Технология «Bat-Sense» для смартфонов генерирует изображения из звука

Ученые нашли способ наделить повседневные предметы, такие как смартфоны и ноутбуки, способностью чувствовать окружающую обстановку подобно летучей мыши.

В основе метода лежит сложный алгоритм машинного обучения, который использует отраженное эхо для создания изображений, подобно тому, как летучие мыши ориентируются и охотятся с помощью эхолокации.

Технология получения звуковых изображений

Алгоритм измеряет время, которое требуется для того, чтобы всплески звука, издаваемого динамиками или радиоволнами, импульсируемыми небольшими антеннами, отразились внутри помещения и вернулись к датчику.

Подписывайтесь на наш youtube канал!

Путем интеллектуального анализа результатов алгоритм может определить форму, размер и планировку помещения, а также обнаружить присутствие предметов или людей. Результаты отображаются в виде видео, которое превращает эхо-данные в трехмерное изображение.

Одно из ключевых различий между достижением команды и эхолокацией летучих мышей заключается в том, что летучие мыши имеют два уха, которые помогают им ориентироваться, в то время как алгоритм настроен на работу с данными, собранными с одной точки, например, с микрофона или радиоантенны.

Исследователи говорят, что эта техника может быть использована для создания изображений с помощью потенциально любых устройств, оснащенных микрофонами и динамиками или радиоантеннами.

Исследование, описанное в статье, опубликованной учеными-компьютерщиками и физиками из Университета Глазго в журнале Physical Review Letters, может найти применение в сфере безопасности и здравоохранения.

Доктор Алекс Турпин и доктор Валентин Капитани из Школы вычислительной техники и Школы физики и астрономии Университета Глазго являются ведущими авторами статьи.

Доктор Турпин сказал: "Эхолокация у животных - удивительная способность, и науке удалось воссоздать способность генерировать трехмерные изображения из отраженных эхосигналов различными способами, такими как RADAR и LiDAR.

"Отличие данного исследования от других систем заключается в том, что, во-первых, для создания трехмерных изображений требуются данные только с одного входа - микрофона или антенны. Во-вторых, мы считаем, что разработанный нами алгоритм может превратить в эхолокационное устройство любое устройство с любым из этих компонентов.

"Это означает, что стоимость такого рода 3D-изображений может быть значительно снижена, что открывает множество новых применений. Например, можно обеспечить безопасность здания без традиционных камер, улавливая сигналы, отраженные от нарушителя. То же самое можно сделать для отслеживания перемещений уязвимых пациентов в домах престарелых. Мы даже можем увидеть использование этой системы для отслеживания подъема и опускания грудной клетки пациента в медицинских учреждениях, предупреждая персонал об изменениях в его дыхании".

В статье описывается, как исследователи использовали динамики и микрофон ноутбука для генерации и приема акустических волн в килогерцовом диапазоне. Они также использовали антенну для получения радиочастотных звуков в гигагерцовом диапазоне.

В каждом случае они собирали данные об отраженных волнах, полученных в комнате при движении одного человека. В то же время они также записывали данные о комнате с помощью специальной камеры, которая использует процесс, известный как time-of-flight, для измерения размеров комнаты и получения изображения с низким разрешением.

Объединив данные отраженного сигнала микрофона и изображения, полученные с помощью камеры, регистрирующей время пролета, команда "обучила" свой алгоритм машинного обучения сотням повторений, чтобы связать определенные задержки в эхо-сигналах с изображениями. В конце концов, алгоритм научился достаточно, чтобы генерировать собственные высокоточные изображения комнаты и ее содержимого на основе одних только эхо-сигналов, что дало ему способность "подобно летучей мыши" ощущать окружающую обстановку.

Исследование основывается на предыдущей работе команды, которая обучила нейросетевой алгоритм построению трехмерных изображений путем измерения отражений от вспышек света с помощью однопиксельного детектора.

Доктор Турпин добавил: "Теперь мы смогли продемонстрировать эффективность этого алгоритмического метода машинного обучения с помощью света и звука, что очень интересно. Очевидно, что здесь кроется большой потенциал для изучения мира новыми способами, и мы намерены продолжить изучение возможностей получения изображений с более высоким разрешением в будущем". опубликовано econet.ru по материалам energyload.eu

Подписывайтесь на наш канал Яндекс Дзен!

P.S. И помните, всего лишь изменяя свое потребление - мы вместе изменяем мир! © econet