine zweite, kürzere Messung mit sechs Tönen in einer Datei ergab dasselbe Bild.

Einzelne kurze Anfragen sind unzuverlässig¶

Wird stattdessen je Ton eine eigene Anfrage gesendet, ist das Ergebnis erratisch. Vier Einzelanfragen unter sonst gleichen Bedingungen, die sich nur in der Länge einer vorangestellten Stille unterschieden:

vorangestellte Stille	Ergebnis
0,0 s	still
0,5 s	hörbar
1,5 s	still
3,0 s	still

Die Länge der Stille erklärt das nicht — das Muster ist nicht monoton. Es ist die Unzuverlässigkeit selbst, die sich hier zeigt.

Bei mehreren Einzelanfragen in Folge war innerhalb einer Sitzung regelmäßig genau eine hörbar. Dieses Verhalten ist über viele Sitzungen und verschiedene Abstände reproduzierbar, war aber irreführend: Es legt eine Eigenschaft des Geräts nahe, wo tatsächlich die serverseitige Behandlung der einzelnen Anfrage die Ursache ist — der Vergleich mit dem durchgehenden Strom zeigt es.

Der Versuch, der die Frage entschieden hat

Solange Wiederholung als mehrere Anfragen ausgedrückt wird, sind Anfragebehandlung und Geräteverhalten nicht zu trennen. Verlegt man die Wiederholung in die Datei, bleibt genau eine Anfrage, eine Quelle, ein Kodiererstart übrig — und das Geräteverhalten steht allein. Dass dann alles ankommt, entlastet das Gerät und belastet die Anfragebehandlung.

Verallgemeinert: Wenn eine vermutete Eigenschaft nur über einen Mechanismus beobachtbar ist, der selbst verdächtig ist, muss der Versuch diesen Mechanismus aus der Kette nehmen — nicht ihn feiner vermessen.

Die Ursache: der Rückkanal-Sender wird nur einmal je Verbindung angelegt¶

In der verwendeten quelloffenen Serverimplementierung legte die Funktion, die eine Tonquelle an das ausgehende Medium des Geräts hängt, den Sender nur an, wenn noch keiner existierte — und nichts setzte ihn je zurück, auch das Beenden der Verbindung nicht.

Folge: Jeder Rückkanal ab dem zweiten wurde an den alten Sender gehängt, dessen Verarbeitung noch an der vorigen Tonquelle und an einem inzwischen beendeten Kodierer-Prozess hing. Nach außen blieb alles unauffällig — die Schnittstelle quittierte positiv, es erschien keine Logzeile, und es kam kein Ton.

Gemessen am Gerät, vier Wiedergaben in einer Sitzung:

	Sender wird wiederverwendet	Sender wird je Wiedergabe neu aufgebaut
Kodiererstarts	1 (nur die erste Wiedergabe)	4
akustisch nachgewiesen	1 von 8 Tönen	8 von 8

Drei Änderungen genügten: vor jedem Aufbau abräumen; die Verarbeitung an die konkrete Kodierer-Instanz binden statt an das Feld, das beim nächsten Aufbau wechselt; und beim Beenden der Verbindung freigeben.

Woran man es erkennt

Der Kodiererzähler ist das Frühwarnsignal. Steigt er bei einer Wiedergabe nicht, wurde kein neuer Rückkanal aufgebaut — dann liegt es an dieser Sender-Verwaltung und nicht am Gerät, am Netz oder am Abnehmer. Ein Neustart des Servers stellt den Zustand sofort wieder her; das ist die schnelle Gegenprobe.

Eine naheliegende, aber falsche Fährte

Ein zweiter Fehler in derselben Umgebung — beendete interne Quellen bleiben in der Quellenliste — verleitet dazu, sie beim Zusammenschalten zu überspringen. Dieser Filter führte in der Erprobung zu durchgehender Stille, vermutlich weil das Zielmedium des Geräts selbst unter dieselbe Einordnung fällt. Er wurde verworfen; die Ursache oben trägt allein.

Erfolgsmeldungen bleiben wertlos

Unabhängig vom gewählten Weg gilt: Die Schnittstelle quittiert positiv, der Kodierer startet, die Sendezähler wachsen — auch wenn nichts zu hören ist. Wer diese Funktion aufbaut, braucht ein akustisches Prüfmittel; die Rückmeldungen der Software beantworten die Frage nicht.

Messverfahren: das Mikrofon des Geräts als Ohr¶

Das Mikrofon der Außeneinheit hört ihren eigenen Lautsprecher. Damit lässt sich ohne Person vor Ort feststellen, ob ein Ton tatsächlich abgegeben wurde. Das Verfahren:

Aufnehmen — die Aufnahme ist zugleich der nötige Abnehmer, der die Sitzung hält.
Wiedergabeauftrag zu einem bekannten Zeitpunkt absetzen.
Auswerten durch Korrelation gegen die Referenz-Tondatei.

Drei Fallstricke entscheiden über die Brauchbarkeit — alle drei haben hier zunächst zu falschen Schlüssen geführt:

1. Die Anlaufzeit verschiebt das Aufnahmefenster, nicht nur die Zeitachse

Bis zum ersten Audio-Abtastwert vergehen je nach Lauf 4 bis 18 Sekunden. Alles, was davor passiert, ist gar nicht in der Aufnahme — ein früh abgesetzter Ton sieht dann aus wie Stille, obwohl er nie im Fenster lag.

Abhilfe: Ton frühestens 25 s nach Aufnahmebeginn, Aufnahmedauer mindestens 60 s. Die Anlaufzeit lässt sich exakt bestimmen als Wanduhrdauer − aufgezeichnete Dauer; damit ist jeder Treffer eindeutig einem Auftrag zuzuordnen, ohne zu raten.

2. Bandenergie ist kein Detektor

Die Energie in einem Frequenzband um die Tonhöhe schlägt auch bei Umgebungsgeräuschen aus. In dieser Messreihe erschien so mehrfach ein vermeintlicher Ton — auch in Läufen, in denen die abgespielte Datei die betreffende Frequenz gar nicht enthielt.

Abhilfe: Korrelation gegen die Tonhöhen-Kontur der Referenzdatei (Spektrogramm, pegelbefreit, normierte Kreuzkorrelation). Ein steigender und ein fallender Zweiklang lassen sich so zuverlässig unterscheiden — die Kontur trägt die Information, der Pegel nicht.

3. Die Schwelle braucht eine Kontrolle gleicher Länge

Das Maximum von Rauschen wächst mit der Aufnahmedauer. Eine kurze Kontrollaufnahme gegen eine lange Messung erzeugt zwangsläufig Scheintreffer. Verwendet wurden hier 389 s Kontrollaufnahme; klare Treffer lagen deutlich über deren Maximum.

Grenze des Verfahrens

Das Mikrofon sitzt hinter der Echounterdrückung des Prüflings. Messbar ist im Wesentlichen der Einsatz eines Tons, nicht sein Verlauf — für eine Ja/Nein-Aussage genügt das, für Lautstärke oder Klangqualität nicht. Vor allem: Das Verfahren beweist Anwesenheit, nicht Abwesenheit. Für belastbare Negativaussagen wäre ein unabhängiges Mikrofon nötig.

Was daraus folgt¶

Für eine Anwendung, die verlässlich einen hörbaren Ton erzeugen muss, gehört die Tonfolge in eine Datei und in eine einzige Anfrage. Das war in allen Messungen vollständig und lückenlos — im Gegensatz zu einzeln abgesetzten kurzen Aufträgen.

Zwei Dinge sind dabei zu beachten:

Die Sitzung muss stehen und gehalten werden. Ohne Abnehmer fällt sie binnen etwa einer Sekunde zusammen, und der Sendevorgang wird still verworfen. In einem Türklingel-Ablauf ist das meist ohnehin gegeben, weil Kamerabild oder Gegensprechen die Sitzung bereits halten.
Eine dauerhaft offene Sitzung ist keine Lösung. Ein laufender Videostrom ohne Abnehmer erzeugt mehrere Mbit/s Dauerlast und belegt den Funkkanal doppelt (siehe Videowege).

Was offen bleibt

Warum einzelne kurze Anfragen erratisch sind, ist nicht abschließend geklärt; die beiden oben genannten Fehler sind Kandidaten, aber nicht als vollständige Erklärung nachgewiesen. Für die Praxis ist das zweitrangig, weil der durchgehende Strom den Fall löst — für ein Verständnis der Schnittstelle nicht.

Nicht mehr offen ist dagegen die Frage nach der Art des Abnehmers: siehe unten.

Unter realen Bedingungen bestätigt¶

Alle vorangehenden Messungen hielten die Sitzung mit einer eigens gestarteten Aufnahme. Der Fall, auf den es ankommt, ist ein anderer: Die Sitzung entsteht durch den normalen Ablauf eines Klingelvorgangs — Kameraaufzeichnung und eine Betrachter-Oberfläche halten sie, kein Messwerkzeug ist beteiligt.

Dafür wurde ein Beobachter eingerichtet, der die Datei mit einer Anfrage sendet, sobald der Videostrom anläuft, und selbst keinen Abnehmer anmeldet. Beim anschließenden echten Klingeln wurden alle vier Töne der Datei von einer Person am Gerät gehört.

Damit ist auch dieser Fall belegt:

Eine vom normalen Ablauf gehaltene Sitzung trägt genauso wie eine eigens aufgebaute.
Der gleichzeitig läutende Gong übertönt die Signaltöne nicht — beides war nebeneinander hörbar. Diese Frage stellt sich am Schreibtisch nicht und ist für die Brauchbarkeit entscheidend.