Pienet puettavat lukittavat vahvistimet (ja puettavien laitteiden kaikujärjestelmä jne.): 7 vaihetta

2024 Kirjoittaja: John Day | [email protected]. Viimeksi muokattu: 2024-01-30 09:02

Rakenna pienikokoinen edullinen lukittava vahvistin, joka voidaan upottaa silmälasikehyksiin, ja luo luotain näköjärjestelmä sokeille tai yksinkertainen ultraäänilaite, joka valvoo jatkuvasti sydäntäsi ja käyttää ihmisen ja koneen oppimista varoittamaan ongelmista ennen kuin ne tapahtua.

Lukitusvahvistin on vahvistin, joka voi lukita tietyn signaalin (referenssitulo) ja jättää huomiotta kaiken muun. Maailmassa, jossa pommitetaan jatkuvasti melua ja häiriötekijöitä, kyky jättää jotakin huomiotta (eli ignore-ance) on arvokas voimavara.

Paras vahvistin ihmiskunnan historian aikana on PAR124A, joka valmistettiin vuonna 1961, ja vaikka monet ovat yrittäneet ylittää tai tasata sen suorituskyvyn, mikään ei ole onnistunut [https://wearcam.org/BigDataBigLies.pdf].

Lukitusvahvistimet ovat olennaisia kaikuluotaimen, tutkan, lidarin ja monien muiden tunnistustyyppien kannalta, ja hyvät maksavat tyypillisesti noin 10 000–50 000 dollaria teknisistä tiedoista riippuen.

Mann, Stanfordin yliopisto, sähkötekniikan laitos, 2017.

Cite Mann, Lu, Werner, IEEE GEM2018 s.63-70

Vaihe 1: Hanki komponentit

WearTechin puettavien tietojenkäsittelyn opiskelijaklubi Toronton yliopistossa on lahjoittanut anteliaasti varaosapaketin jokaiselle ECE516 -opiskelijalle.

Voit liittyä WearTechiin ja hankkia osasarjan tai vaihtoehtoisesti ostaa osat Digikeyltä.

Materiaaliluettelo:

• Signaaligeneraattori (jonka saat edelleen Lab 1: stä etkä aluksi tarvitse koko monimutkaista signaaligeneraattoria, eli tämän laboratorion ensimmäisessä osassa mikä tahansa sopiva reaaliarvoinen signaaligeneraattori tekee);
• LM567- tai NE567-sävyn dekooderi (8-nastainen siru);
• R_T = vertailutulojännitteen jakajan ylin vastus: n. 5340 ohmia;
• R_B = vertailutulojännitteen jakajan pohjavastus: n. 4660 ohmia;
• R_L = kuormitusvastus ulostulolle (nasta 3): n. 9212 ohmia;
• Kolme kondensaattoria (kytkentäkondensaattorit vertailu- ja signaalituloa varten sekä alipäästösuodattimen kondensaattori ulostulossa);
• Valinnaiset kytkimet;
• Lähtövahvistin, kuten TL974 (voit myös käyttää riittävän herkkää äänivahvistinta tai kuulokevahvistinta, jolla on riittävän suuri tuloimpedanssi, jotta lähtösuodattimen kondensaattori ei ylikuormitu);
• Muut sekalaiset osat;
• Leipälevy tai muu piirilevy komponenttien kokoamiseen.

Lisäksi, jos haluat tehdä jotain hyödyllistä lukitusvahvistimella, sinun on hankittava:

• Ultraäänianturit (määrä kaksi);
• Äänikuulokkeet tai kaiutinjärjestelmä;
• Tietokonejärjestelmä tai prosessori tai mikro -ohjain (laboratoriosta 1) koneoppimisosalle.

R_T, R_Bja R._L ovat suhteellisen kriittisiä, eli arvoja, jotka olemme huolellisesti valinneet kokeilemalla.

Vaihe 2: Yhdistä komponentit

Liitä komponentit kuvan osoittaman kaavion mukaisesti.

Kaavio on mukava sekoitus kaavion ja kytkentäkaavion välillä, eli se näyttää piirin asettelun sekä piirin kytkennän.

Jotkut ovat pitäneet tapaa, jolla 567 -äänidekooderia käytetään, luovaa poikkeamista tavanomaisesta tavanomaisesta käytöstä. Normaalisti nasta 8 on lähtötappi, mutta emme käytä sitä ollenkaan. Normaalisti laite tunnistaa äänen ja sytyttää valon tai muun kohteen, kun ääni havaitaan.

Tässä käytämme sitä tavalla, joka on täysin erilainen kuin tapa, jolla sitä oli tarkoitus käyttää.

Sen sijaan otamme lähdön nastasta 1, joka on "vaiheilmaisimen" lähtö. Hyödynnämme sitä tosiasiaa, että "vaiheilmaisin" on yksinkertaisesti kerroin.

Myös nasta 6 käytetään normaalisti ajoituskondensaattoriliitäntänä.

Sen sijaan luovasti käytämme nastaista 6 referenssitulona 567-sirun käyttämiseksi lukitusvahvistimena. Tämän avulla voimme käyttää kertointa jollakin sen tuloista.

Saadaksemme maksimaalisen herkkyyden referenssituloille havaitsimme, että jos esijännitämme tämän nastan 46,6%: iin syöttökiskosta ja liitämme sen kapasitiivisesti, saamme parhaat tulokset. Voit myös yrittää syöttää referenssisignaalin suoraan siihen kytkimen osoittamalla tavalla (voit käyttää hyppyjohtoa leipälaudallasi kytkimen sijasta).

Ainoa tulo-/lähtötappi, jota käytämme perinteisesti (eli tapa, jolla se oli tarkoitettu käytettäväksi), on nasta 3, jota on tarkoitus käyttää tulona, jota todella käytämme tulona!

Vaihe 3: Käytä lukitusvahvistinta hyvään käyttöön: Sokeiden näkölaite

Haluamme käyttää lukitusvahvistinta luodaksemme näön apuvälineen (näköapuvälineen) sokeille.

Ajatuksena on, että käytämme sitä kaikuluotaimessa Doppler -luotainanturijärjestelmän luomiseksi.

Vaikka voit ostaa kaikuluotaintunnistimen Arduino -lisälaitteena, päätämme rakentaa järjestelmän itse tämän ohjeen ensimmäisistä periaatteista seuraavista syistä:

1. Oppilaat oppivat perusteet, kun he rakentavat asioita itse;
2. Tämä antaa sinulle suoran pääsyn raaka -signaaleihin lisätutkimusta ja -kehitystä varten;
3. Järjestelmä on paljon herkempi ja hetkellinen verrattuna valmiiksi pakattuihin järjestelmiin, jotka vain raportoivat kootut tiedot melko myöhässä (viive).

Asenna kaksi ultraäänianturia kuulokkeisiin (kuulokkeet) eteenpäin. Haluamme laittaa ne kummallekin puolelle niin, että pää suojaa lähetintä vastaanottimen suoralta signaalilta.

Liitä ne lukitusvahvistimeen toimitetun kaavion mukaisesti.

Liitä vahvistimen lähtö kuulokkeisiin. "Extra Bass" -tyyppiset kuulokkeet toimivat parhaiten, koska taajuusvaste ulottuu aina matalimmille taajuuksille.

Nyt voit kuulla esineitä huoneessa ja rakentaa henkisen visuaalisen kartan huoneen liikkeistä.

Vaihe 4: Ihmisten ja koneiden oppiminen

"Tekoälyn isä", Marvin Minsky (hän keksi koko koneoppimisen kentän) yhdessä Ray Kurzweilin (Googlen tekniikan johtaja) ja minä kanssa, kirjoitimme IEEE ISTAS 2013 -lehdessä (Minsky, Kurzweil, Mann,) Society of Intelligent Veillance ", 2013) uudenlaisesta koneoppimisesta, nimeltään Humanistic Intelligence.

Tämä johtuu koneoppimisesta puettavilla tekniikoilla, eli "HuMachine Learning", jossa antureista tulee todellinen mielen ja kehon jatke.

Kokeile ottaa Doppler -kaikuluotain ja toimittaa ne tietokonejärjestelmän analogiseen tuloon ja suorittaa koneoppimista näiden tietojen perusteella.

Tämä vie meidät askeleen lähemmäksi Simon Haykinin näkemystä kognitiivisesta tutka- tai luotainjärjestelmästä.

Harkitse LEM (Logon Expectation Maximization) -hermoverkon käyttöä.

Katso

Tässä muutamia lisäpaperia koneoppimisesta ja chirplet -muunnoksesta:

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…

Vaihe 5: Muut muunnelmat: sykemittari

Kuolinsyy numero 1 on sydänsairaus, ja voimme luoda puettavan järjestelmän, joka auttaa ratkaisemaan tämän. Käytä kahta hydrofonia tai geofonia "nähdäksesi" sydämeesi. Sama tekniikka, joka auttaa sokeita "näkemään", voidaan nyt kääntää sisäänpäin katsomaan omaa kehoasi.

Tällainen sykemittari yhdessä perinteisen EKG: n ja ulospäin suuntautuvan videon kanssa antaa sinulle puettavan kontekstitietoisen sykemittarin henkilökohtaisen terveyden ja turvallisuuden takaamiseksi.

Koneoppiminen voi auttaa ennustamaan ongelmia ennen niiden syntymistä.

Vaihe 6: Muu vaihtoehto: Polkupyörän turvajärjestelmä

Toinen sovellus on polkupyörän takanäkymäjärjestelmä. Aseta anturit taaksepäin pyörän kypärään.

Täällä haluamme jättää huomiotta maan sotkun ja yleensä kaiken, joka liikkuu poispäin sinusta, mutta vain "nähdä" asioita, jotka saavat sinut.

Tätä tarkoitusta varten haluat käyttää monimutkaista luotainjärjestelmää yllä olevan kytkentäkaavion mukaisesti.

Syötä lähdöt (todelliset ja kuvitteelliset) 2-kanavaiseen AtoD (analoginen digitaaliseen) -muuntimeen ja laske Fourier-muunnos ja ota huomioon vain positiiviset taajuudet. Kun on vahvoja positiivisia taajuuskomponentteja, sinulla on jotain hyötyä. Tämä voi aktivoida takakameran syötteen suurentamisen ja kiinnittää huomion takanasi oleviin kohteisiin, jotka ovat nousemassa sinuun.

Saat paremman tuloksen laskemalla chirplet -muunnoksen. Vielä parempi: käytä Adaptive Chirplet Transformia (ACT) ja LEM -hermoverkkoa.

Katso oppikirjan luku "Älykäs kuvankäsittely", John Wiley and Sons, 2001.

Muita viitteitä:

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…

Vaihe 7: Muu muunnelma: Binauraalinen näöntarkastus sokeille

Käytä yllä olevaa monimutkaista lukitusvahvistinta stereoskooppisen äänen tuottamiseksi sekä todellisilla että kuvitteellisilla lähdöillä kahdelle stereokanavalle.

Tällä tavoin voit kuulla ympärilläsi olevan maailman monimutkaisen luonteen, koska ihmisen kuulo on hyvin mukautuva pieniin vaihemuutoksiin, ja onko tämä erittäin taitava oppimaan ymmärtämään Doppler-paluun vaihe- ja kvadratuurikanavien väliset hienovaraiset muutokset.