UNIVERSIDADE TECNOLÓGICA FEDERAL DO PARANÁ

DIRETORIA DE PÓS GRADUAÇÃO E PESQUISA

PROGRAMA DE PÓS GRADUAÇÃO EM ENGENHARIA ELÉTRICA

HERMAN LUCAS DOS SANTOS

DESENVOLVIMENTO DE PLATAFORMA DE AQUISIÇÃO DE

SINAIS COM PARALELISMO DE AQUISIÇÃO E PROCESSAMENTO
BASEADA EM FPGA

PROPOSTA DE PROJETO

CORNÉLIO PROCÓPIO

2017
 SUMÁRIO

1 INTRODUÇÃO . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
2 OBJETIVOS . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
2.1 OBJETIVO GERAL . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
2.2 OBJETIVOS ESPECÍFICOS . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
3 FUNDAMENTAÇÃO TEÓRICA . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
3.1 ARRAY PROCESSING APLICADO A ULA . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
3.2 MODELAGEM DO ULA . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
3.3 FORMAÇÃO DO BEAMPATTERN E RELAÇÃO SINAL-RUÍDO(SNR) . . . . . . . . . . 8
3.4 TÉCNICAS DE FILTRAGEM ESPACIAL . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
3.4.1 Conceitos de Spatial Matched Filter . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
3.4.2 Tapered Beamformer . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
3.5 VOZ HUMANA: CONCEITOS E CAPTAÇÃO . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
4 MATERIAIS E MÉTODOS . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
4.1 PLATAFORMA DE AQUISIÇÃO E PROCESSAMENTO . . . . . . . . . . . . . . . . . . . . . . . 13
4.2 MICROFONES DE ELETRETO . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
4.3 CONVERSORES A/D . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
4.4 FUNCIONAMENTO DO SISTEMA PROPOSTO . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
5 CRONOGRAMA DE TRABALHO . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
REFERÊNCIAS . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
 3

1 INTRODUÇÃO

O estudo da técnica de Beamforming tem se intensificado com as inúmeras aplicações

que estes possuem. Esta técnica é proveniente do arranjo entre vários sensores que captam sinais
simultaneamente. Esta modelagem é denominada Array Processing. As propriedades desta
técnica possibilitam a aplicação em diversas áreas, como radar, sonar, estimação de direção de
chegada de uma fonte emissora de sinais, sismologia e bioengenharia (TREES, 2004).

As informações que podem ser extraı́das por meio deste método são diversas. Um
sinal de interesse, extraı́do de um ambiente ruidoso, ou a localização de uma fonte emissora
de sinais dentre outras fontes de interferência (NAIDU, 2009). O estudo recente da técnica se
mostra muito útil na bioengenharia (YAN et al., 2015), (JAISWAL et al., 2009), (ROFFEH;
EINAV, 1995) e telecomunicações (WINTERS, 1993), (CHOI et al., 2013), (QI et al., 2011).
Com o avanço computacional tem-se cada vez mais requintadas técnicas para filtragem espacial
e detecção de direção de chegada.

As diversas aplicações em que podem ser empregadas Array Processing fica depen-
dente apenas da habilidade e imaginação do projetista e há uma grande quantidade de técnicas
que torna viável a utilização da mesma, seja para processamento em tempo real ou posterior,
como criação de imagens 2D e até 3D baseadas nos sinais recebidos.

Esta técnica pode ser implementada em diversas geometrias para os sensores, denomi-
nados elementos, no espaço e cada uma destas possui particularidades, dependendo da aplicação
com que esta será utilizada.

Visa-se neste trabalho o estudo e construção de um ULA - Uniform Linear Array. Esta
geometria linear traz os elementos dispostos em linha com espaçamentos iguais, onde tem-se
como entrada os sinais captados pelos diversos sensores e a saı́da é soma dos sinais deslocados
e ponderados. São consideradas diferenças na modelagem para cada área de aplicação (TREES,
2004), mas os fundamentos da construção do arranjo e a aplicação do Beamformer obedecem a
um padrão.

O estudo será feito através de sinais de áudio. Fontes emissoras de sinais sonoros
podem ser diversas, como a voz humana e ruı́dos de um motor. Existem diversos modos de se
 4

tratar estes problemas, como em Otsuka et al. (2014), que aplicam inferências de Bayes em um
problema de analise de auditório. É apresentado também em Germen et al. (2014) a aplicação
desta técnica para análise de falhas em máquinas de indução, onde utiliza-se um arranjo circular
de microfones.

Este trabalho está organizado da seguinte forma: nos capı́tulos 2 e 3 traz-se a motivação
e justificativa do estudo proposto. No capı́tulo 4 tem-se os objetivos finais a serem alcançados
com o projeto. O capı́tulo 5 é dedicado a fundamentação teórica para o desenvolvimento e
embarque do projeto. Os materiais e metodologia de construção propostos são estudados no
capı́tulo 6. Tem-se alguns resultados preliminares desenvolvidos por simulações para consolidação
do funcionamento da proposta no capı́tulo 7. A seguir são mostrados o cronograma do projeto
e as referências utilizadas na pré-concepção deste trabalho.
 5

2 OBJETIVOS

2.1 OBJETIVO GERAL

Desenvolvimento de uma plataforma para aquisição e processamento de dados que

garanta paralelismo de aquisição de diversos sensores e processamento em tempo real para
aplicação de Array Processing.

2.2 OBJETIVOS ESPECÍFICOS

• Estabelecer a necessidade computacional e de instrumentação para aplicação técnicas de

arranjos de sensores;

• Montar o protótipo para aquisição de dados;

• Obter dados reais através da plataforma criada para pós processamento em computador a
fim de viabilizar o emprego da técnica no arranjo montado;
 6

3 FUNDAMENTAÇÃO TEÓRICA

Neste capı́tulo são apresentados conceitos de processamento paralelo de dados. São

vistas nas seções aqui presentes conceitos de Array Processing direcionados a um arranjo de
sensores em linha igualmente espaçado, aplicação de filtragem espacial, conceitos de aquisição
de dados sonoros e arquiteturas computacionais.

3.1 ARRAY PROCESSING APLICADO A ULA

Um sinal é uma onda que se propaga em um meio com uma velocidade c e tem um
comprimento de onda λ . Como todo sinal, a informação que este sinal traz é o seu próprio
conteúdo ou a localização do mesmo (MANOLAKIS et al., 2005). Ondas de baixa frequência
que se propagam em meios não homogêneos sofrem o fenômeno da difração (NAIDU, 2009).
Para este trabalho serão analisados sinais de média e alta frequência, portanto pode-se descon-
siderar a difração. Em ambientes reais um sinal dificilmente se propaga de forma livre sem
ruı́dos e interferências. Ruı́dos e interferências podem ter magnitude muito maior que um sinal
de interesse fazendo com que o mesmo fique mascarado. Para extração do sinal em um meio,
utiliza-se a filtragem espacial através de um arranjo linear uniforme.

Um Arranjo Linear Uniforme, ou ULA (Uniform Linear Array), pode ser descrito
como diversos sensores dispostos no espaço igualmente espaçados. Comumente utiliza-se um
número 2n de sensores, denominados elementos. Estes sensores captam um sinal de interesse
e produzem um atraso τ entre os sinais captados por cada elemento de acordo com o ângulo.
Um arranjo de sensores funciona como um simples sensor que pode ser direcionado à qualquer
ângulo que se deseje, como uma antena. Na antena direciona-se o único sensor para o ponto
que se consegue a melhor definição do sinal. No ULA atribui-se diferentes pesos a cada sensor
de forma a enfatizar o sinal de uma certa direção. Para projeto do ULA é necessário conhecer
os parâmetros dos sinais a serem trabalhados para cálculos do projeto. Conseguimos o compri-
mento de onda de um sensor com a equação 1 e a equação 2 apresenta o espaçamento necessário
entre os sensores (MANOLAKIS et al., 2005). Esta equação é similar ao teorema de Nyquist
para frequências temporais apresentados em (OPPENHEIM et al., 1989).
 7

fmax
λ= (1)
c
onde fmax é a frequência máxima do sinal de interesse.

λ
d≤ (2)
2

Estas ondas espaciais se propagam como um arco que aumenta sua envergadura con-
forme a distância entre a fonte emissora e a fronte da onda. Pode-se assumir a detecção como
espaçada o suficiente, fazendo com que o sinal seja tratado como uma onda plana. Esta fronte
de onda dará um atraso temporal ao sensor de acordo com a equação 3. Portanto, a menos que
a fonte emissora esteja posicionada a frente do array, irá haver atrasos temporais entre os sinais
captados por cada elemento.

d
τ = sen(θ ) (3)
c

3.2 MODELAGEM DO ULA

Denota-se M a quantidade de elementos e N a quantidade de amostras para processa-

mento. Todo sinal x(n) será constituı́do por um sinal de interesse s(n), um ruı́do térmico, ou
ruı́do branco, proveniente do sensor w(n) e um sinal i(n) proveniente da soma das interferências
recebidas no sensor. Denota-se x(n) então pela equação 4 contendo todos os sinais individuais
de cada elemento. Chama-se de arraysnapshot o conjunto de amostras de todos os elementos
numa amostra n.

x(n) = [x1 (n) x2 1(n) . . . xM (n)]T (4)

sendo x0 1 o elemento de referência e xM o elemento mais espaçado do primeiro

Os sinais x j (n), com j variando de 1 a M, é definido pela equação 5. Tem-se uma

soma dos sinais recebidos por cada elemento a cada amostra. Para propósitos de filtragem e
estimativa de direção de chegada deseja-se extrair o sinal s(n) que é presente de forma idêntica
em todos elementos atrasado temporalmente entre cada um deles.
 8

x j (n) = s j (n) + w j (n) + i j (n) (5)

É proposto a utilização da equação 2 para definir o espaçamento entre os elementos. A

disposição espacial dos elementos está diretamente ligada à frequência de amostragem espacial
e pode ser normalizada. Cada sinal terá um atraso de fase em relação aos outros baseado na
distância entre os elementos e na frequência temporal do sinal. Este atraso de fase definido por
e j2πu , com u definido pela equação 6 como frequência espacial normalizada.

∆ dsenφ
u= (6)
λ
sendo φ dependente do ângulo de incidência do sinal no ULA. Tem-se então um vetor de di-
recionamento do arranjo descrito segundo a equação 7. Essa equação é obtida relacionando os
atrasos de fase com e o número de elementos. Este vetor será utilizado em todos os processos
que envolverão Beamformers.

1
v(u) = √ [1 e− j2πu . . . e− j2πu(M−1) ]T (7)
M

3.3 FORMAÇÃO DO BEAMPATTERN E RELAÇÃO SINAL-RUÍDO(SNR)

Foi definido na seção anterior a distância máxima entre os elementos de um array e

a dependência da resposta do mesmo baseado em sua quantidade de elementos e espaçamento
entre os mesmos. Similar a um filtro de resposta impulsiva finita (FIR) (VEEN; BUCKLEY,
1988), onde os pesos de cada elemento e números de elementos mudam a resposta final de
saı́da, o espaçamento entre os sensores, assim como o a quantidade dos mesmos, tem-se uma
abertura maior ou fechamento do ângulo de filtragem.

A saı́da do filtro espacial é dado pela soma dos elementos associados a um peso c j , com
j variando de 1 a M. A maneira como encontra-se estes pesos são diversas e é objeto de estudo.
Dentre as técnicas que envolvem a obtenção destes pesos tem-se métodos convencionais, que
serão abordados neste trabalho, e métodos adaptativos. A formulação matemática desta situação
é descrita pela equação 9.
 9

∞
y(n) = ∑ c∗mxm(n) = cH x(n) (9)
m=1

onde
c = [c1 c2 . . . cM ]T (10)

são os pesos c j incorporado nos sinais pelos elementos do arranjo.

A obtenção do Beampattern pode ser entendida como a realização de uma transfor-

mada de Fourier no espaço onde possuı́mos os limites de −90 ≤ φ ≤ 90. Analogamente a trans-
formada Fourier aplicada a um filtro, que retorna as magnitudes de atenuação de um sinal em
cada uma de suas frequências componentes, o Beampattern dá a informação das direções onde
serão atenuados os sinais que chegam a um arranjo. Esta técnica é empregada pela multiplicação
presenta na fórmula 11.

C(φ ) = cH v(φ ) (11)

3.4 TÉCNICAS DE FILTRAGEM ESPACIAL

As técnicas mais comuns e simples computacionalmente de filtragem são Spatial Mat-

ched Filter e Tapered Beamformer. Estas técnicas tem princı́pio parecidos e diferem-se em
alguns critérios de performance. Para emprego das mesmas, fixa-se uma direção de filtragem,
necessitando conhecimento prévio deste dado do sinal. Quando trata-se sinais que possuem
apenas o ruı́do térmico w(n) somado ao sinal s(n) pode-se utilizar apenas a primeira e mais
simples opção; Spatial Matched Filter. O emprego Tapered Beamformer se dá para casos que
haja uma interferência, ou sinal textb f i(n) vindo de uma direção de chegada diferente do si-
nal de interesse. Para utilização de Tapered Beamformer são empregados conceitos do Spatial
Matched Filter, portanto, serão apresentados de formas sequentes.

3.4.1 CONCEITOS DE SPATIAL MATCHED FILTER

Das equações 5 e 7, desprezando-se a parcela relação a interferência, a qual a técnica

abordada nesta subseção é incapaz de tratar, tem-se que um sinal x(n) com seus atrasos de fase
 10

e jω terá sua equação descrita por

x(m) = [s(n) e− j2πus . . . e− j2π(M−1)us ]T + w(n) (12)

O vetor de pesos deste método é descrito como um vetor que apenas alinhe as fases do
sinal principal entre todos os sensores, isto é, soma-se o sinal principal com uma réplica de si
mesmo, e com norma unitária. O conjugado complexo do vetor de direcionamento, equação 7,
escolhendo-se um angulo de direcionamento φs para u que corresponda ao ângulo de chegada
do sinal, é o vetor que faz as fases do sinal s(n) se alinhar. Portanto, realiza-se a operação
descrita pela equação 13.

  


 s(n) 



  

1 h j2πus i  e− j2πus s(n) 
  

H j2π(M−1)us
y(n) = v (φs )x(n) = √ 1e ··· e × 

..  + w(n) (13)

M 

 .  


  

 e− j2π(M−1)us s(n)
 


sendo a saı́da y(n) exatamente igual a multiplicação da raiz da quantidade de elementos pelo
sinal s(n) e somado ao ruı́do.

A aplicação desta técnica fica definida por estes termos. Da mesma forma apresentada
na subseção ??. O Spatial Matched Filter está limitado a seus pesos agirem de forma apenas a
somar os sinais de interesse, criando uma saı́da que seu filtro apenas atenua sinais oriundos de
direções de chegada diferentes, não anulando-os. Para o aprimoramento deste filtro, atribui-se
pesos a cada um dos elementos além do peso do conjugado do vetor de direcionamento. Esta
atribuição é o tópico da próxima subseção, Tapered Beamformer.

3.4.2 TAPERED BEAMFORMER

A presença de outros sinais que não tem a caracterı́stica de média zero e não correla-
cionado (ruı́do branco) faz com que a utilização da técnica demonstrada anteriormente, Spatial
Matched Filter, seja insuficiente para que seja satisfatória a filtragem de um sinal. Sinais que
 11

não possuem a caracterı́stica de ruı́do branco é tratado como uma interferência no sistema e
suas causas podem ser diversas. No geral, deseja-se anular estes sinais na saı́da do array.

Nestes filtros associa-se um vetor de pesos t multiplicados ponto a ponto ao vetor de

direcionamento que alinha as fases do Matched Filter. Este vetor de pesos podem ser diversos e
devem ser projetados de acordo com a necessidade de projeto, conhecendo-se dados dos sinais
tanto de interesse como de interferência, lembrando que este é um processo não-adaptativo.
Portanto, tem-se que o vetor de pesos ctb f deste método é dado pela equação 14, que possui
norma unitária. O objetivo deste filtro, assim como o descrito anteriormente, é maximizar a
relação sinal-ruı́do, agora denominada relação sinal-ruı́do-mais-interferência (SINR).

ctb f (φs ) = t  vH (φs ) (14)

Semelhante aos filtros FIR o vetor de pesos t são iguais as janelas já conhecidas e é
escolhido de acordo com a preferência do projetista. Percebe-se que o Spatial Matched Filter
é um Tapered Beamformer em que se aplica o vetor de pesos sendo uma janela retangular.
A desvantagem da utilização deste método está que se tem uma perda de potência em todos
os ângulos, inclusive o de direcionamento. Portanto, a utilização do mesmo ou da técnica
apresentada anteriormente deve ser de acordo com caracterı́sticas sensı́veis do projeto.

3.5 VOZ HUMANA: CONCEITOS E CAPTAÇÃO

Este trabalho é direcionado para a estimação de direção de chegada e filtragem espacial

de sinais sonoros, sobretudo, a voz humana. Ondas sonoras emitidas e captadas por seres hu-
manos são sinais de baixa frequência, tendo no espectro auditivo 20 até 20000 Hz e na emissão,
comumente, 50-4000 Hz (LI et al., 2003). Estes sinais trazem juntos de sua frequência fun-
damental uma série de harmônicos que constituem a diferenciação do som de cada elemento.
Com bases estatı́sticas de cada sinal pode-se estimar sua fonte de origem.

Na aplicação escolhida de Array Processing é importante apenas ter-se base das frequências
presentes na voz humana para quantização da taxa de amostragem necessária. Pelo teorema de
Nyquist o sinal deve ser ser amostrado numa frequência no mı́nimo duas vezes superior à de
limite de informações do sinal. Limitando o a frequência do sinal de interesse a 4 kHz pode-
se utilizar a frequência máxima do espectro audı́vel, 20 kHz, para captação. Por convenção
 12

utiliza-se 44.1 kHz, que é um padrão utilizado, referente à qualidade de um CD.

O sensor referente à captação de sinais sonoros é o microfone. Existem diversos tipos,

sendo o mais comuns microfones dinâmicos, unidirecional, mais robustos e com funcionamento
por indução magnética, sem necessitar de alimentação externa, e os microfones condensadores,
omnidirecionais, mais sensı́veis e composto por eletretos, que necessitam de polarização. A
segunda opção tem também a vantagem de ser mais compacto, leve e de menor custo. A escolha
de utilização do tipo de microfone varia de acordo com parâmetros da aplicação e pode-se
aproveitar das caracterı́sticas do mesmo no processamento estatı́stico de sinais.

A saı́da de um microfone é uma tensão alternada na ordem de milivolts. Para inter-

facear os mesmos com um processador de sinal, como microcontrolador, DSP ou FPGA, é
necessário o condicionamento do sinal. O sinal de saı́da destes sensores possuirão nı́veis po-
sitivos e negativos, tornando necessário a aplicação de uma elevação contı́nua, offset, no sinal
amplificado. Os dispositivos de aquisição normalmente trabalham com 3.3 ou 5 V. Portanto, o
circuito de amplificação deve levar em consideração estes limitantes.
 13

4 MATERIAIS E MÉTODOS

Neste capı́tulo serão apresentados os materiais a serem utilizados para a construção

final do arranjo e os métodos que serão aplicados. Tem-se uma dificuldade na pesquisa dado a
necessidade de simultaneidade de captação dos sinais e esta deve ser sanada através da plata-
forma de aquisição escolhida. Os métodos a serem utilizados serão descritos com fluxogramas
e diagramas de blocos.

4.1 PLATAFORMA DE AQUISIÇÃO E PROCESSAMENTO

A plataforma de aquisição é o problema central e a motivação final deste trabalho.

As aplicações de Array Processing só serão praticáveis se houver garantia de que os sinais
captados entre os sensores estarão em fase após a aplicação do vetor de direcionamento. Este
problema só é sanado com a utilização de conversores A/D sincronizados. Portanto, necessita-
se de processamento paralelo da execução de aquisição dos sinais discretizados do mesmo. O
dispositivo que permite a execução paralela de instruções é o FPGA e, baseado nisto, é feita a
escolha deste kit para esta aplicação.

O kit DE2-115 conta com um FPGA Altera Cyclone®IV 4CE115 que é configurado
pelo USB Blaster. Para armazenamento dos dados possui memória SRAM de 2MB, duas
memórias SDRAM de 64MB e 8MB de memória Flash e a memória interna do FPGA de 432
M9K blocos. Tem-se acesso a 36 pinos da GPIO da placa, que conta com um oscilador de
50 MHz, podendo ser usado como saı́da de clock externo ou alterar este valor com um clock
externo. Para processamento offline possui-se soquete para cartão SD e para aplicações que
exijam complexidade de cálculos, ou simplesmente para testes, o módulo conta com um trans-
ceptor RS-232. A placa conta com saı́das de alimentação de 5 e 3.3V.

4.2 MICROFONES DE ELETRETO

Microfones de eletreto são uma opção viável de projeto envolvendo diversos sensores
por serem baratos e de simples funcionamento. Estes microfones atuam como um capacitor,
possuindo duas placas metálicas espaçadas que alteram sua distância com pressão do ar gerado
 14

por ondas sonoras. Como estas placas estão polarizadas por uma alimentação externa, que pode
variar de 1.5 V a tensões maiores que 10 V. A mudança de capacitância gerada pela variação na
distância entre as placas forma o sinal de tensão equivalente a onda sonora que a gerou.

4.3 CONVERSORES A/D

Para economia de pinos no FPGA utilizaremos ADC que atuam de forma serial. Uma
dificuldade encontrada na escolha dos conversores A/D para o projeto é a disponibilidade em
mercado de conversores que possuam amostragem igual ou superior a 44,1 kHz. Por considerar
sinais que atuam até 4 kHz, desprezando parte de seus harmônicos mais altos, como sua terceira
oitava, encontra-se disponı́vel o ADC0832, com frequência de amostragem para apenas um de
seus canais em 20 kHz.

4.4 FUNCIONAMENTO DO SISTEMA PROPOSTO

Com a escolha dos componentes do protótipo final do projeto cria-se o diagrama de

fluxo, Figura 1 que será projetado em hardware. O sistema funcionará com clock de 400 kHz/
0.5 duty cycle para a aquisição, por ser o máximo suportado pelo conversor A/D. Como es-
pecificado deve ocorrer um pulso de 2.67 µs a cada 50 µs para o inı́cio da conversão. O
sistema receberá uma amostra a cada 50 µs e irá ponderar a amostra com o cálculo de janela
pré estabelecido e salvá-lo em um endereço de memória. A memória funciona independente e
pode-se utilizar o clock total da placa, portanto não é necessário estabelecer a simultaneidade
para endereçamento.

Após adquiridas 1000 amostras do sinal calcula-se a correlação cruzada, que retornará
a quantidade de amostras que o sinal deve ser atrasado para que tenha alinhamento de fase. A
partir disto soma-se os sinais ponderados e deslocados de todos os sensores. Paralelamente após
a aquisição do milésimo sinal a memória volta para sua primeira posição, diminuindo assim a
necessidade de espaços na memória. A cada 1000 amostras coletadas (50 ms) será feito um
novo cálculo de correlação cruzada e ajustado os deslocamentos.
 15

Processo
cont <= 0
Clk 400 kHz
cont 0:19
Pulso 5.33 us
pino CS
Após
Escolhe posição 1000
cont 0: 2 amostras
de memória Cálculo correlação
address <= adress +1
cruzada

Recebe dados Salva dados

GPIO[M]*c_tbf[M] 0x<address> [0:7]
se adress = M*1000
adress <= 0
cont 10:19
Após cálculo xcorr

y = soma dos sinais

Deslocamento sinais
deslocados

Figura 1: Diagrama de fluxo do sistema proposto.

Fonte: Autoria própria
 16

5 CRONOGRAMA DE TRABALHO

Visando atingir os objetivos propostos apresenta-se um cronograma de atividades a ser

realizado no âmbito do Centro Integrado de Pesquisa em Controle e Automação (CIPECA/UTFPR-
CP). Estas atividades e o cronograma estão ilustrados nas tabelas 1 e 2, respectivamente.

Tabela 1: Atividades Previstas

Atividades Descrição
A Revisão bibliográfica.
B Desenvolvimento e aplicação de algoritmos para ambientes sintéticos.
C Estudo de componentes para montagem.
D Coleta de dados reais.
E Validação dos resultados.
F Montagem do protótipo.
G Validação do protótipo.

Tabela 2: Cronograma de Atividades

Ano 2016
Mês
MAR ABR MAIO JUN JUL AGO SET OUT NOV DEZ
Atividade
A
B
C
D
E
F
G
 17

REFERÊNCIAS
CHOI, J. H.; SUN, J. S.; ITOH, T. Frequency-scanning phased-array feed network based on
composite right/left-handed transmission lines. IEEE Transactions on Microwave Theory
and Techniques, v. 61, n. 8, p. 3148–3157, Aug 2013. ISSN 0018-9480.

DHOPE, T. S.; SIMUNIC, D.; ZENTNER, R. Comparison of doa estimation algorithms in sdma
system. AUTOMATIKA: časopis za automatiku, mjerenje, elektroniku, računarstvo i ko-
munikacije, KoREMA-Hrvatsko društvo za komunikacije, računarstvo, elektroniku, mjerenja
i automatiku, v. 54, n. 2, p. 199–209, 2013.

GERMEN, E.; BAŞARAN, M.; FIDAN, M. Sound based induction motor fault diagnosis using
kohonen self-organizing map. Mechanical Systems and Signal Processing, Elsevier, v. 46,
n. 1, p. 45–58, 2014.

GUO, Y.; ZOU, Y. X.; WANG, Y. A robust high resolution speaker doa estimation under rever-
berant environment. In: Chinese Spoken Language Processing (ISCSLP), 2014 9th Interna-
tional Symposium on. [S.l.: s.n.], 2014. p. 400–400.

JAISWAL, D. et al. Design and evaluations of a phased ultrasound array for transesophageal
cardiac ablation. In: 2009 IEEE International Ultrasonics Symposium. [S.l.: s.n.], 2009. p.
1298–1301. ISSN 1051-0117.

KWOK, N. M. et al. Sound source localization: microphone array design and evolutionary
estimation. In: 2005 IEEE International Conference on Industrial Technology. [S.l.: s.n.],
2005. p. 281–286.

LI, Y.; HO, K. C.; KWAN, C. Design of broad-band circular ring microphone array for spe-
ech acquisition in 3-d. In: Acoustics, Speech, and Signal Processing, 2003. Proceedings.
(ICASSP ’03). 2003 IEEE International Conference on. [S.l.: s.n.], 2003. v. 5, p. V–221–4
vol.5. ISSN 1520-6149.

MANOLAKIS, D. G.; INGLE, V. K.; KOGON, S. M. Statistical and adaptive signal proces-
sing: spectral estimation, signal modeling, adaptive filtering, and array processing. [S.l.]:
Artech House Norwood, 2005.

NAIDU, P. S. Sensor array signal processing. [S.l.]: CRC press, 2009.

OPPENHEIM, A. V. et al. Discrete-time signal processing. [S.l.]: Prentice hall Englewood

Cliffs, NJ, 1989.

OTSUKA, T. et al. Bayesian nonparametrics for microphone array processing. IEEE/ACM

Transactions on Audio, Speech, and Language Processing, v. 22, n. 2, p. 493–504, Feb
2014. ISSN 2329-9290.

QI, Z. S.; GUO, Y.; WANG, B. H. Blind direction-of-arrival estimation algorithm for conformal
array antenna with respect to polarisation diversity. IET Microwaves, Antennas Propagation,
v. 5, n. 4, p. 433–442, March 2011. ISSN 1751-8725.
 18

ROFFEH, Y.; EINAV, S. Analysis of sounds from occluded arteries by using a linear array of
microphones. In: Electrical and Electronics Engineers in Israel, 1995., Eighteenth Conven-
tion of. [S.l.: s.n.], 1995. p. 4.2.1/1–4.2.1/5.

TREES, H. L. V. Detection, estimation, and modulation theory, optimum array processing.

[S.l.]: John Wiley & Sons, 2004.

VEEN, B. V.; BUCKLEY, K. Beamforming: A versatile approach to spatial filtering. IEEE

ASSP Magazine, v. 5, n. 2, p. 4–24, 1988. Cited By 1319.

WANG, G.; XIA, X. G. Iterative algorithm for direction of arrival estimation with wideband
chirp signals. IEE Proceedings - Radar, Sonar and Navigation, v. 147, n. 5, p. 233–238, Oct
2000. ISSN 1350-2395.

WINTERS, J. H. Signal acquisition and tracking with adaptive arrays in the digital mobile
radio system is-54 with flat fading. IEEE Transactions on Vehicular Technology, v. 42, n. 4,
p. 377–384, Nov 1993. ISSN 0018-9545.

XI, Z. et al. Doa estimation of multiple sources based on multiset canonical correlation analysis.
In: Proceedings of 2011 IEEE CIE International Conference on Radar. [S.l.: s.n.], 2011.
v. 2, p. 1410–1413. ISSN 1097-5764.

YAN, X. et al. Multichannel double-row transmission line array for human mr imaging at ul-
trahigh fields. IEEE Transactions on Biomedical Engineering, v. 62, n. 6, p. 1652–1659, June
2015. ISSN 0018-9294.

ZOU, Y. X. et al. Multisource doa estimation based on time-frequency sparsity and joint inter-
sensor data ratio with single acoustic vector sensor. In: 2013 IEEE International Conference
on Acoustics, Speech and Signal Processing. [S.l.: s.n.], 2013. p. 4011–4015. ISSN 1520-
6149.