တုန်ခါမှုခွဲခြမ်းစိတ်ဖြာခြင်းအားဖြင့် စကားပြောသံကို ပြန်လည်ဖန်တီးခြင်းအတွက် နည်းပညာ

Ben-Gurion University of the Negev နှင့် Weizmann Institute of Science (Israel) မှ သုတေသီအဖွဲ့တစ်ဖွဲ့သည် နည်းပညာတစ်ခုကို တီထွင်ခဲ့သည်။ ဖုန်းသံ (PDF ဖိုင်ရယူရန်) pendant light fixture ရှိ မီးသီး၏ passive vibration analysis ကို အသုံးပြု၍ အိမ်တွင်း စကားဝိုင်းနှင့် ဂီတကို ပြန်လည်တည်ဆောက်ရန်။ လမ်းပေါ်တွင် ထားရှိထားသော electro-optical sensor ကို ခွဲခြမ်းစိတ်ဖြာသူအဖြစ် အသုံးပြုပြီး မှန်ပြောင်းကို အသုံးပြုကာ ပြတင်းပေါက်မှ မြင်ရသော မီးအိမ်ဆီသို့ ချိန်ရွယ်ထားသည်။ စမ်းသပ်မှုကို 12-watt LED မီးလုံးများဖြင့် ပြုလုပ်ခဲ့ပြီး 25 မီတာ အကွာအဝေးမှ ခိုးနားထောင်မှုကို စုစည်းနိုင်စေခဲ့သည်။

နည်းလမ်းသည် ဆိုင်းငံ့ထားသော မီးအိမ်အတွက် အလုပ်လုပ်သည်။ အသံတုန်ခါမှုများသည် ဆိုင်းငံ့ထားသော အရာဝတ္ထုတစ်ခု၏ သေးငယ်သောတုန်ခါမှုကို ဖြစ်စေသည့် လေဖိအားကို ကွဲပြားစေသည်။ ထိုကဲ့သို့သော မိုက်ခရိုတုန်ခါမှုများသည် အလင်း၏အသွားအလာကို အထိခိုက်မခံသော အီလက်ထရွန်းအလင်းအာရုံခံကိရိယာကို အသုံးပြု၍ ရှာဖွေနိုင်ပြီး အသံအဖြစ် ခွဲခြားသတ်မှတ်နိုင်သောကြောင့် မတူညီသောထောင့်များတွင် အလင်းများပုံပျက်သွားစေသည်။ အလင်းစီးဆင်းမှုကို ဖမ်းယူရန်နှင့် အာရုံခံကိရိယာဆီသို့ ညွှန်ပြရန် တယ်လီစကုပ်ကို အသုံးပြုခဲ့သည်။ အာရုံခံကိရိယာမှရရှိသည့်အချက်ပြမှု (Photodiode ကိုအခြေခံသည့် Thorlabs PDA100A2) သည် 16-bit analog-to-digital converter ADC NI-9223 ကို အသုံးပြု၍ ဒစ်ဂျစ်တယ်ပုံစံသို့ ပြောင်းလဲခဲ့သည်။

ယေဘုယျ optical အချက်ပြမှုမှ အသံဆိုင်ရာ အချက်အလက်များကို ခွဲထုတ်ခြင်းအပါအဝင် အဆင့်များစွာဖြင့် ဆောင်ရွက်ခဲ့ပါသည်။ band-stop စစ်ထုတ်ခြင်း။ပုံမှန်ပြုလုပ်ခြင်း၊ ဆူညံသံလျှော့ချခြင်းနှင့် ကြိမ်နှုန်းအားဖြင့် ကျယ်ပြန်မှုပြင်ဆင်ခြင်း။ အချက်ပြမှုကို လုပ်ဆောင်ရန် MATLAB script ကို ပြင်ဆင်ထားပါသည်။ 25 မီတာအကွာအဝေးမှ ကန့်သတ်ဘောင်များကိုယူသောအခါ အသံပြန်လည်ပြုပြင်ခြင်းအရည်အသွေးသည် Google Cloud Speech API မှတစ်ဆင့် စကားပြောမှတ်သားမှုအတွက် လုံလောက်ပြီး Shazam နှင့် SoundHound ဝန်ဆောင်မှုများမှတစ်ဆင့် တေးဂီတဖွဲ့စည်းမှုကို ဆုံးဖြတ်ခြင်းအတွက် လုံလောက်ပါသည်။

စမ်းသပ်မှုတွင်၊ ရရှိနိုင်သောစပီကာများအတွက် အမြင့်ဆုံးအသံအား အခန်းထဲတွင် အသံပြန်ထုတ်ပေးခဲ့သည်၊ ဆိုလိုသည်မှာ၊ အသံသည် သာမာန်စကားထက် သိသိသာသာ ကျယ်လောင်သည်။ LED မီးခွက်ကိုလည်း အခွင့်အခါမရွေး ရွေးချယ်ခဲ့ခြင်းမဟုတ်ဘဲ အမြင့်ဆုံးအချက်ပြ-to-ဆူညံမှုအချိုးကို ပေးစွမ်းနိုင်သောကြောင့် (မီးရှူးမီးခွက်ထက် 6.3 ဆ မြင့်မားပြီး ချောင်းမီးချောင်းထက် အဆ 70 ပိုများသည်)။ ပိုကြီးသော မှန်ပြောင်း၊ အရည်အသွေးမြင့် အာရုံခံကိရိယာနှင့် 24- သို့မဟုတ် 32-bit analog-to-digital converter (ADC) ကို အသုံးပြုခြင်းဖြင့် တိုက်ခိုက်မှုအကွာအဝေးနှင့် အာရုံခံနိုင်စွမ်းကို တိုးမြင့်လာစေနိုင်ကြောင်း သုတေသီများက ရှင်းပြခဲ့သည်။ စျေးပေါသောအာရုံခံကိရိယာနှင့် 16-bit ADC ။

“အရင်က အဆိုပြုထားတဲ့ နည်းလမ်းနဲ့ မတူဘဲ၊အမြင်အာရုံမိုက်ခရိုဖုန်း“ရေတစ်ခွက် သို့မဟုတ် ချစ်ပ်အထုပ်ကဲ့သို့သော အခန်းအတွင်းရှိ တုန်ခါနေသော အရာများကို ဖမ်းယူ ခွဲခြမ်းစိတ်ဖြာပေးသော Lamphone သည် အချိန်နှင့်တပြေးညီ နားထောင်မှုကို စုစည်းနိုင်စေပြီး စကားပြော၏ စက္ကန့်အနည်းငယ်ကို ပြန်လည်တည်ဆောက်ရန်အတွက် အမြင်ပိုင်းဆိုင်ရာ မိုက်ခရိုဖုန်းသည် ပြင်းထန်သော တွက်ချက်မှုများ လိုအပ်ပါသည်။ နာရီ အသုံးပြုမှုအပေါ်အခြေခံသည့် နည်းလမ်းများနှင့် မတူပါ။ စပီ သို့မဟုတ် hard disk ပါ မိုက်ခရိုဖုန်းအနေဖြင့်၊ Lamphone သည် ဧရိယာအတွင်းရှိ စက်ပစ္စည်းများတွင် malware ကို run စရာမလိုဘဲ အဝေးမှ တိုက်ခိုက်မှုကို လုပ်ဆောင်နိုင်စေပါသည်။ သုံးပြီး တိုက်ခိုက်တာ မတူပါဘူး။ လေဆာ၊ Lamphone သည် တုန်ခါနေသော အရာဝတ္တုကို အလင်းရောင် ပေးဆောင်ရန် မလိုအပ်ဘဲ passive မုဒ်တွင် ထုတ်လုပ်နိုင်သည်။

source: opennet.ru