ক্ষুদ্র পরিধানযোগ্য লক-ইন পরিবর্ধক (এবং পরিধানযোগ্য বস্তুর জন্য সোনার সিস্টেম, ইত্যাদি): 7 টি ধাপ

2024 লেখক: John Day | [email protected]. সর্বশেষ পরিবর্তিত: 2024-01-30 08:01

একটি ছোট স্বল্পমূল্যের লক-ইন এম্প্লিফায়ার তৈরি করুন যা চশমার ফ্রেমে এম্বেড করা যায় এবং অন্ধদের জন্য একটি সোনার ভিশন সিস্টেম তৈরি করতে পারে, অথবা একটি সহজ আল্ট্রাসাউন্ড মেশিন যা আপনার হৃদয়কে ক্রমাগত পর্যবেক্ষণ করে এবং হিউম্যান-মেশিন লার্নিং ব্যবহার করে সমস্যার আগে সতর্ক করার জন্য। ঘটে

একটি লক-ইন এম্প্লিফায়ার হল একটি পরিবর্ধক যা অন্য কিছু উপেক্ষা করার সময় একটি নির্দিষ্ট সিগন্যালে (রেফারেন্স ইনপুট) লক-ইন করতে পারে। গোলমাল এবং বিভ্রান্তির সাথে অবিরাম বোমা হামলার জগতে, কিছু উপেক্ষা করার ক্ষমতা (যেমন- উপেক্ষা করা) একটি মূল্যবান সম্পদ।

মানব জাতির পুরো ইতিহাসে নির্মিত সেরা পরিবর্ধক হল PAR124A যা 1961 সালে তৈরি করা হয়েছিল, এবং যখন অনেকেই এর পারফরম্যান্সকে ছাড়িয়ে যাওয়ার বা সমান করার চেষ্টা করেছে, কেউই সফল হয়নি [https://wearcam.org/BigDataBigLies.pdf]।

লক-ইন এম্প্লিফায়ারগুলি সোনার, রাডার, লিডার এবং অন্যান্য অনেক ধরণের সেন্সিংয়ের জন্য মৌলিক, এবং ভালগুলি সাধারণত স্পেসিফিকেশনের উপর নির্ভর করে প্রায় $ 10, 000 থেকে $ 50, 000 খরচ করে।

এস মান, স্ট্যানফোর্ড বিশ্ববিদ্যালয়, বৈদ্যুতিক প্রকৌশল বিভাগ, 2017।

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

ধাপ 1: উপাদানগুলি পান

ইউনিভার্সিটি অফ টরন্টোতে ওয়েয়ারটেক পরিধানযোগ্য কম্পিউটিং স্টুডেন্ট ক্লাব ECE516 এ নথিভুক্ত প্রত্যেক শিক্ষার্থীকে উদারভাবে একটি পার্টস কিট দান করেছে।

আপনি WearTech এ যোগ দিতে পারেন এবং একটি যন্ত্রাংশ কিট পেতে পারেন, অথবা বিকল্পভাবে, Digikey থেকে যন্ত্রাংশ ক্রয় করতে পারেন।

উপকরণ বিল:

• সিগন্যাল জেনারেটর (যা এখনও ল্যাব 1 থেকে আপনার কাছে থাকবে এবং প্রাথমিকভাবে আপনার সম্পূর্ণ জটিল সিগন্যাল জেনারেটরের প্রয়োজন হবে না, যেমন এই ল্যাবের প্রথম অংশের জন্য, কোন উপযুক্ত বাস্তব মূল্যবান সিগন্যাল জেনারেটর করবে);
• LM567 বা NE567 টোন ডিকোডার (8-পিন চিপ);
• আর_টি = রেফারেন্স ইনপুট ভোল্টেজ ডিভাইডারের শীর্ষ প্রতিরোধক: প্রায়। 5340 ohms;
• আর_খ = রেফারেন্স ইনপুট ভোল্টেজ ডিভাইডারের নিচের প্রতিরোধক: প্রায়। 4660 ohms;
• আর_এল = আউটপুটের জন্য লোড রোধ (পিন 3): প্রায়। 9212 ohms;
• তিনটি ক্যাপাসিটার (রেফারেন্স এবং সিগন্যাল ইনপুটের জন্য কাপলিং ক্যাপাসিটরের পাশাপাশি আউটপুটে লোপাস ফিল্টার ক্যাপাসিটর);
• চ্ছিক সুইচ;
• আউটপুট পরিবর্ধক যেমন TL974 (আপনি পর্যাপ্ত সংবেদনশীল অডিও পরিবর্ধক বা হেডফোন পরিবর্ধক ব্যবহার করতে পারেন যাতে যথেষ্ট উচ্চ ইনপুট প্রতিবন্ধকতা থাকে যাতে আউটপুট ফিল্টার ক্যাপাসিটরের ওভারলোড না হয়);
• অন্যান্য বিবিধ উপাদান;
• উপাদান সমাবেশের জন্য ব্রেডবোর্ড বা অন্যান্য সার্কিটবোর্ড।

উপরন্তু, লক-ইন এম্প্লিফায়ারের সাহায্যে কিছু দরকারী করতে, আপনি পেতে চান:

• অতিস্বনক transducers (পরিমাণ দুই);
• অডিও হেডসেট বা স্পিকার সিস্টেম;
• মেশিন লার্নিং অংশের জন্য কম্পিউটার সিস্টেম বা প্রসেসর বা মাইক্রোকন্ট্রোলার (ল্যাব 1 থেকে)।

আর_টি, আর_খ, এবং আর_এল তুলনামূলকভাবে সমালোচনামূলক, অর্থাত্ আমরা মূল্যবোধগুলি পরীক্ষা -নিরীক্ষার মাধ্যমে সাবধানে নির্বাচন করেছি।

ধাপ 2: উপাদান আপ তারের

দেখানো চিত্র অনুযায়ী উপাদানগুলিকে সংযুক্ত করুন।

ডায়াগ্রামটি একটি স্কিম্যাটিক ডায়াগ্রাম এবং একটি ওয়্যারিং ডায়াগ্রামের মধ্যে একটি চমৎকার মিশ্রণ, যেমন এটি সার্কিট লেআউট এবং সেই সাথে সার্কিট কিভাবে সংযুক্ত থাকে তা দেখায়।

যেভাবে 567 টোনের ডিকোডার ব্যবহার করা হচ্ছে তা কেউ কেউ তার স্বাভাবিক প্রচলিত ব্যবহার থেকে সৃজনশীল প্রস্থান হিসাবে বিবেচনা করেছেন। সাধারণত পিন is হল আউটপুট পিন, কিন্তু আমরা তা মোটেও ব্যবহার করি না। সাধারনত যন্ত্রটি একটি স্বর সনাক্ত করে এবং স্বর সনাক্ত হলে একটি হালকা বা অন্য আইটেম চালু করে।

এখানে আমরা এটিকে এমনভাবে ব্যবহার করছি যা যেভাবে ব্যবহার করার ইচ্ছা ছিল তার থেকে সম্পূর্ণ ভিন্ন।

পরিবর্তে, আমরা পিন 1 এ আউটপুট নিচ্ছি যা একটি "ফেজ ডিটেক্টর" এর আউটপুট। আমরা এই সত্যকে কাজে লাগাই যে "ফেজ ডিটেক্টর" কেবল একটি গুণক।

এছাড়াও, পিন 6 সাধারণত টাইমিং ক্যাপাসিটর সংযোগ হিসাবে ব্যবহৃত হয়।

পরিবর্তে, সৃজনশীলভাবে, আমরা 567 চিপকে লক-ইন এম্প্লিফায়ার হিসাবে ব্যবহারের জন্য রেফারেন্স ইনপুট হিসাবে পিন 6 ব্যবহার করি। এটি আমাদের গুণককে তার ইনপুটগুলির একটিতে অ্যাক্সেস করতে দেয়।

রেফারেন্স ইনপুটগুলিতে সর্বাধিক সংবেদনশীলতা পেতে, আমরা দেখেছি যে আমরা যদি এই পিনটিকে সাপ্লাই রেলের.6..6%, এবং ক্যাপাসিটিভলি এর সাথে যুক্ত করি, আমরা সেরা ফলাফল পাই। আপনি সুইচ দ্বারা নির্দেশিত হিসাবে সরাসরি এটিতে রেফারেন্স সংকেত খাওয়ানোর চেষ্টা করতে পারেন (আপনি সুইচের পরিবর্তে আপনার রুটিবোর্ডে একটি জাম্পার তার ব্যবহার করতে পারেন)।

একমাত্র ইনপুট/আউটপুট পিন যা আমরা প্রচলিতভাবে ব্যবহার করি (যেমন এটি ব্যবহার করার উপায় ছিল) হল পিন 3 যা ইনপুট হিসাবে ব্যবহৃত হওয়ার কথা, যা আমরা প্রকৃতপক্ষে ইনপুট হিসাবে ব্যবহার করি!

ধাপ 3: লক-ইন এম্প্লিফায়ারকে ভাল ব্যবহারে রাখুন: অন্ধদের জন্য ভিশন সহায়তা

আমরা লক-ইন এম্প্লিফায়ার ব্যবহার করে অন্ধদের জন্য ভিশন এইড (সাহায্য দেখে) তৈরি করতে চাই।

এখানে ধারণা হল যে আমরা এটি সোনার ব্যবহার করি, একটি ডপলার সোনার সেন্সিং সিস্টেম তৈরি করতে।

যদিও আপনি একটি Arduino সংযুক্তি হিসাবে একটি সোনার সেন্সর কিনতে পারেন, আমরা নিম্নলিখিত কারণগুলির জন্য এই নির্দেশের প্রথম নীতিগুলি থেকে সিস্টেমটি নিজেদের তৈরি করতে পছন্দ করি:

1. শিক্ষার্থীরা মৌলিক বিষয়গুলি শিখবে যখন তারা নিজেরাই জিনিসগুলি তৈরি করবে;
2. এটি আপনাকে আরও গবেষণা এবং উন্নয়নের জন্য কাঁচা সংকেতগুলিতে সরাসরি প্রবেশাধিকার দেয়;
3. সিস্টেমটি অনেক বেশি প্রতিক্রিয়াশীল এবং তাত্ক্ষণিক, প্রাক -প্যাকেজ সিস্টেমগুলির তুলনায় যা কেবলমাত্র কিছুটা বিলম্ব (বিলম্ব) সহ সমষ্টিগত তথ্যের প্রতিবেদন করে।

দুটি আল্ট্রাসাউন্ড ট্রান্সডুসার একটি হেডসেটে (হেডফোন) সামনের দিকে মাউন্ট করুন। আমরা তাদের উভয় পাশে রাখতে পছন্দ করি যাতে মাথাটি ট্রান্সমিটারকে রিসিভার থেকে সরাসরি সংকেত থেকে রক্ষা করে।

প্রদত্ত চিত্র অনুযায়ী তাদের লক-ইন এম্প্লিফায়ারের সাথে সংযুক্ত করুন।

এম্প্লিফায়ারের একটি আউটপুট হেডসেটের সাথে সংযুক্ত করুন। "এক্সট্রা বাস" টাইপের হেডসেট সবচেয়ে ভালো কাজ করে, যেহেতু ফ্রিকোয়েন্সি রেসপন্স ফ্রিকোয়েন্সি সর্বনিম্ন পর্যন্ত বিস্তৃত করে।

এখন আপনি রুমে বস্তু শুনতে এবং গতিতে রুমের বস্তুর একটি মানসিক চাক্ষুষ মানচিত্র তৈরি করতে সক্ষম হবেন।

ধাপ 4: হিউম্যান-মেশিন লার্নিং

"এআই এর জনক", মারভিন মিনস্কি (তিনি মেশিন লার্নিংয়ের পুরো ক্ষেত্র আবিষ্কার করেছিলেন), রে কুরজওয়েল (গুগলের ইঞ্জিনিয়ারিং ডিরেক্টর) এবং আমি একসাথে, আইইইই ইস্টাস 2013 (মিনস্কি, কুর্জওয়েল, মান, "এ একটি কাগজ লিখেছিলেন সোসাইটি অফ ইন্টেলিজেন্ট ভিলেন্স ", 2013) একটি নতুন ধরনের মেশিন লার্নিং এর উপর, যাকে বলা হয় হিউম্যানিস্টিক ইন্টেলিজেন্স।

এটি পরিধানযোগ্য প্রযুক্তির উপর মেশিন লার্নিং থেকে উদ্ভূত হয়, যেমন "HuMachine Learning", যেখানে সেন্সরগুলি মন এবং শরীরের সত্যিকারের সম্প্রসারণে পরিণত হয়।

ডপলার সোনার রিটার্ন নেওয়ার চেষ্টা করুন এবং সেগুলি একটি কম্পিউটার সিস্টেমের এনালগ ইনপুট সরবরাহ করুন এবং এই ডেটাতে কিছু মেশিন লার্নিং চালান।

এটি আমাদের সাইমন হেইকিনের চেতনার রাডার বা সোনার সিস্টেমের দৃষ্টিভঙ্গির আরও এক ধাপ এগিয়ে নিয়ে যাবে।

LEM (Logon Expectation Maximization) নিউরাল নেটওয়ার্ক ব্যবহার করার কথা বিবেচনা করুন।

দেখুন

এখানে মেশিন লার্নিং এবং চিরপ্লেট ট্রান্সফর্ম সম্পর্কিত কিছু অতিরিক্ত কাগজপত্র রয়েছে:

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…

ধাপ 5: অন্যান্য পরিবর্তন: হার্ট মনিটর

মৃত্যুর 1 নম্বর কারণ হৃদরোগ, এবং আমরা একটি পরিধানযোগ্য সিস্টেম তৈরি করতে পারি যা এটিকে মোকাবেলায় সহায়তা করে। আপনার নিজের হৃদয়ে "দেখার" জন্য দুটি হাইড্রোফোন বা জিওফোন ব্যবহার করুন। সেই একই প্রযুক্তি যা অন্ধকে "দেখতে" সাহায্য করে এখন আপনার নিজের শরীরের ভিতরে দেখার জন্য ভেতরের দিকে ঘুরিয়ে দেওয়া যায়।

এই ধরনের হার্ট মনিটর, প্রথাগত ইসিজির পাশাপাশি প্রেক্ষাপটের জন্য বাহ্যিক মুখোমুখি ভিডিও, আপনাকে ব্যক্তিগত স্বাস্থ্য এবং নিরাপত্তার জন্য পরিধানযোগ্য প্রসঙ্গ-সচেতন হার্ট মনিটর দেয়।

মেশিন লার্নিং সমস্যাগুলি তৈরি হওয়ার আগে তাদের পূর্বাভাস দিতে সাহায্য করতে পারে।

ধাপ 6: অন্যান্য বৈচিত্র: সাইকেল নিরাপত্তা ব্যবস্থা

আরেকটি অ্যাপ্লিকেশন হল একটি সাইকেলের জন্য একটি রিয়ার-ভিশন সিস্টেম।

এখানে আমরা স্থল বিশৃঙ্খলা এবং সাধারণত আপনার কাছ থেকে দূরে সরে যাওয়া সবকিছুকে উপেক্ষা করতে চাই, তবে কেবলমাত্র "দেখুন" জিনিসগুলি আপনার উপর লাভ করছে।

এই উদ্দেশ্যে আপনি একটি জটিল মূল্যবান সোনার সিস্টেম ব্যবহার করতে চাইবেন, যেমন উপরের ওয়্যারিং ডায়াগ্রামে নির্দেশিত হয়েছে।

আউটপুট (বাস্তব এবং কাল্পনিক) একটি 2-চ্যানেল AtoD (এনালগ থেকে ডিজিটাল) রূপান্তরকারী এবং ফুরিয়ার রূপান্তর গণনা করুন, তারপর শুধুমাত্র ইতিবাচক ফ্রিকোয়েন্সি বিবেচনা করুন। যখন শক্তিশালী ইতিবাচক ফ্রিকোয়েন্সি উপাদান থাকে তখন আপনার উপর কিছু লাভ হচ্ছে। এটি আপনার পিছনের ক্যামেরা ফিডকে বড় করতে সক্রিয় করতে পারে, যাতে আপনার পিছনে থাকা বস্তুর দিকে মনোযোগ দেওয়া যায়।

আরও ভাল ফলাফলের জন্য, চিরপ্লেট ট্রান্সফর্ম গণনা করুন। আরও ভাল: অ্যাডাপ্টিভ চিরপ্লেট ট্রান্সফর্ম (ACT) ব্যবহার করুন এবং LEM নিউরাল নেটওয়ার্ক ব্যবহার করুন।

পাঠ্যবই "ইন্টেলিজেন্ট ইমেজ প্রসেসিং", জন উইলি অ্যান্ড সন্স, 2001 এর অধ্যায় 2 দেখুন।

অতিরিক্ত রেফারেন্স:

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…

ধাপ 7: অন্যান্য বৈচিত্র: অন্ধদের জন্য বিনুরাল দেখার সহায়তা

অডিও দুটি স্টেরিও চ্যানেলের বাস্তব এবং কাল্পনিক আউটপুট সহ স্টেরিওস্কোপিক শব্দ প্রদান করতে উপরের জটিল মূল্যবান লক-ইন এম্প্লিফায়ার ব্যবহার করুন।

এইভাবে আপনি আপনার চারপাশের বিশ্বের জটিল প্রকৃতির কথা শুনতে পারেন, যেহেতু মানুষের শ্রবণ সামান্য পর্যায় পরিবর্তনের জন্য খুব উপযুক্ত, এবং ডপলার রিটার্নের ইন-ফেজ এবং চতুর্ভুজ চ্যানেলের মধ্যে সূক্ষ্ম পরিবর্তনগুলি বুঝতে শেখার ক্ষেত্রে এটি খুব দক্ষ।