Índice:

Amplificador de travamento vestível em miniatura (e sistema de sonar para vestíveis, etc.): 7 etapas
Amplificador de travamento vestível em miniatura (e sistema de sonar para vestíveis, etc.): 7 etapas

Vídeo: Amplificador de travamento vestível em miniatura (e sistema de sonar para vestíveis, etc.): 7 etapas

Vídeo: Amplificador de travamento vestível em miniatura (e sistema de sonar para vestíveis, etc.): 7 etapas
Vídeo: galinh4 2024, Setembro
Anonim
Image
Image
Amplificador de travamento vestível em miniatura (e sistema de sonar para vestíveis, etc.)
Amplificador de travamento vestível em miniatura (e sistema de sonar para vestíveis, etc.)

Construa um amplificador de bloqueio em miniatura de baixo custo que pode ser incorporado em armações de óculos e para criar um sistema de visão de sonar para cegos, ou uma máquina de ultrassom simples que monitora continuamente seu coração e usa o Aprendizado Homem-Máquina para alertar sobre problemas antes que eles ocorram acontecer.

Um amplificador lock-in é um amplificador que pode travar em um sinal específico (entrada de referência) enquanto ignora todo o resto. Em um mundo de bombardeio constante com barulho e distração, a capacidade de ignorar algo (ou seja, ignorância) é um ativo valioso.

O melhor amplificador já construído em toda a história da raça humana é o PAR124A feito em 1961, e enquanto muitos tentaram superar ou igualar seu desempenho, nenhum conseguiu [https://wearcam.org/BigDataBigLies.pdf].

Amplificadores lock-in são fundamentais para sonar, radar, lidar e muitos outros tipos de detecção, e os bons normalmente custam cerca de US $ 10.000 a US $ 50.000, dependendo das especificações, etc.

S. Mann, Stanford University, Department of Electrical Engineering, 2017.

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

Etapa 1: obter os componentes

Obtenha os componentes
Obtenha os componentes
Obtenha os componentes
Obtenha os componentes

O clube de alunos de computação vestível da WearTech da Universidade de Toronto doou generosamente um kit de peças a cada aluno matriculado no ECE516.

Você pode ingressar na WearTech e obter um kit de peças ou, alternativamente, comprar as peças da Digikey.

Lista de materiais:

  • Gerador de sinal (que você ainda terá do Laboratório 1 e inicialmente não precisará do gerador de sinal complexo completo, ou seja, para a primeira parte deste laboratório, qualquer gerador de sinal de valor real adequado servirá);
  • Decodificador de tom LM567 ou NE567 (chip de 8 pinos);
  • RT = resistor superior do divisor de tensão de entrada de referência: aprox. 5340 ohms;
  • RB = resistor inferior do divisor de tensão de entrada de referência: aprox. 4660 ohms;
  • Reu = resistor de carga para saída (Pino 3): aprox. 9212 ohms;
  • Os três capacitores (capacitores de acoplamento para referência e entrada de sinal, bem como capacitor de filtro passa-baixa na saída);
  • Interruptores opcionais;
  • Amplificador de saída como o TL974 (você também pode usar um amplificador de áudio suficientemente sensível ou amplificador de fone de ouvido com impedância de entrada suficientemente alta para não sobrecarregar o capacitor do filtro de saída);
  • Outros componentes diversos;
  • Placa de ensaio ou outra placa de circuito para montagem dos componentes.

Além disso, para fazer algo útil com o amplificador lock-in, você vai querer obter:

  • Transdutores ultrassônicos (quantidade dois);
  • Fone de ouvido de áudio ou sistema de alto-falante;
  • Sistema de computador ou processador ou microcontrolador (do Laboratório 1) para a parte de aprendizado de máquina.

RT, RB, e Reu são relativamente críticos, ou seja, valores que selecionamos cuidadosamente por meio de experimentação.

Etapa 2: conecte os componentes

Conecte os componentes
Conecte os componentes
Conecte os componentes
Conecte os componentes
Conecte os componentes
Conecte os componentes

Conecte os componentes de acordo com o diagrama mostrado.

O diagrama é uma boa combinação entre um diagrama esquemático e um diagrama de fiação, ou seja, mostra o layout do circuito e também como o circuito está conectado.

A maneira como o decodificador de 567 tons está sendo usado tem sido considerada por alguns como um afastamento criativo de seu uso convencional normal. Normalmente o pino 8 é o pino de saída, mas não o usamos. Normalmente, o dispositivo detecta um tom e acende uma luz ou outro item quando o tom é detectado.

Aqui, estamos usando-o de uma forma completamente diferente da forma como foi planejado para ser usado.

Em vez disso, estamos pegando a saída do Pino 1, que é a saída de um "Detector de fase". Nós exploramos o fato de que um "Detector de Fase" é simplesmente um multiplicador.

Além disso, o pino 6 é normalmente usado como uma conexão de capacitor de temporização.

Em vez disso, criativamente, usamos o pino 6 como a entrada de referência para usar o chip 567 como um amplificador lock-in. Isso nos permite acessar o multiplicador em uma de suas entradas.

Para obter a sensibilidade máxima para as entradas de referência, descobrimos que se polarizarmos este pino em 46,6% do trilho de alimentação e conectá-lo capacitivamente, obteremos melhores resultados. Você também pode tentar alimentar o sinal de referência diretamente para ele, conforme indicado pelo switch (você pode apenas usar um fio jumper na placa de ensaio em vez do switch).

O único pino de entrada / saída que usamos convencionalmente (ou seja, a forma como deveria ser usado) é o pino 3, que deveria ser usado como a entrada, que de fato usamos como a entrada!

Etapa 3: Coloque o amplificador de travamento em bom uso: auxílio à visão para cegos

Faça bom uso do amplificador de travamento: auxílio à visão para cegos
Faça bom uso do amplificador de travamento: auxílio à visão para cegos
Faça bom uso do amplificador de travamento: auxílio à visão para cegos
Faça bom uso do amplificador de travamento: auxílio à visão para cegos
Faça bom uso do amplificador de travamento: auxílio à visão para cegos
Faça bom uso do amplificador de travamento: auxílio à visão para cegos

Queremos usar o amplificador lock-in para criar um auxílio à visão (auxílio à visão) para cegos.

A ideia aqui é que o usemos para sonar, para criar um sistema de detecção de sonar Doppler.

Embora você possa comprar um sensor de sonar como um acessório Arduino, optamos por construir o sistema nós mesmos a partir dos primeiros princípios neste Instrutível pelos seguintes motivos:

  1. Os alunos aprenderão os fundamentos ao construirem eles próprios;
  2. Isso lhe dá acesso direto aos sinais brutos para pesquisa e desenvolvimento adicionais;
  3. O sistema é muito mais responsivo e instantâneo, em comparação com sistemas predefinidos que apenas relatam informações agregadas com um certo atraso (latência).

Monte os dois transdutores de ultrassom em um fone de ouvido (fones de ouvido), voltados para a frente. Gostamos de colocá-los em ambos os lados para que a cabeça proteja o transmissor do sinal direto do receptor.

Conecte-os ao amplificador lock-in de acordo com o diagrama fornecido.

Conecte uma saída do amplificador ao fone de ouvido. O tipo de fone de ouvido "Extra Bass" funciona melhor, já que a resposta de frequência se estende até as frequências mais baixas.

Agora você será capaz de ouvir objetos na sala e construir um mapa visual mental dos objetos em movimento da sala.

Etapa 4: Aprendizado Homem-Máquina

O "Pai da IA", Marvin Minsky (ele inventou todo o campo do aprendizado de máquina), junto com Ray Kurzweil (Diretor de Engenharia do Google) e eu, escrevemos um artigo no IEEE ISTAS 2013 (Minsky, Kurzweil, Mann, " Society of Intelligent Veillance ", 2013) sobre um novo tipo de aprendizado de máquina, denominado Humanistic Intelligence.

Isso surge do aprendizado de máquina em tecnologias vestíveis, ou seja, "HuMachine Learning", em que os sensores se tornam uma verdadeira extensão da mente e do corpo.

Tente pegar os retornos do sonar Doppler e fornecê-los à entrada analógica de um sistema de computador e executar algum aprendizado de máquina com esses dados.

Isso nos levará um passo mais perto da visão de Simon Haykin de um sistema de radar ou sonar capaz de cognição.

Considere o uso da rede neural LEM (Logon Expectation Maximization).

Veja

Aqui estão alguns documentos adicionais sobre aprendizado de máquina e transformação chirplet:

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…

Etapa 5: Outras variações: Monitor cardíaco

A causa número 1 de morte são as doenças cardíacas, e podemos criar um sistema vestível que ajude a resolver isso. Use dois hidrofones ou geofones para "ver" dentro do seu próprio coração. A mesma tecnologia que ajuda os cegos a "ver" agora pode ser voltada para dentro para olhar para dentro de seu próprio corpo.

Esse monitor cardíaco, combinado com o ECG tradicional e também com vídeo externo para contexto, oferece um monitor cardíaco sensível ao contexto vestível para saúde e segurança pessoal.

O aprendizado de máquina pode ajudar a prever problemas antes que eles surjam.

Etapa 6: Outra variação: Sistema de segurança para bicicletas

Outra variação: Sistema de segurança para bicicletas
Outra variação: Sistema de segurança para bicicletas

Outra aplicação é um sistema de visão traseira para uma bicicleta. Coloque os transdutores voltados para trás em um capacete de bicicleta.

Aqui, desejamos ignorar a desordem do solo e geralmente tudo que se move para longe de você, mas apenas "ver" as coisas que estão ganhando sobre você.

Para este propósito, você vai querer usar um sistema de sonar de valor complexo, conforme indicado no diagrama de fiação acima.

Alimente as saídas (reais e imaginárias) em um conversor AtoD (analógico para digital) de 2 canais e calcule a transformada de Fourier e, a seguir, considere apenas as frequências positivas. Quando há fortes componentes de frequência positiva, algo está ganhando sobre você. Isso pode ativar uma ampliação da imagem da câmera traseira, para chamar a atenção para objetos atrás de você que estão se aproximando de você.

Para obter melhores resultados, calcule a transformação chirplet. Ainda melhor: use a Adaptive Chirplet Transform (ACT) e use a rede neural LEM.

Veja o Capítulo 2 do livro "Intelligent Image Processing", John Wiley and Sons, 2001.

Referências adicionais:

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…

Etapa 7: outra variação: auxílio binaural para cegos

Use o amplificador lock-in de valor complexo acima para fornecer som estereoscópico, com as saídas reais e imaginárias para os dois canais estéreo de áudio.

Desse modo, você pode ouvir a natureza complexa do mundo ao seu redor, uma vez que a audição humana está muito sintonizada com leves mudanças de fase e é muito adepta de aprender a compreender as mudanças sutis entre os canais em fase e em quadratura do retorno Doppler.

Recomendado: