I akustiske kommunikasjonssystemer er det viktig å forstå hvordan bølgeformer modulerer signaler for å overføre informasjon effektivt, samtidig som de håndterer utfordringer knyttet til miljøforstyrrelser og teknologiske begrensninger. Modulasjonsteknikker som OFDM (Orthogonal Frequency Division Multiplexing) er mye brukt for å øke båndbreddeeffektiviteten i trådløse systemer som Wi-Fi, men dette mønsteret har sine egne spesifikasjoner og vanskeligheter når det anvendes på akustiske systemer.

Akustiske signaler, som i motsetning til radiofrekvens (RF)-baserte signaler, er mye mer utsatt for variasjoner i fase og amplituder. I et OFDM-signal moduleres informasjon ved å bruke forskjellige frekvenser som er ortogonale, noe som gjør det lettere å unngå interferens fra andre signaler. I teorien kan OFDM bidra til økt dataoverføringshastighet innenfor et gitt båndbreddeområde, men i akustiske kommunikasjonssystemer er det vanskelig å realisere denne potensialen fullt ut. Å generere OFDM-signaler i programvare kan føre til betydelige begrensninger, da avansert prosessering som frekvenskorreksjon og kanaltilstandsestimering er utfordrende å implementere på akustiske enheter. Dette er i stor grad et resultat av den strenge tidskravene og den korte koherenstiden i akustiske kanaler.

I tillegg gjør akustiske kanaler, preget av multipath-propagasjon og Doppler-effekter, det vanskelig å bruke høyordens modulasjon som 256-QAM, som ofte benyttes i Wi-Fi. Modulasjon som er basert på fase, som i RF-systemer, fungerer ikke godt i luftbårne akustiske kommunikasjonssystemer på grunn av ustabiliteten i fase. I stedet benyttes ofte binær amplitude shift keying (ASK) i akustiske OFDM-implementeringer, der informasjonen overføres ved å variere frekvens og amplitude snarere enn fase.

I tillegg til OFDM er det en rekke andre bølgeformer som er egnet for akustisk kommunikasjon, som chirp-signaler og rene toner. Chirp-signaler har fordelen av å være motstandsdyktige mot interferens og Doppler-effekter, men de er begrenset av lav gjennomstrømming og lang distansekommunikasjon. Pure tone-modulasjon er enkel å implementere, men har lav effektivitet når det gjelder dataoverføring. Generelt har akustiske OFDM-systemer med FSK-modulasjon (Frequency Shift Keying) vist seg å være effektive i akustisk kommunikasjon for kortere avstander.

Når det gjelder akustisk sensing, er bølgeformdesignet helt annerledes enn i kommunikasjon. I sensing-applikasjoner er det viktig å velge bølgeformer som gir betydelige endringer i signalene som respons på miljøvariasjoner, for å maksimere deteksjonsevnen og oppløsningen. Slik design kan bruke egenskaper som amplitudevariasjoner, faseforskyvninger, Doppler-frekvensskift og spektrale endringer, avhengig av hva som skal detekteres. I motsetning til kommunikasjonssystemer, hvor målet er å minimere signalforvrengning, er det i sensing-applikasjoner ønskelig med signaler som lett kan skille seg ut i støyende eller komplekse miljøer.

Bølgelengder som chirp, rene toner og OFDM-signaler er alle mye brukt innen akustisk sensing. Sprede-spekter-teknikker som ortogonale polyphase-kodinger, typisk brukt i radar, er også populære i akustisk sensing, da de tilbyr flere fordeler som lavt tverrkorrigering og høy deteksjonsevne. En spesiell fordel med slike teknikker er at de kan generere signaler som har en auto-korrelasjonsfunksjon som likner på en tommelknapp, noe som gjør dem ideelle for støy- og interferensrobuste applikasjoner.

Blant de spesifikke kodene som benyttes i akustisk sensing, finner vi GSM-treningssekvenser, Barker-koder, M-sekvenser og Zadoff-Chu (ZC) sekvenser. GSM-sekvensene benyttes for å motvirke kanalforvrengninger, mens Barker-kodene er hyppig brukt for puls-komprimering i radar. M-sekvenser benyttes i synkronisering i 5G-systemer, og ZC-sekvenser er svært nyttige for kanalestimering og synkronisering, med deres ideelle kryss-korrelasjons egenskaper.

Når man vurderer ulike bølgeformer for akustisk sensing, er det essensielt å forstå hvordan de interagerer med miljøet og hvordan de kan brukes til å forbedre deteksjon og oppløsning. Det er ikke bare hvilke bølgeformer som benyttes, men hvordan de tilpasses den spesifikke applikasjonen og de miljømessige utfordringene som finnes i akustiske sensorer.

Endelig er det viktig å merke seg at den akustiske kommunikasjonen og sensingen ofte er svært forskjellige teknologier, selv om de bruker noen av de samme grunnleggende bølgeformene. I kommunikasjon er det essensielt å sikre pålitelig dataoverføring over avstand, mens i sensing er det på høyeste prioritet å optimalisere signalets evne til å skille seg ut fra støy og samtidig gi høy nøyaktighet i deteksjonen av objekter eller bevegelse. Begge applikasjonene krever derfor forskjellige tilnærminger til bølgeformdesign og signalbehandling.

Hvordan stabiliteten i akustiske signaler påvirker AAC-teknikker

I trådløs kommunikasjon er det vanlig å bruke kjente preamblesekvenser i signalrammer for å hjelpe med kanalestimering. Dette gjør det mulig å kompensere for forvrengninger i bære signalene, og dermed redusere bitfeilraten (BER). Slike kompenserende teknikker er effektive så lenge de skjer innenfor et koherent tidsintervall, der kanalresponsen kan anses som relativt konstant. Når det gjelder akustisk kommunikasjon (AAC), står vi overfor to hovedutfordringer for å oppnå lignende kompensering. For det første er den koherente kanalens tid kort, vanligvis begrenset til noen få millisekunder i et standard innendørsmiljø, som 8 ms som rapportert i enkelte studier. Dette gjør bruken av lange treningssekvenser upraktisk på grunn av den lave dataraten. For det andre krever kanalkompensasjon ofte komplekse beregninger som må utføres i sanntid, noe som kan være utfordrende for IoT-enheter med begrensede ressurser.

For å få en bedre forståelse av den akustiske signalstabiliteten, gjennomførte vi en måling for å evaluere viktige parametere som frekvens, fase og amplitude, som er potensielt nyttige for modulasjon. Dette eksperimentet ga verdifulle data som veiledning for valg av passende modulasjonsteknikker og design av robuste pakkestrukturer. Eksperimentoppsettet besto av en stasjonær datamaskin som kontinuerlig spilte en 20 kHz ren tone, som ble sendt ut gjennom et 3,5 mm lydutgang og forsterket av en 20 W klasse-A forsterker for å redusere forvrengning. Dette forsterkede signalet ble deretter sendt ut via en 10-tommers høyttaler. En Samsung Galaxy S5-smarttelefon, plassert 20 cm fra høyttaleren, registrerte det overførte signalet ved hjelp av en spesialutviklet applikasjon som fanger ubehandlede PCM-lyddata, uten intern programvarefiltrering. Målingen varte i 40 sekunder og ble utført i et kontormiljø, med et gjennomsnittlig bakgrunnsstøy på rundt 44 dB og sporadiske topper som overgikk 76 dB på grunn av miljøstøy som menneskelig tale, tastetrykk og bankelyder på skrivebordet.

Resultatene fra målingene indikerer at den akustiske signalets frekvens forble relativt stabil, til tross for bakgrunnsstøy og filtrering. Det ble brukt et 30. ordens høypass FIR-filter med en kuttefrekvens på 5 kHz for å redusere lavfrekvent støy, og filtreringen fjernet effektivt støy under 5 kHz. Imidlertid persisterte noen bredbåndsstøy mellom 20-30 sekunder. Amplituden, som ble ekstraktert ved hjelp av Hilbert-transformasjonen, viste stor variasjon, og det ble observert betydelig fluktuasjon, noe som gjorde amplitudemodulasjon uegnet for AAC på grunn av den ustabile signal-koding. Videre, ved å analysere fasen, ble det funnet at det var en nesten lineær økning i fase over tid, med faseforskyvninger på opptil 10 radianer over en 10 sekunders periode. Dette er årsaken til at fasebaserte modulasjonsteknikker sjelden benyttes i AAC, ettersom de krever presis fasetilpasning, som er vanskelig å oppnå i virkelige akustiske miljøer.

Ustabiliteten i både amplitude og fase i akustisk kommunikasjon skyldes flere faktorer. Når det gjelder amplitude, er en betydelig kilde til pålitelighetsproblemer bakgrunnsinterferens. I tillegg gjør den automatiske gain-kontrollen (AGC) i akustiske systemer utfordringen større. Når AGC er i drift, kan plutselige høye lyder, som et skarpt bankelyd på et skrivebord, utløse gainjusteringer for å unngå lydklipping. Dette reduserer den registrerte intensiteten til andre signaler, og skaper ytterligere forstyrrelser i signalet. Denne samhandlingen mellom AGC og bakgrunnsstøy gjør amplitudebasert modulasjon upålitelig i AAC. Når det gjelder fase, er hovedårsaken til betydelige avvik tilstedeværelsen av bære frekvensforskyvning (CFO) eller samplingsfrekvensforskyvning (SFO), som oppstår når samplingsraten til ulike enheter ikke er perfekt justert, noe som fører til akkumulering av feil over tid. I radiokommunikasjonssystemer benyttes kanalequalisering for å korrigere CFO og SFO, men i akustiske systemer er det ikke praktisk mulig å implementere slike teknikker på grunn av begrensede beregningsressurser og hardwarekapasiteter.

Som et resultat av disse utfordringene, benytter AAC-systemer i stor grad frekvensmodulasjonsteknikker, som er mer robuste mot disse typene forvrengning. En av de mest populære modulasjonsmetodene som brukes i akustisk kommunikasjon er frekvenshoppmodulasjon (FSK). I FSK varierer bærefrequensen mellom to diskrete frekvenser for å representere digitale data, der én frekvens representerer en binær "1", og den andre en binær "0". Ved å utføre en spektralanalyse som FFT, kan de innkapslede meldingene dekodes. En utfordring med FSK er imidlertid at det kan oppstå frekvenslekkasje ved overgangen mellom to modulerte frekvenser, noe som kan redusere effektiviteten. En mulig løsning på dette problemet er bruken av vindusfunksjoner, som for eksempel en Hanning-vindu.

Endtext

Hvordan OFDM-modulasjon og demodulasjon fungerer i akustiske kommunikasjonsmiljøer

Orthogonal Frequency Division Multiplexing (OFDM) er en avansert modulasjonsteknikk som benyttes i moderne trådløse kommunikasjonssystemer, inkludert 4G og 5G mobilnettverk. Denne teknikken muliggjør høyhastighetsdataoverføring ved å dele opp et datasignal i flere bærere som er ortogonale mot hverandre. På denne måten kan OFDM håndtere både høy datarate og uavhengighet mellom kanalene, noe som er en fordel i støyutsatte og utfordrende akustiske miljøer.

I akustiske kommunikasjonssystemer er OFDM imidlertid utfordrende å implementere på grunn av problemer som faseforstyrrelser og tidsbegrenset koherens. Akustiske kanaler, i motsetning til radiokanaler, er ofte preget av uforutsigbar spredning av signalet, noe som kan føre til store feil ved overføring. For å overvinne disse utfordringene benyttes OFDM ofte sammen med Amplitude Shift Keying (ASK) modulasjon for å forbedre signalets robusthet.

Modulasjonsprosessen begynner med et basisbåndsignal x[n]x[n], hvor ASK brukes for å modifisere amplituden av signalet, som deretter transformeres til frekvensdomenet ved hjelp av den inverse raske Fourier-transformasjonen (IFFT). Denne prosessen skaper et tidsdomenesignal som er klart for overføring. For at signalet skal være ekte, må frekvensdomenesignalene være Hermitisk symmetriske, det vil si at X[−n]=X∗[n]X[-n] = X^*[n], hvor X∗[n]X^*[n] er den komplekse konjugaten av X[n]X[n]. Dette sikrer at signalet i tidsdomenet ikke inneholder noen imaginære komponenter, og at det dermed kan sendes direkte.

En av de største utfordringene ved OFDM-modulasjon er Peak-to-Average Power Ratio (PAPR) problemet. PAPR refererer til et fenomen hvor et fåtall av prøver i signalet har betydelig høyere amplituder enn resten av signalet. Dette kan føre til lekkasje av frekvenser eller hørbar støy, selv om signalet opererer innenfor det inaudible frekvensområdet. I trådløse radiobaserte systemer er det utviklet løsninger for å håndtere PAPR-problemet, men disse er ikke lett overførbare til akustiske systemer, som ofte har strenge krav til lav kompleksitet.

I praktiske akustiske implementeringer benyttes ofte en syklisk prefiks (CP) i OFDM-symbolene for å redusere effektene av synkroniseringsfeil. En CP innebærer at en del av signalet gjentas, som hjelper med å korrigere eventuelle tidsforskyvninger som kan oppstå under overføring. Når et OFDM-symbol mottas med en tidsforskyvning, hjelper CP til med å rette opp i fasefeilene og sikre at de originale dataene fortsatt kan dekodes korrekt.

For å gi et praktisk eksempel, kan vi vurdere et akustisk kommunikasjonsystem med en samplingfrekvens på 48 kHz og et frekvensområde fra 18 kHz til 22 kHz. Hvis vi velger en bæreravstand på 100 Hz, kan hvert OFDM-symbol representere 40 bits data, ved å bruke 40 subbærere til modulasjon. Den totale frekvensoppløsningen i dette tilfellet vil være 100 Hz, og de ASK-modulerte symbolene speiles i frekvensdomenet for å danne et dobbeltsidig bånd (DSB) signal, hvor den symmetriske speilingen sikrer at signalet kan sendes uten forvrengning.

Det er også viktig å merke seg at OFDM, til tross for sine fordeler med høy spektral effektivitet, er veldig følsom for tap i signalstyrke under overføring, spesielt i akustiske kommunikasjonsmiljøer. Dette begrenser rekkevidden til kun nærfeltkommunikasjon. For å muliggjøre kommunikasjon på lengre avstander, kan alternative teknikker som Chirp Spread Spectrum (CSS) benyttes. CSS er kjent for sin motstandskraft mot både demping og multipath-interferens, og gir en lovende løsning for akustisk kommunikasjon over lange avstander.

Når man arbeider med OFDM i akustiske kommunikasjonsmiljøer, er det avgjørende å forstå at effektiv synkronisering er vanskelig å oppnå, og at det ofte kreves spesifikke tilpasninger som CP for å sikre pålitelig dataoverføring. Det er også viktig å være klar over de tekniske begrensningene som følge av PAPR, og at videre forskning er nødvendig for å utvikle metoder for å håndtere dette problemet i akustiske systemer.

Hvordan vurdere signal-til-støy-forhold (SNR) i otoakustiske emisjoner (OAE) og diagnostisere øresykdommer ved hjelp av akustiske sensorer

Måling av otoakustiske emisjoner (OAE) spiller en viktig rolle i vurderingen av ørets funksjon, og gir verdifull informasjon om cochleaens helse. Dette kan omfatte både screening av hørsel og diagnostisering av ulike øresykdommer. For å vurdere om det registrerte signalet ved frekvensen 2f1 − f2 er en ekte OAE-respons eller bare støy, er det avgjørende å analysere støygulvet ved å gjennomsnittliggjøre signalnivåene i de nærliggende frekvensområdene. Signal-til-støy-forholdet (SNR) beregnes ved å sammenligne størrelsen på signalet med det estimerte støynivået. En vellykket screening gir kun et resultat ("pass") når SNR overskrider en definert terskel.

Transient-evoked otoacoustic emissions (TEOAEs) fremkalles vanligvis ved hjelp av et klikkstimulus, med en varighet på 100 µs og en intensitet på 80 dB peSPL. Ørets respons på dette bredbåndsstimulus kan registreres i øregangen på bare noen få millisekunder. For å skille de ikke-lineære OAEene fra lineære komponenter og stimulus-ekkoet, benyttes en ikke-lineær måleteknikk som involverer en sekvens av klikk. Denne sekvensen består av tre klikk på standard amplituder etterfulgt av et fjerde klikk med tre ganger større amplitude og omvendt polaritet. Ved å summere responsene fra disse fire klikkene elimineres de lineære elementene effektivt, og kun den ikke-lineære OAE og tilfeldig støy gjenstår. På samme måte som ved DPOAE-målinger, er det viktig å kvantifisere både bakgrunnsstøynivået og signalstyrken. Ved å registrere flere svar og sammenligne dem kan signalet estimeres ved å gjennomsnittliggjøre alle responsene, noe som reduserer tilfeldig støy. Støynivået estimeres ved å beregne standardavviket for hvert tidsintervall på tvers av de registrerte responsene. OAE-signalet når øreproben kort tid etter at stimulus er presentert og evalueres når stimulus-artifakten har avtatt. Ved å beregne rot-mean-square (RMS) av det ekstraherte signalet og støyen innenfor dette spesifikke tidsvinduet, oppnås enkeltverdier for både signal- og støynivåer. SNR kan deretter beregnes og sammenlignes med en terskel på samme måte som DPOAE-målinger for å produsere et resultat av "pass" eller "refer".

Den brede naturen til stimuluset gjør at en enkelt måling er tilstrekkelig for å vurdere cochleaens funksjon på tvers av et bredt frekvensspekter. For å demonstrere de grunnleggende trinnene i en OAE-test ved bruk av lett tilgjengelig utstyr, kan DPOAE brukes som eksempel. Nødvendig maskinvare for DPOAE-hørselsscreening inkluderer en ørepropp utstyrt med to høyttalere og en mikrofon. Disse to høyttalerne sender ut to forskjellige rene toner på spesifikke frekvenser, betegnet som f1 og f2. Mikrofonen registrerer de resulterende lydene og bruker en hurtig Fourier-transformasjon (FFT) for å avgjøre om en harmonisk frekvens på 2f1 − f2 er til stede over støygulvet. For å kompensere for den frekvensavhengige sensitiviteten til akustiske sensorer og bakgrunnsstøy, sendes det ut en serie med frekvenspar. Videre kan sensitiviteten til registreringen forbedres ved å øke FFT-vinduets størrelse. En betydelig hindring ved utførelsen av denne hørselsscreeningen på vanlige enheter ligger i deres ikke-optimaliserte akustiske frontender, som potensielt kan skjule forvrengte OAE-signaler i nærvær av bakgrunnsrefleksjoner, noe som kan føre til feilaktig identifisering av en sunn cochlea.

De siste årene har vi sett en økende utvikling av teknikker for øreundersøkelse, for eksempel pneumatisk otoskopi eller tympanometri, ved bruk av forbruksvarer. Disse enhetene kan fungere som gjennomgående overvåkingsverktøy for øretilstanden og gi en langsiktig vurdering av en individs ørehelse. Denne formen for diagnostisering krever ofte hodetelefoner utstyrt med minst en intern mikrofon og en høyttaler. Alternativt kan hodetelefoner med aktiv støykansellering og tilbakemeldingsmikrofon også benyttes. Grunnleggende for denne diagnostiske prosessen er kanalestimeringsteknikkene beskrevet i kapittel 3. Høyttaleren sender ut modulerte signaler, og mikrofonen registrerer de resulterende refleksjonene. Spesifikke øretilstander, som for eksempel perforert trommehinne, opphopning av ørevoks og blokkering av øregangen, kan endre de akustiske refleksjonsprofilene. Ved å undersøke spesifikke egenskaper i disse akustiske profilene, enten gjennom bruk av fysiske modeller eller dyplæringsmetoder, kan ørets tilstand bestemmes. Mer spesifikt kan otitis media føre til betennelse og væskeansamling bak trommehinnen. Opphopning av ørevoks og blokkering skaper mer betydelige refleksjonsbarrierer i øregangen. En perforert trommehinne resulterer vanligvis i negativt trykk, purulent sekresjon og involvering av mellomøret. Alle disse fenomenene kan endre lydbølgens transmisjonsvei og dermed generere karakteristiske akustiske refleksjonsmønstre.

For å forsterke disse forskjellene, har forskere utviklet et sett med spektrale funksjoner som kan benyttes til å oppdage abnormaliteter. Disse funksjonene inkluderer skjevhet, kurtosis, flathet, jitter og shimmer, samt crest-faktor og mean-cross, som alle brukes til å kvantifisere amplitude og mønstre i trommehinnevibrasjoner. Ved å integrere disse funksjonene i en dyplæringsklassifiserer kan ørets status raskt identifiseres.

Den nyeste utviklingen innen akustisk basert ørediagnostikk, ved hjelp av avansert signalbehandling og maskinlæring, har potensialet til å revolusjonere hvordan vi overvåker og diagnostiserer ørehelse, og kan gjøre det mulig å oppdage tidlige tegn på sykdom før symptomene blir merkbare for pasienten.

Hvordan Teknologiske Innovasjoner Påvirket Vitenskap og Samfunn på 1500-Tallet
Hvordan effektivt håndtere e-post- og SMS-varsler med Celery, Twilio og FastAPI
Hvordan forbedrer oksygenfeil ytelsen til TiO2@RGO aerogel for utskilling av uran?
Hvordan Agentens Beslutningstaking Prioriterer og Utfører Handlinger i Lagerstyring