Miniatuur draagbare lock-in-versterker (en sonarsysteem voor wearables, enz.): 7 stappen

2024 Auteur: John Day | [email protected]. Laatst gewijzigd: 2024-01-30 11:17

Bouw een goedkope miniatuur-lock-in-versterker die kan worden ingebed in brilmonturen en om een sonar vision-systeem voor blinden te creëren, of een eenvoudige ultrasone machine die continu uw hart bewaakt en Human-Machine Learning gebruikt om te waarschuwen voor problemen voordat ze gebeuren.

Een lock-in-versterker is een versterker die kan inhaken op een specifiek signaal (referentie-ingang) en al het andere negeert. In een wereld van constant bombardement met lawaai en afleiding, is het vermogen om iets te negeren (d.w.z. onwetendheid) een waardevol bezit.

De beste versterker die ooit in de hele geschiedenis van de mensheid is gebouwd, is de PAR124A, gemaakt in 1961, en hoewel velen hebben geprobeerd zijn prestaties te overtreffen of te evenaren, is geen enkele erin geslaagd [https://wearcam.org/BigDataBigLies.pdf].

Lock-in-versterkers zijn van fundamenteel belang voor sonar, radar, lidar en vele andere soorten detectie, en goede kosten doorgaans rond de $ 10.000 tot $ 50.000, afhankelijk van de specificaties, enz.

S. Mann, Stanford University, afdeling Elektrotechniek, 2017.

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

Stap 1: Verkrijg de componenten

De WearTech wearable computing-studentenclub aan de Universiteit van Toronto heeft genereus een onderdelenkit gedoneerd aan elke student die is ingeschreven voor ECE516.

U kunt lid worden van WearTech en een onderdelenset krijgen, of u kunt de onderdelen bij Digikey kopen.

Stuklijst:

• Signaalgenerator (die je nog steeds hebt van Lab 1 en in eerste instantie heb je niet de volledige complexe signaalgenerator nodig, d.w.z. voor het eerste deel van dit lab is elke geschikte signaalgenerator met reële waarde voldoende);
• LM567 of NE567 toondecoder (8-pins chip);
• R_t = bovenste weerstand van referentie-ingangsspanningsdeler: ca. 5340 ohm;
• R_B = onderste weerstand van referentie-ingangsspanningsdeler: ca. 4660 ohm;
• R_L = belastingsweerstand voor uitgang (pin 3): ca. 9212 ohm;
• De drie condensatoren (koppelcondensatoren voor referentie- en signaalingang, evenals laagdoorlaatfiltercondensator op de uitgang);
• Optionele schakelaars;
• Uitgangsversterker zoals TL974 (u kunt ook een voldoende gevoelige audioversterker of hoofdtelefoonversterker gebruiken met een voldoende hoge ingangsimpedantie om de uitgangsfiltercondensator niet te overbelasten);
• Overige diverse componenten;
• Breadboard of andere printplaat voor montage van de componenten.

Bovendien, om iets nuttigs te doen met de lock-in-versterker, wil je het volgende verkrijgen:

• Ultrasone transducers (aantal twee);
• Audioheadset of luidsprekersysteem;
• Computersysteem of processor of microcontroller (uit Lab 1) voor het machine learning-gedeelte.

R_t, R_B, en R_L zijn relatief kritisch, d.w.z. waarden die we zorgvuldig hebben geselecteerd door middel van experimenten.

Stap 2: Sluit de componenten aan

Sluit de componenten aan volgens het getoonde schema.

Het diagram is een mooie mix tussen een schematisch diagram en een bedradingsschema, d.w.z. het toont de circuitlay-out en hoe het circuit is aangesloten.

De manier waarop de 567-toondecoder wordt gebruikt, wordt door sommigen beschouwd als een creatieve afwijking van het normale conventionele gebruik. Normaal is Pin 8 de output pin, maar die gebruiken we helemaal niet. Normaal gesproken detecteert het apparaat een toon en schakelt een lampje of ander item in wanneer de toon wordt gedetecteerd.

Hier gebruiken we het op een manier die totaal anders is dan de manier waarop het bedoeld was om te worden gebruikt.

In plaats daarvan nemen we de output op Pin 1, die de output is van een "Fase Detector". We maken gebruik van het feit dat een "Fase Detector" gewoon een vermenigvuldiger is.

Ook wordt pen 6 normaal gesproken gebruikt als een timingcondensatorverbinding.

In plaats daarvan gebruiken we op creatieve wijze pin 6 als referentie-ingang voor het gebruik van de 567-chip als lock-in-versterker. Dit stelt ons in staat om toegang te krijgen tot de vermenigvuldiger bij een van zijn ingangen.

Om maximale gevoeligheid voor referentie-ingangen te krijgen, ontdekten we dat als we deze pin naar 46,6% van de voedingsrail voorinstellen en er capacitief in koppelen, we de beste resultaten krijgen. Je kunt ook proberen het referentiesignaal er rechtstreeks naar toe te voeren, zoals aangegeven door de schakelaar (je kunt gewoon een jumperdraad op je breadboard gebruiken in plaats van de schakelaar).

De enige input/output-pin die we conventioneel gebruiken (d.w.z. zoals het bedoeld was) is Pin 3 die verondersteld wordt te worden gebruikt als input, die we inderdaad gebruiken als input!

Stap 3: Zet de lock-in-versterker goed in: zichthulp voor blinden

Met de lock-in versterker willen we een kijkhulp (kijkhulp) voor blinden maken.

Het idee hier is dat we het gebruiken voor sonar, om een Doppler-sonardetectiesysteem te creëren.

Hoewel je een sonarsensor als Arduino-bijlage kunt kopen, hebben we ervoor gekozen om het systeem zelf te bouwen vanuit de eerste principes in deze Instructable om de volgende redenen:

1. Studenten leren de basis wanneer ze zelf dingen bouwen;
2. Dit geeft u direct toegang tot de ruwe signalen voor verder onderzoek en ontwikkeling;
3. Het systeem reageert veel sneller en onmiddellijker, vergeleken met voorverpakte systemen die alleen geaggregeerde informatie rapporteren met nogal wat vertraging (latentie).

Monteer de twee ultrasone transducers op een headset (hoofdtelefoon), naar voren gericht. We plaatsen ze graag aan weerszijden, zodat de kop de zender afschermt van het directe signaal van de ontvanger.

Sluit ze aan op de lock-in versterker volgens het meegeleverde schema.

Sluit een uitgang van de versterker aan op de headset. De headset van het type "Extra Bass" werkt het beste, omdat de frequentierespons zich uitstrekt tot aan de laagste frequenties.

Nu kun je objecten in de kamer horen en een mentale visuele kaart maken van de bewegende objecten in de kamer.

Stap 4: Mens-machine leren

De "Vader van AI", Marvin Minsky (hij vond het hele gebied van machine learning uit), schreef samen met Ray Kurzweil (Director of Engineering bij Google), en ikzelf, een paper in IEEE ISTAS 2013 (Minsky, Kurzweil, Mann, " Society of Intelligent Veillance", 2013) over een nieuw soort machine learning, genaamd Humanistic Intelligence.

Dit komt voort uit machine learning op draagbare technologieën, oftewel "HuMachine Learning", waarbij sensoren een echt verlengstuk van lichaam en geest worden.

Probeer de Doppler-sonarretouren te nemen en deze te leveren aan de analoge ingang van een computersysteem, en wat machine learning uit te voeren op deze gegevens.

Dit zal ons een stap dichter bij Simon Haykins visie brengen van een radar- of sonarsysteem dat in staat is tot cognitie.

Overweeg het gebruik van het LEM (Logon Expectation Maximization) neurale netwerk.

Zie

Hier zijn enkele aanvullende artikelen over machine learning en chirplet-transformatie:

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…

Stap 5: Andere variaties: Hartmonitor

De nummer 1 doodsoorzaak is hartziekte, en we kunnen een draagbaar systeem creëren dat helpt om dit aan te pakken. Gebruik twee hydrofoons of geofoons om in je eigen hart te "kijken". Dezelfde technologie die blinden helpt 'zien', kan nu naar binnen worden gedraaid om in je eigen lichaam te kijken.

Zo'n hartmonitor, gecombineerd met traditionele ECG en naar buiten gerichte video voor context, geeft u een draagbare, contextbewuste hartmonitor voor persoonlijke gezondheid en veiligheid.

Machine learning kan problemen helpen voorspellen voordat ze zich voordoen.

Stap 6: Andere variatie: fietsveiligheidssysteem

Een andere toepassing is een achteruitkijksysteem voor een fiets. Plaats de transducers naar achteren gericht op een fietshelm.

Hier willen we de rommel op de grond en in het algemeen alles wat van je af beweegt negeren, maar alleen "zien" dat dingen op je afkomen.

Hiervoor wilt u een sonarsysteem met complexe waarden gebruiken, zoals aangegeven in het bedradingsschema hierboven.

Voer de uitgangen (reëel en denkbeeldig) in een 2-kanaals AtoD (analoog naar digitaal) omzetter en bereken de Fourier-transformatie, en houd dan alleen rekening met de positieve frequenties. Wanneer er sterke positieve frequentiecomponenten zijn, wint u iets. Dit kan een vergroting van uw achteruitrijcamera-feed activeren om de aandacht te vestigen op objecten achter u die op u afkomen.

Voor betere resultaten berekent u de chirplet-transformatie. Nog beter: gebruik de Adaptive Chirplet Transform (ACT) en gebruik het LEM neurale netwerk.

Zie hoofdstuk 2 van het leerboek "Intelligent Image Processing", John Wiley and Sons, 2001.

Aanvullende referenties:

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…

Stap 7: Andere variatie: binaurale hulp bij het zien van blinden

Gebruik de bovengenoemde lock-in-versterker met complexe waarde om stereoscopisch geluid te leveren, met de echte en denkbeeldige uitgangen naar de twee stereokanalen van audio.

Op deze manier kun je de complexe aard van de wereld om je heen horen, aangezien het menselijk gehoor erg is afgestemd op kleine faseveranderingen, en dit zeer bedreven is in het leren begrijpen van de subtiele veranderingen tussen in-fase en kwadratuurkanalen van de Doppler-terugkeer.