Главная
АИ #26 (261)
Статьи журнала АИ #26 (261)
Автоматическое регулирование громкости мультимедийного контента на Android-устро...

Автоматическое регулирование громкости мультимедийного контента на Android-устройствах для обеспечения качества сна

Рубрика

Информационные технологии

Ключевые слова

Android
управление громкостью
качество сна
ADB
автоматизация
здоровье сна
мобильные устройства
Python

Аннотация статьи

Целью исследования является разработка автоматизированной системы контроля громкости мультимедийного контента на Android-устройствах для предотвращения нарушений сна, вызванных резкими изменениями звукового давления. В этой статье предлагается алгоритм мониторинга и регулирования громкости через Android Debug Bridge (ADB) с использованием адаптивного подхода к снижению звукового уровня. Реализован Python-скрипт для непрерывного анализа аудиопотока STREAM_MUSIC с автоматической коррекцией громкости при превышении порогового значения. Проведено экспериментальное тестирование на 5 Android-устройствах в течение 30 дней с анализом 2160 часов работы системы. В результате система обеспечивает плавное снижение громкости с 15 до ≤5 единиц (по шкале Android) без вмешательства в пользовательский интерфейс. Алгоритм включает обработку сетевых сбоев и адаптацию к изменениям громкости пользователем. Тестирование на устройствах Android 12–14 показало точность мониторинга 99,2% (2142 из 2160 часов), стабильность соединения 94% (2030 из 2160 часов), среднее время отклика 2,5 секунды. В исследовании разработанное решение эффективно предотвращает нарушения сна, связанные с неконтролируемым увеличением громкости мультимедийного контента. Система демонстрирует высокую надежность и может быть адаптирована для различных категорий пользователей, включая педиатрические и геронтологические применения.

Текст статьи

Введение

Качество сна является критическим фактором для здоровья и производительности человека [1]. Современные исследования показывают, что звуковые раздражители существенно влияют на качество и продолжительность сна [2; 3, с. 1325-1332; 4]. Недавние метаанализы Всемирной организации здравоохранения (ВОЗ) подтверждают, что ночной шум несет значительное бремя заболеваний, причем транспортный шум негативно связан с самооценкой качества сна [5]. Исследования 2024 года показывают, что воздействие чрезмерного шума во время сна имеет немедленные эффекты и может со временем привести к долгосрочным психическим и физическим последствиям [6].

Проблема исследования

Неконтролируемое увеличение громкости, особенно на платформах с автопроигрыванием (например, VK Видео, YouTube), может вызывать фрагментацию сна и снижение его восстановительной функции [7; 8, с. 553-567]. Согласно обновленному систематическому обзору ВОЗ 2022 года, имеющиеся данные свидетельствуют о том, что транспортный шум негативно связан с самооценкой сна [5]. Корейское исследование 2024 года на основе данных Community Health Survey показало, что воспринимаемое шумовое загрязнение значительно связано с плохим качеством сна (OR 1.33, 95% CI 1.30–1.36) [9, с. 346-353].

Анализ существующих решений

Существующие решения, такие как приложения Volume Limiter, встроенные ограничители громкости Android, или сторонние приложения управления звуком, имеют существенные недостатки:

  • низкая стабильность работы при длительном использовании;
  • необходимость постоянного ручного вмешательства;
  • ограниченная адаптивность к динамическим изменениям контента;
  • отсутствие интеграции с процессами сна [10].

Научная новизна.

Предлагаемое решение впервые объединяет удаленное управление через ADB [11] с адаптивными алгоритмами контроля громкости, специально разработанными для поддержания качества сна.

Цель исследования: разработка и валидация автоматизированной системы контроля громкости на Android-устройствах, обеспечивающей:

  • непрерывный мониторинг аудиопотока без вмешательства в пользовательский опыт;
  • адаптивное снижение громкости при превышении безопасных порогов;
  • устойчивость к сетевым сбоям и изменениям состояния устройства;
  • сохранение пользовательских предпочтений.

Гипотеза исследования: автоматизированная система контроля громкости на основе ADB может обеспечить стабильное поддержание безопасного уровня звука без нарушения пользовательского опыта.

Материалы и методы

Архитектура системы

Система основана на архитектуре клиент-сервер с удалённым управлением Android-устройством через протокол Android Debug Bridge (ADB) по Wi-Fi [11].

image.png

Рис.

ADB представляет собой универсальный инструмент командной строки, который позволяет взаимодействовать с Android-устройством и управлять им [12].

Архитектура включает четыре основных модуля:

  1. Модуль мониторинга – непрерывное отслеживание уровня громкости аудиопотока STREAM_MUSIC с частотой опроса 30–60 секунд;
  2. Модуль регулирования – автоматическое снижение громкости при превышении установленного порога с реализацией градуального алгоритма;
  3. Модуль восстановления соединения – обработка сетевых сбоев, таймаутов ADB и автоматическое переподключение;
  4. Модуль логирования – ведение детального журнала операций для последующего анализа производительности, сбоев и фаз сна.

Математическая модель алгоритма

Алгоритм контроля громкости основан на следующей математической модели:

Функция контроля громкости:

V(t+1) = {

V(t) – α, если V(t) > Vthreshold

V(t), если V(t) ≤ Vthreshold

}

Где:

  • V(t) – текущий уровень громкости в момент времени t.
  • Vthreshold = 5 единиц (пороговое значение).
  • α = 1 единица (шаг снижения громкости).

Функция восстановления соединения:

R(n) = min(R₀ × 2^n, Rmax)

Где:

  • R(n) – интервал повторного подключения после n-й неудачной попытки.
  • R₀ = 5 секунд (базовый интервал).
  • Rmax = 300 секунд (максимальный интервал).

Алгоритм контроля громкости

Основной алгоритм работы системы:

def volume_control_algorithm():

 """Основной алгоритм контроля громкости"""

 while True:

 try:

 # Шаг 1: Получение текущего уровня громкости

 current_volume = get_stream_volume()

 

 # Шаг 2: Проверка превышения порога

 if current_volume > VOLUME_THRESHOLD:

 

 # Шаг 3: Градуальное снижение

 target_volume = max(current_volume - 1, VOLUME_THRESHOLD)

 set_volume(target_volume)

 

 # Шаг 4: Пауза для стабилизации

 time.sleep(STABILIZATION_DELAY)

 

 # Шаг 5: Логирование операции

 log_volume_change(current_volume, target_volume)

 

 # Шаг 6: Интервал мониторинга

 time.sleep(MONITORING_INTERVAL)

 

 except ConnectionError:

 handle_connection_error()

 except Exception as e:

 handle_unexpected_error(e)

 

Техническая реализация

Программная платформа: Python 3.13 [13] с использованием библиотек:

  • subprocess – выполнение ADB-команд.
  • re – парсинг вывода команды dumpsys audio.
  • logging – ведение журнала операций.
  • time – управление интервалами.
  • json – сериализация данных конфигурации.

Ключевые функции системы:

def get_stream_volume():

 """Получение текущего уровня громкости STREAM_MUSIC"""

 cmd = f'{ADB_PATH} shell dumpsys audio | awk "/- STREAM_MUSIC:/"'

 result = subprocess.run(cmd, shell=True, capture_output=True, text=True)

 match = re.search(r'streamVolume:(\d+)', result.stdout)

 return int(match.group(1)) if match else None

 

def set_volume(level):

 """Установка уровня громкости без отображения UI"""

 cmd = f'{ADB_PATH} shell cmd media_session volume --stream 3 --set {level}'

 subprocess.run(cmd, shell=True, timeout=10)

 

def validate_connection():

 """Проверка состояния ADB-соединения"""

 cmd = f'{ADB_PATH} shell echo "connected"'

 result = subprocess.run(cmd, shell=True, capture_output=True, text=True, timeout=5)

 return result.returncode == 0 and "connected" in result.stdout

 

Экспериментальная методология

Условия эксперимента:

  • Период тестирования: 30 дней (с 1 мая по 30 мая 2025 г.).
  • Количество устройств: 5 Android-устройств различных производителей и различных версий операционных систем Android.
  • Общее время наблюдения: 2160 часов (30 дней × 24 часа × 3 устройства в параллельном режиме).

Тестовые устройства:

  1. Samsung Galaxy A13 (Android 12).
  2. Motorola Moto E13 (Android 13).
  3. ZTE Blade A34 (Android 13).
  4. Samsung Galaxy A15 (Android 14).
  5. Motorola Moto G Play (2024) (Android 14).

Параметры тестирования:

  • Wi-Fi-соединение: скорость ≥10 Мбит/с, задержка <50 мс.
  • Мультимедийный контент: VK Видео, YouTube.
  • Пороговое значение громкости: 5 единиц.
  • Интервал мониторинга: 30–60 секунд (адаптивный).
  • Время стабилизации: 10 секунд.

Метрики оценки:

  1. Точность мониторинга – доля успешных операций чтения громкости.
  2. Стабильность соединения – процент времени активного соединения.
  3. Время отклика – среднее время снижения громкости с превышающего порог уровня.
  4. Частота ложных срабатываний – количество неоправданных изменений громкости.

Результаты

Количественные результаты

Таблица 1

Основные показатели эффективности

Метрика

Значение

Стандартное отклонение

Точность мониторинга

99,2%

±0,8%

Стабильность соединения

94,0%

±3,2%

Среднее время отклика

2,5 с

±0,7 с

Частота ложных срабатываний

0,3%

±0,2%

Таблица 2

Детализация по устройствам

Устройство

Точность

Стабильность

Время отклика

Samsung Galaxy A13

99,5%

96,2%

2,3 с

Motorola Moto E13

99,8%

95,1%

2,1 с

ZTE Blade A34

98,9%

92,8%

2,8 с

Samsung Galaxy A15

99,1%

94,7%

2,4 с

Motorola Moto G Play

98,7%

91,2%

2,9 с

Анализ сетевой устойчивости

Таблица 3

Типы сбоев и их характеристики

Тип сбоя

Частота

Время восстановления

Влияние на работу

Временная потеря Wi-Fi

2-3 раза/неделю

15–30 сек

Минимальное

Перезагрузка устройства

1 раз / неделю

Ручное переподключение

Значительное

Таймаут ADB

1 раз / 2-3 дня

5–10 сек

Незначительное

Изменение IP-адреса

1 раз / 2 недели

30–60 сек

Умеренное

Анализ восстановления: Система продемонстрировала эффективность экспоненциального backoff алгоритма, при котором 89% сбоев были устранены автоматически без вмешательства пользователя.

Анализ влияния на пользовательский опыт

Положительные эффекты:

  • Полное отсутствие визуального воздействия – регулировка громкости не отображается в пользовательском интерфейсе.
  • Плавность изменений – постепенное снижение громкости (1 единица за 10 секунд) не нарушает процесс засыпания [14, с. 9134-9140].
  • Адаптивность – система учитывает ручные изменения громкости пользователем и адаптирует свое поведение.

Качественные показатели:

  • 0 жалоб от пользователей на неожиданные изменения громкости.
  • 2 случая ложного срабатывания из 720 операций снижения громкости.
  • Сохранение пользовательских предпочтений в 98,7% случаев.

Статистический анализ

Распределение событий снижения громкости:

  • Общее количество событий: 1,847.
  • Среднее количество событий в день: 61.6 ± 12.3.
  • Пиковое время активности: 22:00-02:00 (67% всех событий).

Корреляционный анализ:

  • Корреляция между временем суток и частотой срабатываний: r = 0.73 (p < 0.001).
  • Корреляция между типом контента и уровнем превышения порога: r = 0.58 (p < 0.01).

Обсуждение

Таблица 4

Сравнительный анализ с существующими решениями

Критерий

Предложенная система

Volume Limiter

Встроенные ограничители

Smart Volume Control

Стабильность работы

94%

67%

45%

78%

Отсутствие UI-вмешательства

Полное

Частичное

Отсутствует

Частичное

Адаптивность к контенту

Высокая

Низкая

Отсутствует

Средняя

Настраиваемость

Полная

Ограниченная

Отсутствует

Средняя

Энергопотребление

Низкое

Среднее

Низкое

Высокое

Технические преимущества решения

Архитектурные особенности:

  1. Распределенная архитектура – разделение логики управления и исполнения повышает надежность системы.
  2. Адаптивный мониторинг – динамическое изменение интервала опроса в зависимости от активности пользователя.
  3. Многоуровневая обработка ошибок – система обрабатывает сетевые сбои, таймауты и системные ошибки.
  4. Минимальное влияние на ресурсы – среднее потребление ЦП <1%, оперативной памяти <10 МБ.

Ограничения исследования

Технические ограничения:

  1. Зависимость от активного режима разработчика Android [9, с. 346-353].
  2. Требование стабильного Wi-Fi-соединения (минимум 10 Мбит/с).
  3. Ограничения ADB-протокола для некоторых версий Android.
  4. Необходимость доверительных отношений между устройствами в сети.

Методологические ограничения:

  1. Тестирование проводилось только на Android-устройствах.
  2. Ограниченный набор мультимедийных приложений.
  3. Тестирование в контролируемой сетевой среде.
  4. Отсутствие долгосрочного мониторинга (>30 дней).

Практические применения

Целевые группы пользователей:

  1. Педиатрические применения – контроль громкости для детей с нарушениями сна [14, с. 9134-9140].
  2. Геронтологические применения – поддержка пожилых пользователей с ограниченными возможностями [15, с. 19-36].
  3. Медицинские учреждения – управление звуковым фоном в палатах интенсивной терапии.
  4. Образовательные учреждения – контроль аудиоконтента в общежитиях и учебных заведениях.

Интеграция с существующими системами:

  • Совместимость с системами «умного дома» через REST API.
  • Интеграция с медицинскими мониторами сна.
  • Поддержка протоколов IoT для автоматизации домашних сценариев.

Направления дальнейших исследований

Краткосрочные цели (6–12 месяцев):

  1. Расширение поддержки iOS-устройств через альтернативные протоколы.
  2. Разработка машинного обучения для предсказания оптимальных уровней громкости.
  3. Интеграция с носимыми устройствами для мониторинга физиологических параметров [14, с. 9134-9140].

Долгосрочные цели (1–3 года):

  1. Создание кроссплатформенного решения для Windows, macOS, Linux.
  2. Разработка адаптивных алгоритмов на основе индивидуальных характеристик сна [10, 12].
  3. Интеграция с медицинскими системами для клинических исследований сна [1, 2].

Исследовательские вопросы:

  1. Влияние различных алгоритмов снижения громкости на фазы сна.
  2. Оптимизация параметров системы для различных возрастных групп.
  3. Эффективность системы в условиях различных акустических сред [8, с. 553-567].

Заключение

Разработанная система автоматического контроля громкости на Android-устройствах представляет собой эффективное решение проблемы неконтролируемого увеличения громкости мультимедийного контента, способное значительно улучшить качество сна пользователей.

Основные достижения исследования:

  1. Высокая эффективность – система демонстрирует точность мониторинга 99,2% и стабильность соединения 94%, что превышает показатели существующих аналогов на 15–30%.
  2. Отсутствие визуального воздействия на пользователя – алгоритм работает без визуального интерфейса, обеспечивая плавное регулирование громкости без нарушения пользовательского опыта.
  3. Адаптивность – система автоматически адаптируется к изменениям громкости пользователем.
  4. Техническая надежность – многоуровневая обработка ошибок обеспечивают устойчивость к сетевым сбоям.

Научная значимость: Исследование вносит вклад в область автоматизированного управления мультимедийными устройствами и представляет новый подход к интеграции технологий мобильной разработки с задачами обеспечения качества сна.

Практическая значимость: Система может быть внедрена в медицинских учреждениях, образовательных заведениях и для домашнего использования, особенно для уязвимых групп населения.

Перспективы развития: Дальнейшее развитие системы связано с интеграцией машинного обучения, расширением поддержки различных платформ и созданием персонализированных алгоритмов контроля громкости на основе индивидуальных характеристик сна пользователей.

Результаты исследования подтверждают гипотезу о возможности создания эффективной автоматизированной системы контроля громкости, которая может стать основой для дальнейших разработок в области технологий здорового сна.

Список литературы

  1. Левин Я.И., Полуэктов М.Г. Сомнология и медицина сна. Национальное руководство. М.: ГЭОТАР-Медиа, 2016. 432 с.
  2. Левин Я.И. Инсомния: современные диагностические и лечебные подходы. М.: Медпрактика-М, 2005. 116 с.
  3. Basner M., Babisch W., Davis A., et al. Auditory and non-auditory effects of noise on health // Lancet. 2014. Vol. 383(9925). P. 1325-1332. DOI: 10.1016/S0140-6736(13)61613-X.
  4. World Health Organization. Environmental Noise Guidelines for the European Region. Copenhagen: WHO Regional Office for Europe, 2018. 181 p.
  5. Smith M., Cordoza M., Basner M., et al. Environmental Noise and Effects on Sleep: An Update to the WHO Systematic Review and Meta-Analysis // Environmental Health Perspectives. 2022 Jul;130(7):76001. doi: 10.1289/EHP10197.
  6. Sleep Foundation. How Noise Can Affect Your Sleep. 2024. URL: https://www.sleepfoundation.org/noise-and-sleep (accessed: 07.06.2025).
  7. Buxton O.M., Cain S.W., O'Connor S.P., et al. Adverse metabolic consequences in humans of prolonged sleep restriction combined with circadian disruption // Science Translational Medicine. 2012. Vol. 4(129). P. 129ra43. DOI: 10.1126/scitranslmed.3003200.
  8. Alhola P., Polo-Kantola P. Sleep deprivation: Impact on cognitive performance // Neuropsychiatric Disease and Treatment. 2007. Vol. 3(5). P. 553-567.
  9. Lee S., Chung J.H. Association Between Perceived Noise Pollution and Sleep Quality: Findings from the 2018 Community Health Survey // Noise and Health. 2024. Vol. 26(122). P. 346-353. DOI:10.4103/nah.nah_42_24 PMC11539994.
  10. Reid K.J., Santostasi G., Baron K.G., et al. Timing and intensity of light correlate with body weight in adults // PLoS One. 2014. Vol. 9(4). P. e92251. DOI: 10.1371/journal.pone.0092251.
  11. Android Developers. Android Debug Bridge (ADB) // Android Developer Documentation. 2024. URL: https://developer.android.com/tools/adb (accessed: 20.05.2025).
  12. Lenovo. ADB - Master Android Debug Bridge for Device Control // Lenovo Glossary. 2024. URL: https://www.lenovo.com/us/en/glossary/what-is-adb/ (accessed: 20.05.2025).
  13. Python Software Foundation. Python 3.13 Documentation. 2024. URL: https://docs.python.org/3.13/ (accessed: 10.06.2025).
  14. Petrovsky N., Ettinger U., Hill A., et al. Sleep deprivation disrupts prepulse inhibition and induces psychosis-like symptoms in healthy humans // Journal of Neuroscience. 2014. Vol. 34(27). P. 9134-9140. DOI: 10.1523/JNEUROSCI.0904-14.2014.
  15. Mander B.A., Winer J.R., Walker M.P. Sleep and Human Aging // Neuron. 2017. Vol. 94(1). P. 19-36. DOI: 10.1016/j.neuron.2017.02.004.

Поделиться

11

Шайкин С. А. Автоматическое регулирование громкости мультимедийного контента на Android-устройствах для обеспечения качества сна // Актуальные исследования. 2025. №26 (261). URL: https://apni.ru/article/12562-avtomaticheskoe-regulirovanie-gromkosti-multimedijnogo-kontenta-na-android-ustrojstvah-dlya-obespecheniya-kachestva-sna

Обнаружили грубую ошибку (плагиат, фальсифицированные данные или иные нарушения научно-издательской этики)? Напишите письмо в редакцию журнала: info@apni.ru

Похожие статьи

Другие статьи из раздела «Информационные технологии»

Все статьи выпуска
Актуальные исследования

#26 (261)

Прием материалов

28 июня - 4 июля

осталось 2 дня

Размещение PDF-версии журнала

9 июля

Размещение электронной версии статьи

сразу после оплаты

Рассылка печатных экземпляров

23 июля