Minijaturno nosivo pojačalo sa zaključavanjem (i sonarni sistem za nosive stvari itd.): 7 koraka

2024 Autor: John Day | [email protected]. Zadnja izmjena: 2024-01-30 08:07

Napravite minijaturno jeftino pojačalo sa zaključavanjem koje se može ugraditi u okvire naočala i stvoriti sistem sonarnog vida za slijepe ili jednostavnu ultrazvučnu mašinu koja neprestano nadgleda vaše srce i koristi učenje pomoću ljudskog stroja da upozori na probleme prije nego što oni desiti.

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 da se nešto ignorira (tj. Ignoriranje) vrijedna je vrijednost.

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

Pojačala za zaključavanje su fundamentalna za sonar, radar, lidar i mnoge druge vrste sensinga, a dobra obično koštaju oko 10.000 do 50.000 dolara, ovisno o specifikacijama itd.

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

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

Korak 1: Nabavite komponente

Studentski klub nosivog računarstva WearTech na Univerzitetu u Torontu velikodušno je donirao komplet dijelova svakom studentu upisanom na ECE516.

Možete se pridružiti WearTech -u i nabaviti komplet dijelova ili kupiti dijelove od Digikey -a.

Opis materijala:

• Generator signala (koji ćete i dalje imati iz laboratorija 1 i u početku vam neće trebati kompletan generator signala, tj. Za prvi dio ove laboratorije, bilo koji odgovarajući generator signala stvarne vrijednosti će to učiniti);
• LM567 ili NE567 tonski dekoder (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): ca. 9212 ohma;
• Tri kondenzatora (spojni kondenzatori za referentni i signalni ulaz, kao i kondenzator niskopropusnog filtera na izlazu);
• Opcijski prekidači;
• Izlazno pojačalo kao što je TL974 (možete koristiti i dovoljno osjetljivo audio pojačalo ili pojačalo za slušalice s dovoljno visokom ulaznom impedansom kako ne biste preopteretili kondenzator izlaznog filtera);
• Ostale različite komponente;
• Oglasna ploča ili druga ploča za sastavljanje komponenti.

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

• Ultrazvučni pretvarači (količina dva);
• Audio slušalice ili sistem zvučnika;
• Računarski sistem ili procesor ili mikrokontroler (iz laboratorija 1) za dio mašinskog 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, odnosno prikazuje raspored kola, kao i način na koji je kolo spojeno.

Način na koji se koristi tonski dekoder 567 neki su smatrali kreativnim odstupanjem od njegove uobičajene uobičajene upotrebe. Obično je Pin 8 izlazni pin, ali mi ga uopće ne koristimo. Obično uređaj detektuje ton i uključuje svetlo ili drugu stavku kada se ton detektuje.

Ovdje ga koristimo na način koji se potpuno razlikuje od načina na koji je namjeravan biti korišten.

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. Ovo nam omogućava pristup množitelju na jednom od njegovih ulaza.

Da bismo dobili maksimalnu osjetljivost na referentne ulaze, otkrili smo da ćemo, ako ovaj pin podesimo na 46,6% opskrbne šine, i kapacitivno ga spojiti, postići najbolje rezultate. Takođe možete pokušati da napojite referentni signal direktno na njega, što je označeno prekidačem (možete samo koristiti kratkospojnik na svojoj ploči umesto prekidača).

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

Korak 3: Dobro upotrijebite pojačalo za zaključavanje: Pomoć za vid slijepim osobama

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 senzorskog sistema.

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

1. Učenici će naučiti osnove kada sami grade stvari;
2. Ovo vam daje direktan pristup sirovim signalima za daljnja istraživanja i razvoj;
3. Sistem je mnogo osjetljiviji i trenutniji, u usporedbi sa unaprijed upakovanim sistemima koji samo izvještavaju o skupljenim informacijama s prilično malim kašnjenjem (kašnjenje).

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

Spojite ih na zaključavajuće pojačalo prema priloženom dijagramu.

Priključite 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 prostoriji u pokretu.

Korak 4: Učenje čovjek-mašina

"Otac AI", Marvin Minsky (on je izumio cijelo polje mašinskog učenja), zajedno sa Rayom Kurzweilom (direktorom inženjeringa u Google -u) i ja, napisao je rad u IEEE ISTAS 2013 (Minsky, Kurzweil, Mann, " Society of Intelligent Veillance ", 2013) o novoj vrsti mašinskog učenja, zvanoj Humanistička inteligencija.

Ovo proizlazi iz strojnog učenja na tehnologijama koje se mogu nositi, odnosno "HuMachine Learning", u kojem senzori postaju pravi produžetak uma i tijela.

Pokušajte uzeti povratne podatke Doppler sonara i isporučiti ih na analogni ulaz računarskog sistema i izvesti malo mašinskog učenja na tim podacima.

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

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

Pogledajte

Evo nekoliko dodatnih radova o strojnom učenju i transformaciji čirleta:

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: Druge varijacije: Monitor srca

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

Takav monitor srca, u kombinaciji s tradicionalnim EKG-om, kao i vanjskim videom za kontekst, daje vam nosivi monitor srca sa kontekstom svjesnim za lično zdravlje i sigurnost.

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

Korak 6: Druga varijacija: Sigurnosni sistem za bicikle

Druga primjena je sistem 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 sistem složene vrijednosti, kao što je naznačeno na 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. Kada postoje jake komponente pozitivne frekvencije, nešto dobijate na vama. Ovo može aktivirati povećanje vašeg stražnjeg fotoaparata kako bi skrenulo pažnju na objekte iza vas koji vas privlače.

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

Vidi Poglavlje 2 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

Koristite gore navedeno pojačalo sa zaključavanjem 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 prilagođen malim faznim promjenama i da li je vrlo vješt u učenju razumijevanja suptilnih promjena između faznih i kvadraturnih kanala Dopplerovog povratka.