Hur fungerar akustisk lokaliserings- och räckviddsteknik?

Akustiska signaler har blivit en viktig komponent inom inomhuslokalisering och distansbedömning, särskilt i situationer där GPS är otillgängligt. En av de mest innovativa teknikerna inom detta område är BeepBeep, en metod som smart omgår problem som kan uppstå på grund av okända systemfördröjningar och klocksynkronisering. Istället för att förlita sig på externa system använder BeepBeep ljudprover för att direkt hämta tidsstämplar, vilket eliminerar behovet av att justera för dessa variabler. För att hantera multipath-effekter, där signaler reflekteras från olika ytor, identifierar BeepBeep den första "skarpa" toppsignalens ankomst genom att korsa mottagna signaler med referenssignaler.

En annan teknik, RF-Beep, försöker tackla de osäkra och varierande systemfördröjningarna som kan uppstå vid akustisk uppspelning och inspelning på vanliga enheter. RF-Beep utnyttjar en lösning där radiovågor skickas parallellt med akustiska signaler, och ankomsttiden för radiovågorna används som referens för att beräkna ankomsttiden för ljudsignalerna. Denna metod kan uppnå decimeter-noggrannhet inom avstånd på upp till 16 meter, även om behovet av att modifiera enhetens kärnprogramvara begränsar den praktiska användningen.

Utöver dessa metoder finns det även radarbaserade lösningar för akustisk lokalisation. Precis som RF-radar sänder akustiska radarsystem ut ljudenergi som reflekteras från omgivningen, vilket gör det möjligt att mäta avstånd och i vissa fall skapa kartor eller undvika hinder. Akustiska radarsystem har dock begränsningar när det gäller räckvidd, eftersom signalens intensitet avtar snabbt med avståndet, vilket gör att dessa system oftast fungerar inom ett intervall på några meter.

En mer avancerad lösning är DeepRange, som tillämpar djupinlärning för att hantera både plattformsdiversitet och multipath-effekter. Genom att träna en artificiell intelligensmodell på syntetiska data kan DeepRange uppnå en medelnoggrannhet på endast 1 cm inom 4 meter, vilket gör det möjligt att eliminera bakgrundsbrus och skillnader mellan olika enheter.

BatMapper är ett exempel på hur akustiska sensorer på mobila enheter kan användas för att skapa inomhuskartor. Denna metod bygger på att utnyttja avståndsbegränsningar mellan mikrofon och högtalare för att konstruera en probabilistisk modell som kan extrahera eko-signaler från omgivningen. På så sätt kan BatMapper korrigera för multipath-effekter och uppnå noggranna avståndsberäkningar även i komplexa miljöer. BatMapper kan även användas för att rekonstruera golvplaner, där 80-procentiga felmarginaler ligger på under 30 cm i sådana tillämpningar.

De flesta akustiska lokaliseringssystem fungerar genom att mäta enhetspositioner i en dimension. För att få exakta positioner i 2D eller 3D krävs trilatiering, en metod som använder avstånd från flera källor för att beräkna exakt position i rummet. Detta gör det möjligt att skapa mer komplexa och noggranna lokaliseringssystem som kan tillämpas i både inomhus- och utomhusmiljöer.

I sammanhanget av inomhuslokalisering är akustiska teknologier särskilt intressanta eftersom de erbjuder en kostnadseffektiv lösning utan behov av dyra infrastrukturer. Akustiska lokaliseringssystem kan nå submeter-noggrannhet med minimal installation, vilket gör dem till ett attraktivt alternativ för navigering och positionering där GPS inte kan användas. Genom att kombinera dessa tekniker med andra sensorer, som gyroskop och accelerometrar, kan man skapa ännu mer exakta och robusta system för navigering och lokalisering i realtid.

Endtext

Hur biometrisk autentisering genom akustiska signaler kan revolutionera säkerhet och autentisering

Biometri omfattar mätning och beräkningsanalys av unika mänskliga kännetecken och egenskaper. Biometrisk autentisering, även känd som realistisk autentisering, används för identifiering och åtkomstkontroll. Denna metod är särskilt viktig när det gäller att säkerställa att endast behöriga individer får tillgång till specifika resurser eller system. I denna kontext är biometriska sensorers funktion att identifiera unika mönster som aktivt kan moduleras av ljudsignaler som sänds ut.

I detta system utnyttjas lättillgängliga och kostnadseffektiva smartphone-fodral som innehåller små hålstrukturer, som både har rumslig och frekvensmässig mångfald. Dessa strukturer gör det möjligt att kontrollera ljudvågornas förflyttning. När olika användare eller fingrar interagerar med fodralet skapar de unika mönster som kan användas för autentisering. För att förhindra så kallade replay-attacker, där en tidigare signaluppsättning används för att lura systemet, randomiseras de sända signalerna. För att extrahera de biometriska kännetecknen används både tidsdomänsegenskaper, såsom medelvärde och standardavvikelse, och frekvensdomänsegenskaper, inklusive spektral effekt och mel-frekvenscepstrala koefficienter (MFCC), för att skapa specifika biometriska mallar för varje användare.

För att extrahera dessa mönster delas det inspelade ljudet upp och märks med hjälp av avancerad ljudanalys. Denna teknik är mer resistent mot försök till bedrägeri, eftersom den inte kan återskapas med hjälp av en enkel ljudinspelning av en annan individs tal.

Förutom de tekniker som beskrivits ovan, spelar hörseln en central roll i vår förmåga att kommunicera och interagera med vår omgivning. Den är avgörande för att förstå tal, skapa sociala band och till och med för att njuta av musik och underhållning. När hörseln försämras, vilket ofta sker gradvis, kan konsekvenserna vara långtgående – från isolering och kognitiv nedgång till känslomässiga problem som ångest eller depression. Därför blir det allt viktigare att utveckla metoder för att mäta och övervaka hörseln med hjälp av vanliga enheter som smartphones och hörlurar. Forskning har visat att ljudets lokalisering, ett fenomen som gör att vi kan identifiera varifrån ett ljud kommer, är intimt kopplat till hur ljudet filtreras genom våra öron, huvud och kropp. Denna process beskrivs genom begreppet "head-related transfer function" (HRTF).

HRTF beskriver hur ljud från olika källor uppfattas av våra öron beroende på ljudets riktning och frekvens. Eftersom denna funktion är personlig – den påverkas av individens fysiska egenskaper som örats form och storlek – är det nödvändigt att anpassa ljudteknologier som binaural ljudlokalisering och hörapparater för varje individ. Om en person använder en HRTF som inte är anpassad till deras egna fysiska egenskaper kan ljudupplevelsen bli felaktig eller obehaglig.

Med tanke på att HRTF är en personlig och specifik funktion för varje individ, arbetar forskare på att utveckla metoder för att mäta och skapa anpassade HRTF:er på ett enkelt och användarvänligt sätt, till exempel genom att använda ljudinspelningar och enkla sensorer. Detta kan leda till betydande förbättringar inom flera områden, från förbättrad ljudupplevelse i hörlurar till mer precisa och säkra autentiseringstekniker baserade på akustiska mönster.