लघु पहनने योग्य लॉक-इन एम्पलीफायर (और पहनने योग्य, आदि के लिए सोनार सिस्टम ..): 7 कदम

2024 लेखक: John Day | [email protected]. अंतिम बार संशोधित: 2024-01-30 09:21

एक लघु कम लागत वाला लॉक-इन एम्पलीफायर बनाएं जिसे चश्मे के फ्रेम में एम्बेड किया जा सकता है और अंधे के लिए सोनार दृष्टि प्रणाली बनाने के लिए, या एक साधारण अल्ट्रासाउंड मशीन जो लगातार आपके दिल की निगरानी करती है और समस्याओं से पहले चेतावनी देने के लिए मानव-मशीन लर्निंग का उपयोग करती है। होना।

एक लॉक-इन एम्पलीफायर एक एम्पलीफायर है जो अन्य सभी चीजों को अनदेखा करते हुए एक विशिष्ट सिग्नल (संदर्भ इनपुट) पर लॉक-इन कर सकता है। शोर और व्याकुलता के साथ निरंतर बमबारी की दुनिया में, किसी चीज़ को नज़रअंदाज़ करने की क्षमता (यानी अज्ञानता) एक मूल्यवान संपत्ति है।

मानव जाति के पूरे इतिहास में अब तक बनाया गया सबसे अच्छा एम्पलीफायर 1961 में बनाया गया PAR124A है, और जबकि कई ने इसके प्रदर्शन को पार करने या बराबर करने की कोशिश की है, कोई भी सफल नहीं हुआ है [https://wearcam.org/BigDataBigLies.pdf]।

लॉक-इन एम्पलीफायर सोनार, रडार, लिडार और कई अन्य प्रकार के सेंसिंग के लिए मौलिक हैं, और अच्छे लोगों की कीमत आमतौर पर विनिर्देशों के आधार पर लगभग $ 10, 000 से $ 50, 000 तक होती है।

एस मान, स्टैनफोर्ड विश्वविद्यालय, इलेक्ट्रिकल इंजीनियरिंग विभाग, 2017।

मान, लू, वर्नर, IEEE GEM2018 पीपी. 63-70. का उल्लेख करें

चरण 1: अवयव प्राप्त करें

टोरंटो विश्वविद्यालय में वेयरटेक पहनने योग्य कंप्यूटिंग छात्र क्लब ने ईसीई 516 में नामांकित प्रत्येक छात्र को उदारतापूर्वक एक पुर्जे किट दान किया है।

आप WearTech में शामिल हो सकते हैं और एक पुर्जे किट प्राप्त कर सकते हैं, या वैकल्पिक रूप से, Digikey से पुर्जे खरीद सकते हैं।

सामग्री के बिल:

• सिग्नल जनरेटर (जो आपके पास अभी भी लैब 1 से होगा और शुरू में आपको पूर्ण जटिल सिग्नल जनरेटर की आवश्यकता नहीं होगी, अर्थात इस लैब के पहले भाग के लिए, कोई भी उपयुक्त वास्तविक-मूल्यवान सिग्नल जनरेटर करेगा);
• LM567 या NE567 टोन डिकोडर (8-पिन चिप);
• आर_टी = संदर्भ इनपुट वोल्टेज विभक्त का शीर्ष रोकनेवाला: लगभग। 5340 ओम;
• आर_बी = संदर्भ इनपुट वोल्टेज विभक्त का निचला अवरोधक: लगभग। 4660 ओम;
• आर_ली = आउटपुट के लिए लोड रेसिस्टर (पिन 3): लगभग। ९२१२ ओम;
• तीन कैपेसिटर (संदर्भ और सिग्नल इनपुट के लिए कपलिंग कैपेसिटर, साथ ही आउटपुट पर लोपास फिल्टर कैपेसिटर);
• वैकल्पिक स्विच;
• आउटपुट एम्पलीफायर जैसे TL974 (आप पर्याप्त रूप से संवेदनशील ऑडियो एम्पलीफायर या हेडफ़ोन एम्पलीफायर का उपयोग पर्याप्त रूप से उच्च इनपुट प्रतिबाधा के साथ कर सकते हैं ताकि आउटपुट फ़िल्टर कैपेसिटर को अधिभार न डालें);
• अन्य विविध घटक;
• घटकों के संयोजन के लिए ब्रेडबोर्ड या अन्य सर्किटबोर्ड।

इसके अतिरिक्त, लॉक-इन एम्पलीफायर के साथ कुछ उपयोगी करने के लिए, आप प्राप्त करना चाहेंगे:

• अल्ट्रासोनिक ट्रांसड्यूसर (मात्रा दो);
• ऑडियो हेडसेट या स्पीकर सिस्टम;
• मशीन लर्निंग पार्ट के लिए कंप्यूटर सिस्टम या प्रोसेसर या माइक्रोकंट्रोलर (लैब 1 से)।

आर_टी, आर_बी, और आर_ली अपेक्षाकृत महत्वपूर्ण हैं, यानी वे मूल्य जिन्हें हमने प्रयोग के माध्यम से सावधानीपूर्वक चुना है।

चरण 2: घटकों को तार दें

दिखाए गए आरेख के अनुसार घटकों को कनेक्ट करें।

आरेख एक योजनाबद्ध आरेख और एक वायरिंग आरेख के बीच एक अच्छा मिश्रण है, अर्थात यह सर्किट लेआउट के साथ-साथ सर्किट कैसे जुड़ा है, यह दिखाता है।

जिस तरह से 567 टोन डिकोडर का उपयोग किया जा रहा है, उसे कुछ लोगों ने इसके सामान्य पारंपरिक उपयोग से रचनात्मक प्रस्थान के रूप में माना है। आम तौर पर पिन 8 आउटपुट पिन होता है, लेकिन हम इसका बिल्कुल भी उपयोग नहीं करते हैं। आम तौर पर डिवाइस एक टोन का पता लगाता है और टोन का पता चलने पर लाइट या अन्य आइटम को चालू कर देता है।

यहां हम इसे इस तरह से उपयोग कर रहे हैं जो उस तरीके से बिल्कुल अलग है जिस तरह से इसे इस्तेमाल करने का इरादा था।

इसके बजाय, हम पिन 1 पर आउटपुट ले रहे हैं जो कि "फेज डिटेक्टर" का आउटपुट है। हम इस तथ्य का फायदा उठाते हैं कि "फेज डिटेक्टर" केवल एक गुणक है।

इसके अलावा, पिन 6 का उपयोग आमतौर पर टाइमिंग कैपेसिटर कनेक्शन के रूप में किया जाता है।

इसके बजाय, रचनात्मक रूप से, हम 567 चिप को लॉक-इन एम्पलीफायर के रूप में उपयोग करने के लिए संदर्भ इनपुट के रूप में पिन 6 का उपयोग करते हैं। यह हमें इसके किसी एक इनपुट पर गुणक तक पहुँचने की अनुमति देता है।

संदर्भ इनपुट के प्रति अधिकतम संवेदनशीलता प्राप्त करने के लिए, हमने पाया कि यदि हम आपूर्ति रेल के 46.6% के लिए इस पिन को पूर्वाग्रहित करते हैं, और इसमें कैपेसिटिव रूप से जोड़े हैं, तो हमें सर्वोत्तम परिणाम मिलते हैं। आप संदर्भ सिग्नल को सीधे उस पर फीड करने का भी प्रयास कर सकते हैं, जैसा कि स्विच द्वारा इंगित किया गया है (आप स्विच के बजाय अपने ब्रेडबोर्ड पर केवल एक जम्पर तार का उपयोग कर सकते हैं)।

एकमात्र इनपुट/आउटपुट पिन जिसे हम परंपरागत रूप से उपयोग करते हैं (यानी जिस तरह से इसका उपयोग किया जाना था) पिन 3 है जिसे इनपुट के रूप में उपयोग किया जाना चाहिए, जिसे हम वास्तव में इनपुट के रूप में उपयोग करते हैं!

चरण 3: लॉक-इन एम्पलीफायर को अच्छे उपयोग के लिए रखें: नेत्रहीनों के लिए दृष्टि सहायता

हम नेत्रहीनों के लिए दृष्टि सहायता (देखने में सहायता) बनाने के लिए लॉक-इन एम्पलीफायर का उपयोग करना चाहते हैं।

यहाँ विचार यह है कि हम इसका उपयोग सोनार के लिए, डॉपलर सोनार सेंसिंग सिस्टम बनाने के लिए करते हैं।

यद्यपि आप एक सोनार सेंसर को Arduino अटैचमेंट के रूप में खरीद सकते हैं, हम निम्नलिखित कारणों से इस निर्देश में पहले सिद्धांतों से सिस्टम का निर्माण करना चुनते हैं:

1. जब छात्र स्वयं चीजों का निर्माण करेंगे तो वे मूल बातें सीखेंगे;
2. यह आपको आगे के अनुसंधान और विकास के लिए कच्चे संकेतों तक सीधी पहुंच प्रदान करता है;
3. यह सिस्टम पहले से पैक किए गए सिस्टम की तुलना में बहुत अधिक प्रतिक्रियाशील और तात्कालिक है, जो केवल थोड़ी देर (विलंबता) के साथ एकत्रित जानकारी की रिपोर्ट करता है।

आगे की ओर मुख करके हेडसेट (हेडफ़ोन) पर दो अल्ट्रासाउंड ट्रांसड्यूसर माउंट करें। हम उन्हें दोनों तरफ रखना पसंद करते हैं ताकि सिर रिसीवर से सीधे सिग्नल से ट्रांसमीटर को ढाल सके।

दिए गए आरेख के अनुसार उन्हें लॉक-इन एम्पलीफायर से कनेक्ट करें।

एम्पलीफायर के आउटपुट को हेडसेट से कनेक्ट करें। "अतिरिक्त बास" प्रकार का हेडसेट सबसे अच्छा काम करता है, क्योंकि आवृत्ति प्रतिक्रिया सभी तरह से सबसे कम आवृत्तियों तक फैली हुई है।

अब आप कमरे की वस्तुओं को सुन सकेंगे और कमरे की गतिमान वस्तुओं का मानसिक दृश्य मानचित्र तैयार कर सकेंगे।

चरण 4: मानव-मशीन सीखना

"एआई के पिता", मार्विन मिन्स्की (उन्होंने मशीन सीखने के पूरे क्षेत्र का आविष्कार किया), रे कुर्ज़वील (गूगल में इंजीनियरिंग के निदेशक) के साथ, और खुद ने आईईईई ISTAS 2013 (मिन्स्की, कुर्ज़वील, मान, " में एक पेपर लिखा था। सोसाइटी ऑफ इंटेलिजेंट वीलेंस", 2013) एक नई तरह की मशीन लर्निंग पर, जिसे ह्यूमनिस्टिक इंटेलिजेंस कहा जाता है।

यह पहनने योग्य तकनीकों पर मशीन लर्निंग से उत्पन्न होता है, अर्थात "हूमाचिन लर्निंग", जिसमें सेंसर दिमाग और शरीर का एक सच्चा विस्तार बन जाते हैं।

डॉपलर सोनार रिटर्न लेने और उन्हें कंप्यूटर सिस्टम के एनालॉग इनपुट में आपूर्ति करने और इस डेटा पर कुछ मशीन लर्निंग चलाने का प्रयास करें।

यह हमें साइमन हेकिन के रडार या संज्ञान में सक्षम सोनार प्रणाली के दृष्टिकोण के करीब ले जाएगा।

LEM (लॉगऑन एक्सपेक्टेशन मैक्सिमाइज़ेशन) तंत्रिका नेटवर्क का उपयोग करने पर विचार करें।

देखें

यहाँ मशीन लर्निंग और चिरप्लेट ट्रांसफ़ॉर्म पर कुछ अतिरिक्त पेपर दिए गए हैं:

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…

चरण 5: अन्य बदलाव: हार्ट मॉनिटर

मृत्यु का नंबर 1 कारण हृदय रोग है, और हम एक पहनने योग्य प्रणाली बना सकते हैं जो इसे संबोधित करने में मदद करती है। अपने दिल में "देखने" के लिए दो हाइड्रोफोन या जियोफोन का प्रयोग करें। वही तकनीक जो नेत्रहीनों को "देखने" में मदद करती है, अब आपके अपने शरीर के अंदर देखने के लिए अंदर की ओर मुड़ी जा सकती है।

इस तरह के एक हार्ट मॉनिटर, पारंपरिक ईसीजी के साथ-साथ संदर्भ के लिए बाहरी-सामना करने वाले वीडियो के साथ, आपको व्यक्तिगत स्वास्थ्य और सुरक्षा के लिए पहनने योग्य संदर्भ-जागरूक हृदय मॉनिटर देता है।

मशीन लर्निंग समस्याओं के उत्पन्न होने से पहले भविष्यवाणी करने में मदद कर सकता है।

चरण 6: अन्य बदलाव: साइकिल सुरक्षा प्रणाली

एक अन्य अनुप्रयोग साइकिल के लिए एक रियर-विज़न सिस्टम है। ट्रांसड्यूसर को पीछे की ओर एक साइकिल हेलमेट पर रखें।

यहां हम जमीनी अव्यवस्था और आम तौर पर आपसे दूर जाने वाली हर चीज को नजरअंदाज करना चाहते हैं, लेकिन केवल "देखने" वाली चीजें आप पर हावी हो रही हैं।

इस प्रयोजन के लिए आप एक जटिल-मूल्यवान सोनार प्रणाली का उपयोग करना चाहेंगे, जैसा कि ऊपर वायरिंग आरेख में दर्शाया गया है।

आउटपुट (वास्तविक और काल्पनिक) को 2-चैनल AtoD (एनालॉग से डिजिटल) कनवर्टर में फीड करें और फूरियर ट्रांसफॉर्म की गणना करें, फिर केवल सकारात्मक आवृत्तियों पर विचार करें। जब मजबूत सकारात्मक आवृत्ति घटक होते हैं तो आप पर कुछ लाभ होता है। यह आपके पीछे की वस्तुओं पर ध्यान आकर्षित करने के लिए आपके रियर-कैमरा फ़ीड के विस्तार को सक्रिय कर सकता है जो आप पर हावी हो रहे हैं।

पाएँ बेहतर परिणामों के लिए चिरप्लेट ट्रॅनफॉर्म. इससे भी बेहतर: एडेप्टिव चिरप्लेट ट्रांसफॉर्म (एसीटी) का उपयोग करें और एलईएम न्यूरल नेटवर्क का उपयोग करें।

पाठ्यपुस्तक "इंटेलिजेंट इमेज प्रोसेसिंग", जॉन विले एंड संस, 2001 का अध्याय 2 देखें।

अतिरिक्त संदर्भ:

wearcam.org/all.pdf

wearcam.org/chirlet.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…

चरण 7: अन्य बदलाव: दृष्टिहीनों के लिए द्विअक्षीय सहायता

ऑडियो के दो स्टीरियो चैनलों को वास्तविक और काल्पनिक आउटपुट के साथ, स्टीरियोस्कोपिक ध्वनि प्रदान करने के लिए उपरोक्त जटिल-मूल्यवान लॉक-इन एम्पलीफायर का उपयोग करें।

इस तरह आप अपने आस-पास की दुनिया की जटिल प्रकृति को सुन सकते हैं, क्योंकि मानव श्रवण मामूली चरण परिवर्तनों के लिए बहुत अनुकूल है, और क्या यह डॉपलर वापसी के चरण और चतुर्भुज चैनलों के बीच सूक्ष्म परिवर्तनों को समझने के लिए सीखने में बहुत ही कुशल है।