Minijaturno pojačalo za zaključavanje koje se može nositi (i sonarni sustav za nosive stvari itd.): 7 koraka

2024 Autor: John Day | [email protected]. Zadnja promjena: 2024-01-30 09:35

Napravite minijaturno jeftino pojačalo sa zaključavanjem koje se može umetnuti u okvire naočala i stvoriti sustav sonarnog vida za slijepe ili jednostavni ultrazvučni aparat koji neprestano nadgleda vaše srce i koristi učenje pomoću ljudskog stroja da upozori na probleme prije nego što dogoditi.

Pojačalo za zaključavanje je pojačalo koje se može zaključati na određeni signal (referentni ulaz) zanemarujući sve ostalo. U svijetu stalnog bombardiranja bukom i ometanjem, sposobnost ignoriranja nečega (tj. Ignoriranja) vrijedna je vrijednost.

Najbolje pojačalo ikada izgrađeno u čitavoj povijesti ljudskog roda je PAR124A napravljen 1961. godine, i iako su mnogi pokušali nadmašiti ili izjednačiti njegove performanse, nijedno nije uspjelo [https://wearcam.org/BigDataBigLies.pdf].

Pojačala za zaključavanje su temeljna za sonare, radare, lidare i mnoge druge vrste detekcije, a dobra obično koštaju oko 10 000 do 50 000 USD, ovisno o specifikacijama itd.

S. Mann, Sveučilište Stanford, Odsjek za elektrotehniku, 2017.

Citirajte Manna, Lu, Wernera, IEEE GEM2018, str. 63-70

Korak 1: Nabavite komponente

Studentski klub nosivih računala WearTech na Sveučilištu u Torontu velikodušno je donirao komplet dijelova svakom studentu upisanom na ECE516.

Možete se pridružiti WearTechu i nabaviti komplet dijelova, ili pak kupiti dijelove od Digikeyja.

Opis materijala:

• Generator signala (koji ćete još imati iz Lab-a 1 i u početku vam neće trebati kompletan generator signala, tj. Za prvi dio ovog laboratorija, bilo koji odgovarajući generator signala u stvarnoj vrijednosti će raditi);
• Dekoder tona LM567 ili NE567 (8-pinski čip);
• R_T = gornji otpornik razdjelnika referentnog ulaznog napona: pribl. 5340 ohma;
• R_B = donji otpornik razdjelnika referentnog ulaznog napona: pribl. 4660 ohma;
• R_L = otpornik opterećenja za izlaz (Pin 3): pribl. 9212 ohma;
• Tri kondenzatora (kondenzatori za spajanje za referentni i signalni ulaz, kao i kondenzator niskopropusnog filtera na izlazu);
• Opcijski prekidači;
• Izlazno pojačalo poput TL974 (možete koristiti i dovoljno osjetljivo audio pojačalo ili pojačalo za slušalice s dovoljno visokom ulaznom impedancijom kako ne biste preopteretili kondenzator izlaznog filtra);
• Ostale različite komponente;
• Oglasna ploča ili druga ploča za sastavljanje komponenti.

Osim toga, da biste učinili nešto korisno s pojačalom za zaključavanje, trebat ćete dobiti:

• Ultrazvučni pretvarači (količina dva);
• Audio slušalice ili sustav zvučnika;
• Računalni sustav ili procesor ili mikrokontroler (iz laboratorija 1) za dio strojnog učenja.

R_T, R_B, i R._L relativno su kritične, tj. vrijednosti koje smo pažljivo odabrali eksperimentiranjem.

Korak 2: Povežite komponente

Spojite komponente prema prikazanom dijagramu.

Dijagram je lijep spoj između shematskog dijagrama i dijagrama ožičenja, tj. Prikazuje raspored kruga, kao i način na koji je krug spojen.

Način na koji se koristi tonski dekoder 567 neki su smatrali kreativnim odstupanjem od uobičajene uobičajene uporabe. Obično je Pin 8 izlazni pin, ali to uopće ne koristimo. Obično uređaj detektira ton i uključuje svjetlo ili drugu stavku kada se ton detektira.

Ovdje ga koristimo na način koji se potpuno razlikuje od načina na koji se namjeravao koristiti.

Umjesto toga, uzimamo izlaz na Pin 1 koji je izlaz "Faznog detektora". Iskorištavamo činjenicu da je "detektor faza" jednostavno multiplikator.

Također, Pin 6 se obično koristi kao veza vremenskog kondenzatora.

Umjesto toga, kreativno koristimo Pin 6 kao referentni ulaz za korištenje čipa 567 kao pojačalo za zaključavanje. To nam omogućuje pristup množitelju na jednom od njegovih ulaza.

Kako bismo dobili maksimalnu osjetljivost na referentne ulaze, otkrili smo da ćemo, ako ovaj pin postavimo na 46,6% opskrbne šine, i kapacitivno ga spojiti, postići najbolje rezultate. Također možete pokušati napajati referentni signal izravno na njega, što je označeno prekidačem (možete jednostavno upotrijebiti kratkospojnu žicu na svojoj ploči umjesto prekidača).

Jedini ulazni/izlazni pin koji uobičajeno koristimo (tj. Način na koji se trebao koristiti) je Pin 3 koji bi se trebao koristiti kao ulaz, a koji doista koristimo kao ulaz!

Korak 3: Dobro upotrijebite pojačalo za zaključavanje: Pomoć za vid slijepima

Želimo upotrijebiti pojačalo za zaključavanje kako bismo stvorili vidno pomagalo (pomoć za vid) za slijepe.

Ideja je ovdje da ga koristimo za sonar, za stvaranje Doppler sonarnog osjetnog sustava.

Iako senzor sonara možete kupiti kao Arduino nastavak, odlučili smo sami izgraditi sustav prema prvim načelima u ovom Uputu iz sljedećih razloga:

1. Učenici će naučiti osnove kada sami grade stvari;
2. To vam daje izravan pristup sirovim signalima za daljnja istraživanja i razvoj;
3. Sustav je mnogo osjetljiviji i trenutačniji, u usporedbi s unaprijed zapakiranim sustavima koji samo izvještavaju o skupljenim informacijama s dosta zakašnjenja (latencija).

Postavite dva ultrazvučna pretvarača na slušalice (slušalice), okrenuta prema naprijed. Volimo ih staviti s obje strane tako da glava štiti odašiljač od izravnog signala s prijemnika.

Spojite ih na zaključavajuće pojačalo prema priloženom dijagramu.

Spojite izlaz pojačala na slušalice. Slušalice tipa "Extra Bass" najbolje funkcioniraju jer se frekvencijski odziv proteže sve do najnižih frekvencija.

Sada ćete moći čuti objekte u prostoriji i sastaviti mentalnu vizualnu kartu objekata u pokretu.

Korak 4: Učenje čovjek-stroj

"Otac AI -a", Marvin Minsky (izumio je cijelo područje strojnog učenja), zajedno s Rayom Kurzweilom (direktorom inženjeringa u Google -u) i ja, napisao je članak u IEEE ISTAS -u 2013 (Minsky, Kurzweil, Mann, " Society of Intelligent Veillance ", 2013.) o novoj vrsti strojnog učenja, nazvanoj Humanistička inteligencija.

To proizlazi iz strojnog učenja na nosivim tehnologijama, tj. "HuMachine Learning", u kojem senzori postaju pravi produžetak uma i tijela.

Pokušajte uzeti povratne podatke Doppler sonara i opskrbiti ih analognim ulazom računalnog sustava te izvesti malo strojnog učenja na tim podacima.

To će nas odvesti korak bliže viziji Simona Haykina o radaru ili sonarnom sustavu sposobnom za spoznaju.

Razmislite o upotrebi neuronske mreže LEM (Povećanje očekivanja prijave).

Pogledajte

Evo nekoliko dodatnih radova o strojnom učenju i transformaciji chirpleta:

www.ncbi.nlm.nih.gov/pubmed/16830941

pdfs.semanticscholar.org/21d3/241e70186a9b…

arxiv.org/pdf/1611.08749.pdf

pdfs.semanticscholar.org/21d3/241e70186a9b…

www.researchgate.net/publication/22007368…

Korak 5: Ostale varijacije: Monitor srca

Uzrok smrti broj 1 su srčane bolesti i možemo stvoriti nosivi sustav koji će to riješiti. Upotrijebite dva hidrofona ili geofona da biste "vidjeli" u svoje srce. Ista tehnologija koja slijepima pomaže da "vide" sada se može okrenuti prema unutra kako bi pogledala u svoje tijelo.

Takav monitor srca, u kombinaciji s tradicionalnim EKG-om, kao i videozapisom okrenut prema van za kontekst, daje vam nosivi monitor srca sa kontekstom za osobno zdravlje i sigurnost.

Strojno učenje može pomoći u predviđanju problema prije nego što nastanu.

Korak 6: Druga varijacija: Sigurnosni sustav za bicikle

Druga primjena je sustav za vožnju unatrag za bicikl. Postavite pretvarače okrenute unatrag na biciklističku kacigu.

Ovdje želimo zanemariti nered na tlu i općenito sve što se od vas udaljava, ali samo "vidjeti" stvari koje vas stječu.

U tu svrhu htjet ćete koristiti sonarni sustav složene vrijednosti, kako je naznačeno u gornjoj shemi ožičenja.

Ulazite (stvarni i imaginarni) u 2-kanalni AtoD (analogno-digitalni) pretvarač i izračunajte Fourierovu transformaciju, a zatim uzmite u obzir samo pozitivne frekvencije. Kad postoje jake komponente pozitivne frekvencije, nešto dobivate na sebi. To može aktivirati povećanje feeda stražnje kamere kako bi se skrenula pozornost na objekte iza vas koji vas privlače.

Za bolje rezultate, izračunajte chirplet tranform. Još bolje: upotrijebite Adaptive Chirplet Transform (ACT) i upotrijebite neuronsku mrežu LEM.

Vidi 2. poglavlje udžbenika "Inteligentna obrada slika", John Wiley i sinovi, 2001.

Dodatne reference:

wearcam.org/all.pdf

wearcam.org/chirplet.pdf

wearcam.org/chirplet/adaptive_chirplet1991/

wearcam.org/chirplet/adaptive_chirplet1992/…

arxiv.org/pdf/1611.08749.pdf

www.diva-portal.org/smash/get/diva2:1127523…

Korak 7: Druga varijacija: Binauralna pomoć za slijepe

Upotrijebite prethodno pojačalo s kompleksnom vrijednosti za zaključavanje kako biste osigurali stereoskopski zvuk sa stvarnim i imaginarnim izlazima na dva stereo kanala zvuka.

Na ovaj način možete čuti složenu prirodu svijeta oko sebe, budući da je ljudski sluh vrlo usklađen s laganim faznim promjenama, te je li vrlo vješt u učenju razumijevanja suptilnih promjena između faznih i kvadraturnih kanala povratka iz Dopplera.