Inhaltsverzeichnis:

Miniatur tragbarer Lock-in-Verstärker (und Sonarsystem für Wearables usw.): - Gunook
Miniatur tragbarer Lock-in-Verstärker (und Sonarsystem für Wearables usw.): - Gunook

Video: Miniatur tragbarer Lock-in-Verstärker (und Sonarsystem für Wearables usw.): - Gunook

Video: Miniatur tragbarer Lock-in-Verstärker (und Sonarsystem für Wearables usw.): - Gunook
Video: SONY -1981 - katalog @Archeolodzy Hi-Fi #34 #PRL 2024, November
Anonim
Image
Image
Miniatur-Wearable Lock-in-Verstärker (und Sonarsystem für Wearables usw.)
Miniatur-Wearable Lock-in-Verstärker (und Sonarsystem für Wearables usw.)

Bauen Sie einen kleinen, kostengünstigen Lock-In-Verstärker, der in Brillengestelle eingebettet werden kann, und erstellen Sie ein Sonar-Sichtsystem für Blinde, oder ein einfaches Ultraschallgerät, das Ihr Herz kontinuierlich überwacht und Mensch-Maschine-Lernen verwendet, um vor Problemen zu warnen, bevor sie auftreten passieren.

Ein Lock-In-Verstärker ist ein Verstärker, der sich auf ein bestimmtes Signal (Referenzeingang) einklinken kann, während er alles andere ignoriert. In einer Welt des ständigen Bombardements mit Lärm und Ablenkung ist die Fähigkeit, etwas zu ignorieren (d. h. Ignoranz), ein wertvolles Gut.

Der beste Verstärker, der jemals in der gesamten Geschichte der Menschheit gebaut wurde, ist der PAR124A aus dem Jahr 1961, und obwohl viele versucht haben, seine Leistung zu übertreffen oder gleichzuziehen, ist keiner erfolgreich [https://wearcam.org/BigDataBigLies.pdf].

Lock-in-Verstärker sind für Sonar, Radar, Lidar und viele andere Arten von Sensoren von grundlegender Bedeutung, und gute kosten normalerweise zwischen 10.000 und 50.000 US-Dollar, abhängig von den Spezifikationen usw.

S. Mann, Stanford University, Fakultät für Elektrotechnik, 2017.

Zitat Mann, Lu, Werner, IEEE GEM2018 S. 63-70

Schritt 1: Besorgen Sie sich die Komponenten

Besorgen Sie sich die Komponenten
Besorgen Sie sich die Komponenten
Besorgen Sie sich die Komponenten
Besorgen Sie sich die Komponenten

Der WearTech-Studentenclub für Wearable Computing an der University of Toronto hat großzügig jedem Studenten, der an der ECE516 eingeschrieben ist, ein Teile-Kit gespendet.

Sie können WearTech beitreten und einen Teilesatz erhalten oder alternativ die Teile von Digikey kaufen.

Stückliste:

  • Signalgenerator (den Sie noch aus Lab 1 haben und zunächst nicht den vollständigen komplexen Signalgenerator benötigen, d. h. für den ersten Teil dieser Übung reicht jeder geeignete reellwertige Signalgenerator);
  • Tondecoder LM567 oder NE567 (8-Pin-Chip);
  • RT = oberer Widerstand des Referenzeingangsspannungsteilers: ca. 5340 Ohm;
  • RB = unterer Widerstand des Referenzeingangsspannungsteilers: ca. 4660 Ohm;
  • RL = Lastwiderstand für Ausgang (Pin 3): ca. 9212 Ohm;
  • Die drei Kondensatoren (Koppelkondensatoren für Referenz- und Signaleingang sowie Tiefpasskondensator am Ausgang);
  • Optionale Schalter;
  • Ausgangsverstärker wie TL974 (Sie können auch einen ausreichend empfindlichen Audioverstärker oder Kopfhörerverstärker mit ausreichend hoher Eingangsimpedanz verwenden, um den Ausgangsfilterkondensator nicht zu überlasten);
  • Andere verschiedene Komponenten;
  • Steckbrett oder andere Leiterplatte zum Zusammenbau der Komponenten.

Um mit dem Lock-In-Verstärker etwas Nützliches zu tun, benötigen Sie außerdem Folgendes:

  • Ultraschallwandler (Anzahl zwei);
  • Audio-Headset oder Lautsprechersystem;
  • Computersystem oder Prozessor oder Mikrocontroller (aus Lab 1) für den maschinellen Lernteil.

RT, RB, und RL sind relativ kritisch, d. h. Werte, die wir sorgfältig durch Experimente ausgewählt haben.

Schritt 2: Verdrahten Sie die Komponenten

Verdrahten Sie die Komponenten
Verdrahten Sie die Komponenten
Verdrahten Sie die Komponenten
Verdrahten Sie die Komponenten
Verdrahten Sie die Komponenten
Verdrahten Sie die Komponenten

Schließen Sie die Komponenten gemäß dem gezeigten Diagramm an.

Das Diagramm ist eine schöne Mischung zwischen einem Schaltplan und einem Schaltplan, dh es zeigt das Schaltungslayout sowie die Verbindung der Schaltung.

Die Art und Weise, wie der 567-Ton-Decoder verwendet wird, wurde von einigen als kreative Abkehr von seiner normalen herkömmlichen Verwendung angesehen. Normalerweise ist Pin 8 der Ausgangspin, aber wir verwenden ihn überhaupt nicht. Normalerweise erkennt das Gerät einen Ton und schaltet ein Licht oder einen anderen Gegenstand ein, wenn der Ton erkannt wird.

Hier verwenden wir es auf eine völlig andere Weise, als es beabsichtigt war.

Stattdessen nehmen wir den Ausgang an Pin 1, der den Ausgang eines "Phasendetektors" darstellt. Wir nutzen die Tatsache aus, dass ein "Phasendetektor" einfach ein Multiplikator ist.

Außerdem wird Pin 6 normalerweise als Timing-Kondensatoranschluss verwendet.

Stattdessen verwenden wir kreativ Pin 6 als Referenzeingang, um den 567-Chip als Lock-In-Verstärker zu verwenden. Dadurch können wir auf den Multiplikator an einem seiner Eingänge zugreifen.

Um eine maximale Empfindlichkeit gegenüber Referenzeingängen zu erzielen, haben wir festgestellt, dass wir die besten Ergebnisse erzielen, wenn wir diesen Pin auf 46,6% der Versorgungsschiene vorspannen und kapazitiv daran koppeln. Sie können auch versuchen, das Referenzsignal direkt einzugeben, wie durch den Schalter angezeigt (Sie können anstelle des Schalters einfach ein Überbrückungskabel auf Ihrem Steckbrett verwenden).

Der einzige Eingangs-/Ausgangs-Pin, den wir konventionell verwenden (d. h. so, wie er verwendet werden sollte), ist Pin 3, der als Eingang verwendet werden soll, den wir tatsächlich als Eingang verwenden!

Schritt 3: Nutzen Sie den Lock-in-Verstärker: Sehhilfe für Blinde

Nutzen Sie den Lock-in-Verstärker: Sehhilfe für Blinde
Nutzen Sie den Lock-in-Verstärker: Sehhilfe für Blinde
Nutzen Sie den Lock-in-Verstärker: Sehhilfe für Blinde
Nutzen Sie den Lock-in-Verstärker: Sehhilfe für Blinde
Nutzen Sie den Lock-in-Verstärker: Sehhilfe für Blinde
Nutzen Sie den Lock-in-Verstärker: Sehhilfe für Blinde

Wir möchten mit dem Lock-In-Verstärker eine Sehhilfe (Sehhilfe) für Blinde schaffen.

Die Idee hier ist, dass wir es für Sonar verwenden, um ein Doppler-Sonar-Erfassungssystem zu erstellen.

Obwohl Sie einen Sonarsensor als Arduino-Aufsatz kaufen können, entscheiden wir uns, das System aus folgenden Gründen selbst aus den ersten Prinzipien in diesem Instructable zu bauen:

  1. Die Schüler lernen die Grundlagen, wenn sie Dinge selbst bauen;
  2. Damit haben Sie direkten Zugriff auf die Rohsignale für weitere Forschung und Entwicklung;
  3. Im Vergleich zu vorgefertigten Systemen, die lediglich aggregierte Informationen mit ziemlicher Verzögerung (Latenz) melden, ist das System viel reaktionsschneller und schneller.

Montieren Sie die beiden Ultraschallwandler an einem Headset (Kopfhörer) nach vorne gerichtet. Wir platzieren sie gerne auf beiden Seiten, damit der Kopf den Sender vor dem direkten Signal des Empfängers abschirmt.

Schließen Sie sie gemäß dem mitgelieferten Diagramm an den Lock-In-Verstärker an.

Verbinden Sie einen Ausgang des Verstärkers mit dem Headset. Der Kopfhörertyp "Extra Bass" funktioniert am besten, da der Frequenzgang bis in die tiefsten Frequenzen reicht.

Jetzt können Sie Objekte im Raum hören und eine mentale visuelle Karte der bewegten Objekte des Raums erstellen.

Schritt 4: Mensch-Maschine-Lernen

Der "Vater der KI", Marvin Minsky (er erfand das gesamte Gebiet des maschinellen Lernens), schrieb zusammen mit Ray Kurzweil (Director of Engineering bei Google) und mir einen Artikel in IEEE ISTAS 2013 (Minsky, Kurzweil, Mann, " Society of Intelligent Veillance", 2013) über eine neue Art des maschinellen Lernens, die Humanistische Intelligenz genannt wird.

Diese entsteht durch maschinelles Lernen auf Wearable-Technologien, also „HuMachine Learning“, bei dem Sensoren zu einer wahren Erweiterung von Geist und Körper werden.

Versuchen Sie, die Doppler-Sonar-Returns zu nehmen und sie dem analogen Eingang eines Computersystems zuzuführen, und führen Sie mit diesen Daten ein maschinelles Lernen durch.

Damit kommen wir Simon Haykins Vision eines kognitionsfähigen Radar- oder Sonarsystems einen Schritt näher.

Ziehen Sie die Verwendung des neuronalen Netzwerks LEM (Logon Expectation Maximization) in Betracht.

Siehe

Hier sind einige zusätzliche Artikel zum Thema maschinelles Lernen und Chirplet-Transformation:

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/2207368…

Schritt 5: Andere Variationen: Herzmonitor

Die Todesursache Nummer 1 sind Herzkrankheiten, und wir können ein tragbares System entwickeln, das hilft, dies zu bekämpfen. Verwenden Sie zwei Hydrophone oder Geophone, um in Ihr eigenes Herz zu "sehen". Dieselbe Technologie, die Blinden beim „Sehen“hilft, kann jetzt nach innen gedreht werden, um in den eigenen Körper zu schauen.

Ein solcher Herzmonitor, kombiniert mit traditionellem EKG sowie nach außen gerichtetem Video für den Kontext, bietet Ihnen einen tragbaren kontextsensitiven Herzmonitor für die persönliche Gesundheit und Sicherheit.

Maschinelles Lernen kann helfen, Probleme vorherzusagen, bevor sie auftreten.

Schritt 6: Andere Variation: Fahrradsicherheitssystem

Andere Variation: Fahrradsicherheitssystem
Andere Variation: Fahrradsicherheitssystem

Eine weitere Anwendung ist ein Rückblicksystem für ein Fahrrad. Platzieren Sie die Wandler nach hinten zeigend auf einem Fahrradhelm.

Hier möchten wir Bodenunordnung und allgemein alles, was sich von Ihnen wegbewegt, ignorieren, sondern nur Dinge "sehen", die auf Sie zukommen.

Zu diesem Zweck sollten Sie ein komplexwertiges Sonarsystem verwenden, wie im obigen Schaltplan angegeben.

Führen Sie die Ausgänge (real und imaginär) in einen 2-Kanal AtoD (Analog to Digital) Wandler ein und berechnen Sie die Fourier-Transformation, dann betrachten Sie nur die positiven Frequenzen. Wenn es starke positive Frequenzkomponenten gibt, gewinnt man etwas. Dies kann eine Vergrößerung Ihres Rückfahrkamera-Feeds aktivieren, um auf Objekte hinter Ihnen aufmerksam zu machen, die sich Ihnen nähern.

Berechnen Sie für bessere Ergebnisse die Chirplet-Transformation. Noch besser: Verwenden Sie die Adaptive Chirplet Transform (ACT) und verwenden Sie das neuronale Netzwerk LEM.

Siehe Kapitel 2 des Lehrbuchs "Intelligent Image Processing", John Wiley and Sons, 2001.

Weitere Referenzen:

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…

Schritt 7: Andere Variante: Binaurale Sehhilfe für Blinde

Verwenden Sie den obigen komplexwertigen Lock-In-Verstärker, um stereoskopischen Klang mit den realen und imaginären Ausgängen zu den beiden Stereokanälen des Audios bereitzustellen.

Auf diese Weise können Sie die komplexe Natur der Welt um Sie herum hören, da das menschliche Gehör sehr gut auf leichte Phasenänderungen eingestellt ist und die subtilen Änderungen zwischen Inphase- und Quadraturkanälen der Doppler-Rückkehr sehr gut verstehen lernt.

Empfohlen: