แอมพลิฟายเออร์ล็อคอินขนาดเล็กที่สวมใส่ได้ (และระบบโซนาร์สำหรับอุปกรณ์สวมใส่ ฯลฯ .. ): 7 ขั้นตอน

2024 ผู้เขียน: John Day | [email protected]. แก้ไขล่าสุด: 2024-01-30 13:05

สร้างแอมพลิฟายเออร์ล็อคอินราคาประหยัดขนาดเล็กที่สามารถฝังในกรอบแว่นและสร้างระบบการมองเห็นด้วยโซนาร์สำหรับคนตาบอด หรือเครื่องอัลตราซาวนด์ธรรมดาที่คอยตรวจสอบหัวใจของคุณอย่างต่อเนื่องและใช้ Human-Machine Learning เพื่อเตือนปัญหาก่อนเกิด เกิดขึ้น.

แอมพลิฟายเออร์ล็อคอินคือแอมพลิฟายเออร์ที่สามารถล็อคอินสัญญาณเฉพาะ (อินพุตอ้างอิง) โดยไม่สนใจอย่างอื่น ในโลกที่มีการทิ้งระเบิดอย่างต่อเนื่องด้วยเสียงรบกวนและความว้าวุ่นใจ ความสามารถในการเพิกเฉยบางสิ่ง (เช่น ความเพิกเฉย) ถือเป็นทรัพย์สินที่มีค่า

แอมพลิฟายเออร์ที่ดีที่สุดเท่าที่เคยมีมาในประวัติศาสตร์ของเผ่าพันธุ์มนุษย์คือ PAR124A ที่ผลิตในปี 2504 และในขณะที่หลายคนพยายามที่จะเกินหรือเท่าเทียมกันในประสิทธิภาพ แต่ก็ไม่มีใครประสบความสำเร็จ [https://wearcam.org/BigDataBigLies.pdf]

แอมพลิฟายเออร์ล็อคอินเป็นพื้นฐานของโซนาร์ เรดาร์ ไลดาร์ และการตรวจจับประเภทอื่นๆ อีกมากมาย และตัวที่ดีมักจะมีราคาประมาณ 10, 000 ถึง 50, 000 ดอลลาร์ ขึ้นอยู่กับข้อกำหนด ฯลฯ

S. Mann, Stanford University, ภาควิชาวิศวกรรมไฟฟ้า, 2017.

Cite Mann, Lu, Werner, IEEE GEM2018 หน้า 63-70

ขั้นตอนที่ 1: รับส่วนประกอบ

สโมสรนักเรียนคอมพิวเตอร์สวมใส่ WearTech ที่มหาวิทยาลัยโตรอนโตได้บริจาคชุดอุปกรณ์ให้กับนักเรียนทุกคนที่ลงทะเบียนใน ECE516 อย่างไม่เห็นแก่ตัว

คุณสามารถเข้าร่วม WearTech และรับชุดชิ้นส่วนหรือซื้อชิ้นส่วนจาก Digikey อีกทางหนึ่ง

รายการวัสดุ:

• เครื่องกำเนิดสัญญาณ (ซึ่งคุณจะยังคงได้จากแล็บ 1 และในตอนแรกคุณไม่จำเป็นต้องมีเครื่องกำเนิดสัญญาณที่ซับซ้อนเต็มรูปแบบ เช่น สำหรับส่วนแรกของแล็บนี้ เครื่องกำเนิดสัญญาณมูลค่าจริงที่เหมาะสมจะทำ)
• ตัวถอดรหัสโทน LM567 หรือ NE567 (ชิป 8 พิน);
• NS_NS = ตัวต้านทานด้านบนของตัวแบ่งแรงดันไฟเข้าอ้างอิง: ประมาณ. 5340 โอห์ม;
• NS_NS = ตัวต้านทานด้านล่างของตัวแบ่งแรงดันไฟเข้าอ้างอิง: ประมาณ. 4660 โอห์ม;
• NS_หลี่ = ตัวต้านทานโหลดสำหรับเอาต์พุต (ขา 3): ประมาณ. 9212 โอห์ม;
• ตัวเก็บประจุสามตัว (ตัวเก็บประจุแบบคัปปลิ้งสำหรับอ้างอิงและอินพุตสัญญาณ เช่นเดียวกับตัวเก็บประจุตัวกรองความถี่ต่ำที่เอาต์พุต)
• สวิตช์เสริม;
• แอมพลิฟายเออร์เอาท์พุต เช่น TL974 (คุณยังสามารถใช้แอมพลิฟายเออร์เสียงที่มีความละเอียดอ่อนเพียงพอหรือแอมพลิฟายเออร์หูฟังที่มีอิมพีแดนซ์อินพุตสูงเพียงพอเพื่อไม่ให้โอเวอร์โหลดตัวเก็บประจุตัวกรองเอาต์พุต);
• ส่วนประกอบเบ็ดเตล็ดอื่นๆ
• เขียงหั่นขนมหรือแผงวงจรอื่น ๆ สำหรับประกอบส่วนประกอบ

นอกจากนี้ หากต้องการทำสิ่งที่มีประโยชน์กับแอมพลิฟายเออร์ล็อคอิน คุณจะต้องได้รับ:

• ทรานสดิวเซอร์อัลตราโซนิก (ปริมาณสอง);
• ชุดหูฟังหรือระบบลำโพง
• ระบบคอมพิวเตอร์หรือโปรเซสเซอร์หรือไมโครคอนโทรลเลอร์ (จาก Lab 1) สำหรับชิ้นส่วนการเรียนรู้ของเครื่อง

NS_NS, NS_NS, และ R_หลี่ ค่อนข้างสำคัญ กล่าวคือ ค่าที่เราได้เลือกสรรมาอย่างดีผ่านการทดลอง

ขั้นตอนที่ 2: วางสายส่วนประกอบ

เชื่อมต่อส่วนประกอบตามแผนภาพที่แสดง

ไดอะแกรมเป็นการผสมผสานที่ดีระหว่างไดอะแกรมแผนผังและไดอะแกรมการเดินสาย กล่าวคือ แสดงเลย์เอาต์ของวงจรตลอดจนวิธีการเชื่อมต่อวงจร

วิธีการใช้เครื่องถอดรหัสโทนเสียง 567 ได้รับการพิจารณาโดยบางคนว่าเป็นการออกจากการใช้งานแบบปกติอย่างสร้างสรรค์ โดยปกติพิน 8 เป็นพินเอาต์พุต แต่เราไม่ได้ใช้เลย โดยปกติอุปกรณ์จะตรวจจับโทนเสียงและเปิดไฟหรือรายการอื่นๆ เมื่อตรวจพบโทนเสียง

ในที่นี้เรากำลังใช้งานในลักษณะที่แตกต่างไปจากที่ตั้งใจไว้อย่างสิ้นเชิง

เรากำลังรับเอาท์พุตที่พิน 1 ซึ่งเป็นเอาต์พุตของ "ตัวตรวจจับเฟส" แทน เราใช้ประโยชน์จากข้อเท็จจริงที่ว่า "ตัวตรวจจับเฟส" เป็นเพียงตัวคูณ

โดยปกติแล้ว Pin 6 จะใช้เป็นการเชื่อมต่อตัวเก็บประจุเวลา

ในทางสร้างสรรค์ เราใช้พิน 6 เป็นอินพุตอ้างอิงสำหรับการใช้ชิป 567 เป็นแอมพลิฟายเออร์ล็อคอิน ซึ่งช่วยให้เราเข้าถึงตัวคูณได้ที่อินพุตตัวใดตัวหนึ่ง

เพื่อให้ได้ความไวสูงสุดต่ออินพุตอ้างอิง เราพบว่าหากเราอคติพินนี้ไปที่ 46.6% ของรางจ่ายไฟ และเชื่อมต่อแบบ capacitive เข้าด้วยกัน เราจะได้ผลลัพธ์ที่ดีที่สุด คุณยังสามารถลองป้อนสัญญาณอ้างอิงโดยตรงตามที่สวิตช์ระบุ (คุณสามารถใช้สายจัมเปอร์บนเขียงหั่นขนมแทนสวิตช์)

พินอินพุต/เอาต์พุตเดียวที่เราใช้ตามอัตภาพ (เช่น วิธีการใช้งาน) คือพิน 3 ซึ่งควรจะใช้เป็นอินพุต ซึ่งเราใช้เป็นอินพุตจริงๆ!

ขั้นตอนที่ 3: นำ Lock-in Amplifier ไปใช้ให้เกิดประโยชน์: Vision Aid for the Blind

เราต้องการใช้เครื่องขยายเสียงแบบล็อคอินเพื่อสร้างเครื่องช่วยการมองเห็น (การช่วยการมองเห็น) สำหรับคนตาบอด

แนวคิดในที่นี้คือ เราใช้สำหรับโซนาร์ เพื่อสร้างระบบตรวจจับโซนาร์ดอปเลอร์

แม้ว่าคุณจะสามารถซื้อเซ็นเซอร์โซนาร์เป็นสิ่งที่แนบมากับ Arduino ได้ แต่เราเลือกที่จะสร้างระบบด้วยตนเองจากหลักการแรกในคำแนะนำนี้ด้วยเหตุผลดังต่อไปนี้:

1. นักเรียนจะได้เรียนรู้พื้นฐานเมื่อพวกเขาสร้างสิ่งต่าง ๆ ด้วยตนเอง
2. สิ่งนี้ช่วยให้คุณเข้าถึงสัญญาณดิบได้โดยตรงสำหรับการวิจัยและพัฒนาเพิ่มเติม
3. ระบบตอบสนองและรวดเร็วกว่ามาก เมื่อเทียบกับระบบที่บรรจุไว้ล่วงหน้าซึ่งเพียงรายงานข้อมูลที่รวบรวมมาโดยมีความล่าช้าเล็กน้อย (แฝง)

ติดตั้งทรานสดิวเซอร์อัลตราซาวนด์สองตัวบนชุดหูฟัง (หูฟัง) โดยหันไปข้างหน้า เราชอบที่จะวางไว้ที่ด้านใดด้านหนึ่งเพื่อให้ส่วนหัวป้องกันเครื่องส่งจากสัญญาณโดยตรงจากเครื่องรับ

เชื่อมต่อเข้ากับแอมพลิฟายเออร์ล็อคอินตามไดอะแกรมที่ให้มา

เชื่อมต่อเอาท์พุตของเครื่องขยายเสียงเข้ากับชุดหูฟัง ชุดหูฟังประเภท "Extra Bass" ทำงานได้ดีที่สุด เนื่องจากการตอบสนองความถี่ขยายไปถึงความถี่ต่ำสุด

ตอนนี้ คุณจะสามารถได้ยินวัตถุต่างๆ ในห้องและสร้างแผนผังภาพจิตของวัตถุในห้องที่กำลังเคลื่อนไหวได้

ขั้นตอนที่ 4: การเรียนรู้ระหว่างมนุษย์กับเครื่องจักร

"บิดาแห่ง AI" Marvin Minsky (เขาคิดค้นทั้งด้านการเรียนรู้ของเครื่อง) ร่วมกับ Ray Kurzweil (ผู้อำนวยการฝ่ายวิศวกรรมของ Google) และตัวฉันเองเขียนบทความใน IEEE ISTAS 2013 (Minsky, Kurzweil, Mann, " Society of Intelligent Veillance", 2013) เกี่ยวกับการเรียนรู้ของเครื่องรูปแบบใหม่ที่เรียกว่า Humanistic Intelligence

สิ่งนี้เกิดขึ้นจากการเรียนรู้ของเครื่องเกี่ยวกับเทคโนโลยีที่สวมใส่ได้ เช่น "HuMachine Learning" ซึ่งเซ็นเซอร์จะกลายเป็นส่วนเสริมที่แท้จริงของจิตใจและร่างกาย

ลองใช้โซนาร์ Doppler ส่งคืนและจัดหาให้กับอินพุตแบบอะนาล็อกของระบบคอมพิวเตอร์ และใช้การเรียนรู้ของเครื่องกับข้อมูลนี้

สิ่งนี้จะนำเราเข้าใกล้วิสัยทัศน์ของ Simon Haykin เกี่ยวกับเรดาร์หรือระบบโซนาร์ที่สามารถรับรู้ได้

พิจารณาใช้เครือข่ายประสาทเทียม LEM (Logon Expectation Maximization)

ดู

ต่อไปนี้เป็นเอกสารเพิ่มเติมเกี่ยวกับการเรียนรู้ของเครื่องและการแปลง chirplet:

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

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

arxiv.org/pdf/1611.08749.pdf

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

www.researchgate.net/publication/22007368…

ขั้นตอนที่ 5: รูปแบบอื่นๆ: Heart Monitor

สาเหตุการตายอันดับ 1 คือโรคหัวใจ และเราสามารถสร้างระบบที่สวมใส่ได้ที่ช่วยแก้ปัญหานี้ได้ ใช้ไฮโดรโฟนหรือจีโอโฟนสองอันเพื่อ "มองเห็น" ในใจคุณ เทคโนโลยีเดียวกับที่ช่วยให้คนตาบอด "มองเห็น" สามารถหันเข้าด้านในเพื่อมองเข้าไปในร่างกายของคุณเองได้

เครื่องตรวจวัดการเต้นของหัวใจดังกล่าว รวมกับ ECG แบบดั้งเดิมและวิดีโอสำหรับบริบทที่หันออกด้านนอก ช่วยให้คุณมีเครื่องตรวจหัวใจตามบริบทที่สวมใส่ได้เพื่อสุขภาพและความปลอดภัยส่วนบุคคล

แมชชีนเลิร์นนิงสามารถช่วยคาดการณ์ปัญหาก่อนที่จะเกิดขึ้นได้

ขั้นตอนที่ 6: รูปแบบอื่นๆ: ระบบความปลอดภัยของจักรยาน

อีกแอปพลิเคชันหนึ่งคือระบบมองหลังสำหรับจักรยาน วางทรานสดิวเซอร์โดยหันไปทางด้านหลังบนหมวกจักรยาน

ที่นี่เราต้องการละเว้นความยุ่งเหยิงของพื้นดินและโดยทั่วไปทุกอย่างที่เคลื่อนห่างจากคุณ แต่มีเพียง "เห็น" สิ่งที่ดึงดูดคุณเท่านั้น

เพื่อจุดประสงค์นี้ คุณจะต้องใช้ระบบโซนาร์ที่มีมูลค่าซับซ้อน ตามที่ระบุในแผนภาพการเดินสายด้านบน

ป้อนเอาต์พุต (ของจริงและจินตภาพ) ลงในตัวแปลง AtoD (แอนะล็อกเป็นดิจิทัล) แบบ 2 ช่องสัญญาณ แล้วคำนวณการแปลงฟูริเยร์ จากนั้นให้พิจารณาเฉพาะความถี่บวกเท่านั้น เมื่อมีส่วนประกอบความถี่บวกที่แข็งแกร่ง ก็จะมีสิ่งดึงดูดใจคุณ วิธีนี้สามารถกระตุ้นการขยายฟีดของกล้องด้านหลังเพื่อเรียกความสนใจไปยังวัตถุที่อยู่ข้างหลังซึ่งกำลังดึงดูดคุณ

เพื่อผลลัพธ์ที่ดีกว่า ให้คำนวณ chirplet tranform ดียิ่งขึ้นไปอีก: ใช้ Adaptive Chirplet Transform (ACT) และใช้โครงข่ายประสาทเทียม LEM

ดูบทที่ 2 ของหนังสือเรียน "การประมวลผลภาพอัจฉริยะ", John Wiley and Sons, 2001

ข้อมูลอ้างอิงเพิ่มเติม:

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…

ขั้นตอนที่ 7: รูปแบบอื่นๆ: เครื่องช่วยการมองเห็นแบบสองหูสำหรับคนตาบอด

ใช้แอมพลิฟายเออร์ล็อคอินที่มีมูลค่าซับซ้อนด้านบนเพื่อมอบเสียงสามมิติ ด้วยเอาต์พุตจริงและจินตภาพไปยังช่องสัญญาณเสียงสเตอริโอสองช่อง

ด้วยวิธีนี้ คุณจะได้ยินธรรมชาติที่ซับซ้อนของโลกรอบๆ ตัวคุณ เนื่องจากการได้ยินของมนุษย์จะปรับให้เข้ากับการเปลี่ยนแปลงของเฟสเพียงเล็กน้อย และเชี่ยวชาญในการเรียนรู้ที่จะเข้าใจการเปลี่ยนแปลงที่ละเอียดอ่อนระหว่างช่องสัญญาณในเฟสและช่องสัญญาณสี่เหลี่ยมจัตุรัสของการกลับมาของ Doppler