Professional Documents
Culture Documents
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
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
• 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
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
∆ 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
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)
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.
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.
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.
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
4 MATERIAIS E MÉTODOS
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.
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.
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.
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
5 CRONOGRAMA DE TRABALHO
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.
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.
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.
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.