Teknik och samh¨
alle
Datavetenskap
Examensarbete
15 h¨ogskolepo¨ang, grundniv ˚a
Prototyp f¨
or lokalisering av missljud i mekaniska
system i realtid
Martin Br ˚ahagen
Michael Nilsson
Examen: Dataingenj¨or
Huvudomr ˚ade: Datavetenskap
Program: Datavetenskap och mobil IT Datum f¨or slutseminarium: 2017-08-25
Handledare: Tommy Andersson Examinator: Mia Persson
Sammanfattning
Ljud fr ˚an bilar och maskiner, som inte h¨or hemma i den normala ljudmilj¨on, kan vara sv ˚ara att lokalisera och tolka av en m¨angd anledningar. Skulle det visa sig att n ˚agot ¨ar fel och beh¨over ordnas, blir exempelvis en bilmekaniker tvungen att testa sig fram p ˚a traditionella s¨att f¨or att hitta ljudk¨allan och felet. M ˚als¨attningen med detta arbete ¨ar att utveckla en prototyp, som kan hj¨alpa till med att framh¨ava och identifiera avvikande ljud i realtid. Ut¨over f¨orfattarnas eget arbete tar rapporten ¨aven upp teori kring signalbehandling. I rapporten beskrivs ¨aven vetenskapliga arbeten som p ˚a olika s¨att relaterar till f¨orfattarnas.
En prototyp byggdes som l ˚ater en anv¨andare lyssna p ˚a signalbehandlat ljud i realtid med hj¨alp av h¨orlurar. Ljud samlas in med tv ˚a kontaktmikrofoner och signalbehandlas p ˚a ett inbyggt system. Prototypen fungerar som en verktygsl ˚ada, vilken l ˚ater anv¨andaren v¨axla mellan tre olika signalbehandlingsmetoder. Tv ˚a av metoderna baseras p ˚a ett ensamt bandpass respektive bandsp¨arrfilter, vilka anv¨andaren kan flytta l¨angs med halva samplingsfrekvensen. Den tredje metoden best ˚ar av fyra bandpassfilter i f¨oljd l¨angs med samplingsfrekvensen, vilka g ˚ar att h¨oja och s¨anka individuellt.
Prototypen testades med hj¨alp av tv ˚a kontrollerade experiment, d¨ar testare skulle lokalisera riktningen f¨or olika sorters ljud i en ljudmilj¨o p ˚a tv ˚a olika testuppst¨allningar. Hypotesen f¨or b ˚ada experimenten var att det skulle bli l¨attare att urskilja ett givet efters¨okt ljud i en ljudmilj¨o, om n ˚agon signalbehandlingsmetod anv¨andes i f¨orh ˚allande till om ingen anv¨andes. Resultaten blev att testarna lyckades b¨attre med att identifiera riktningen f¨or givna ljud b¨attre med hj¨alp av signalbehandlingsmetoderna. D¨aremot visade testerna att de olika signalbehandlingsmetoderna var olika bra. Det ensamma bandpassfiltret visade sig vara b¨ast d ˚a den anv¨andes flest g ˚anger, medan de fyra bandpassfiltren i f¨oljd anv¨ands minst antal g ˚anger.
F¨
orord
Inneh ˚allsf¨
orteckning
Sammanfattning i F¨orord ii 1 Introduktion 1 1.1 Bakgrund . . . 1 1.2 Syfte . . . 1 1.3 Problemformulering . . . 1 1.4 Avgr¨ansningar . . . 2 2 Teoretisk bakgrund 3 2.1 M¨anniskans h¨orsel . . . 3 2.2 Mikrofoner . . . 4 2.3 Signalbehandling . . . 5 2.3.1 Digital signalbehandling . . . 5 2.3.2 Samplingsteoremet . . . 7 2.3.3 Icke-ideala filter . . . 7 2.4 Analoga filter . . . 82.4.1 Anti-aliasing och brusredusering . . . 8
2.4.2 Analoga kontra digitala filter . . . 9
3 Relaterade arbeten 10 3.1 Methodology for fault detection in induction motors via sound and vibration signals [2] . . . 10
3.2 Fault diagnosis in vehicle engines using sound recognition techniques [3] . . . 10
3.3 Application of an Effective Data-Driven Approach to Real-time time Fault Diagnosis in Automotive Engines [13] . . . 11
3.4 Fault Detection and Diagnosis of Railway Point Machines by Sound Analysis [14] . . 11
3.5 Acoustic signal based detection and localisation of faults in motorcycles [15] . . . . 12
4 Metod 13 4.1 Designa och bygga en prototyp . . . 13
4.1.1 Det konceptuella ramverket . . . 13
4.1.2 Utveckla en systemarkitektur . . . 14
4.1.3 Analysera och designa systemet . . . 14
4.1.4 Bygga systemet . . . 14
4.1.5 Utv¨ardera systemet . . . 15
5 Resultat 16 5.1 Kravspecifikation . . . 16
5.2 Systemarkitektur . . . 16
5.2.1 Delsystem: Insteg . . . 18
5.2.2 Delsystem: Digital signalbehandling . . . 19
5.2.3 Delsystem: Utsteg . . . 21
5.3 Kontrollerade experiment . . . 21
5.3.1 Testb¨anken . . . 21
6 Diskussion 29
6.1 Analys av de kontrollerade experimenten . . . 29
6.1.1 Testb¨anken . . . 29
6.1.2 Sk ˚apet . . . 30
6.2 Prototypens uppfyllande av kraven . . . 30
6.3 Diskussion . . . 31
7 Slutsatser och vidareutveckling 32 7.1 Slutsats . . . 32 7.2 Vidareutveckling . . . 32 Referenser 32 A Insteg 35 B Digital signalbehandling 40 C Utsteg 41 D Testning 43
1
Introduktion
1.1
Bakgrund
F¨or m ˚anga ¨ar bilen ett transportmedel man ofta kommer i kontakt med n¨ar man vill ˚aka n ˚agonstans. Alla som ˚akt, men kanske framf¨or allt sj¨alv k¨ort en bil vet att den l ˚ater p ˚a ett visst s¨att. Ljudet (eller ljuden) betraktas som en bekr¨aftelse p ˚a att allting st ˚ar r¨att till med bilen. Skulle det d¨aremot uppst ˚a ett ljud som inte st¨ammer in i den normala ljudbilden och dessutom inte f¨orsvinner, kan det tolkas som att n ˚agot ¨ar fel med bilen. Misst¨anker en f¨orare att n ˚agot ¨ar fel med en bil k¨ors den vanligtvis till en verkstad. Mekanikerna p ˚a en verkstad kan fels¨oka en bil p ˚a flera s¨att, exempelvis med hj¨alp av inbyggda digitala system, genom visuella unders¨okningar eller att lyssna efter ljuden medan bilen ¨ar ig ˚ang [1]. Problemet ¨ar att det ¨ar sv ˚art att hitta ett fel baserat enbart p ˚a beskrivningen av ett ljud [1]. Personen som beskriver ljudet kan dessutom (sannolikt) inget om bilar och h¨orde kanske bara ljudet parallellt med k¨orningen, vilket f¨orsv ˚arar en bra beskrivning [1]. Mekanikerna m ˚aste kanske ist¨allet testa sig fram i jakten p ˚a felet, antin-gen i en verkstad eller antin-genom att provk¨ora bilen [1]. Problemet ¨ar att vilken fels¨okningsmetod som ¨an v¨aljs, ¨ar det tids¨odande process och dessutom ingen garanti f¨or att det verkliga problemet uppt¨acks [1].
Problemet med ovanliga ljud fr ˚an sv ˚artillg¨angliga milj¨oer ¨ar inte begr¨ansat till bilar. En lik-nande problematik kan uppst ˚a i maskiner inom industrin, till exempel i induktionsmotorer [2]. Fels¨okning av induktionsmotorer g¨ors idag ofta genom att analysera motorstr¨ommen eller vibra-tioner [2]. Tekniken f¨or att analysera ljud finns, men ¨ar ovanlig [2]. Nackdelen med m ˚anga av dagens fels¨okningstekniker, vare sig de anv¨ands till bilar eller inom industrin, ¨ar att de exk-luderar anv¨andaren [1]. Detta ¨ar ett problem n¨ar fels¨okningen baseras p ˚a h¨orda ljud, f¨or det ¨
ar sannolikt en anv¨andare som h¨or ljudet f¨orst och det ¨ar m¨ojligt att det inte g ˚ar att ˚aterskapa ljudet under kontrollerade f¨orh ˚allanden. Fels¨okningsmetoder som baseras p ˚a ljud har d¨aremot m¨ojligheten att inkludera anv¨andaren i processen [1].
1.2
Syfte
F¨or att l¨osa problemet med att identifiera fel med hj¨alp av ljud fr ˚an exempelvis bilar och maskiner, har bland annat [1], [3] och [2] tagit fram olika l¨osningar. L¨osningarna ¨ar dock beroende av att ljud som ska analyseras spelas in i f¨orv¨ag. Ingen av dessa l¨osningar l ˚ater en anv¨andare lyssna p ˚a ljud i realtid. Syftet med detta arbete ¨ar att unders¨oka tekniker f¨or att underl¨atta analys av ljud fr ˚an sv ˚artillg¨angliga platser i realtid.
1.3
Problemformulering
Som n¨amndes i avsnitt 1.1, ¨ar det sv ˚art att fels¨oka en bil eller maskin d ˚a det bara finns ljud att utg ˚a ifr ˚an. M ˚als¨attningen med arbetet ¨ar att skapa en prototyp som kan hj¨alpa en anv¨andare att identifiera avvikande ljud i realtid. Prototypen ska fungera som en verktygsl ˚ada, som en anv¨andare kan utnyttja f¨or att framh¨ava efters¨okta ljud. Arbetets fr ˚agest¨allning ¨ar:
1. Hur kan man med hj¨alp av ljudsensorer och signalbehandling hj¨alpa m¨anniskor att i realtid bed¨oma var ett avvikande ljud kommer ifr ˚an?
1.4
Avgr¨
ansningar
Detta arbete avgr¨ansas till att behandla f¨or m¨anniskor h¨orbara ljud inom 0 - 10 kilohertz. Lju-den ska dessutom g ˚a att skilja p ˚a i en ljudmilj¨o. Testningen av prototypen begr¨ansas till att innefatta tv ˚a olika typer av kontrollerade experiment. Den ena typen av experiment utg ˚ar fr ˚an en metallbalk p ˚a vilken olika ljudk¨allor och mikrofonerna placeras. Olika testare ska d¨arefter, med hj¨alp av prototypen, f¨ors¨oka komma fram till var ett efters¨okt ljud befinner sig p ˚a balken. Den andra typen av experiment utg ˚ar fr ˚an att olika ljudk¨allor placeras p ˚a olika st¨allen l¨angs med v¨aggarna i ett metallsk ˚ap. Testare ska d¨arefter, precis som i den f¨orsta typen av experiment, med hj¨alp av prototypen f¨ors¨oka komma fram till var ett efters¨okt ljud befinner sig. Tv ˚a efters¨okta ljud anv¨ands under experimenten. Det ena ljudet ¨ar ett sl ˚aende ljud. Det sl ˚aende ljudet skapas med hj¨alp av en motor, som har en gummisnodd och en metallring f¨ast p ˚a axeln (ljudet blir till d ˚a metallringen sl ˚ar mot en yta). Det andra ljudet ¨ar ett tjutande ljud, som skapas med hj¨alp av en funktionsgenerator och en h¨ogtalare.
2
Teoretisk bakgrund
Kapitlet teoretisk bakgrund tar upp relevanta ¨amnen som l¨asaren b¨or k¨anna till f¨or att f¨orst ˚a resultat- och diskussionsdelarna.
2.1
M¨
anniskans h¨
orsel
¨
Orat kan delas in i tre delar, ytter¨orat, mellan¨orat och inner¨orat [4] (se figur 1). Ytter¨orat best ˚ar av tv ˚a delar, ¨oronmusslan och h¨orselg ˚angen [4]. ¨Oronmusslan har i uppgift att samla in och leda ljudv ˚agor in i h¨orselg ˚angen [4]. H¨orselg ˚angen ¨ar ungef¨ar 2,5-3 centimeter l ˚ang och avslutas med trumhinnan [4]. Trumhinnan ¨ar ett tunt ark av v¨avnad som vibrerar d ˚a ljudv ˚agor tr¨affar den [4]. Mellan¨orat inneh ˚aller sm ˚a ben som hj¨alper till att skicka vidare vibrationerna till inner¨orat [4]. Mellan¨orat f¨orst¨arker dessutom ljudet [4].
Figur 1: Bild ¨over ¨orats delar [5].
I inner¨orat finns ett v¨atskefyllt h ˚alrum kallat sn¨ackan, d¨ar ljudet ¨overs¨atts till nervimpulser [4]. F¨orutom v¨atskan inneh ˚aller inner¨orat ¨aven basilarmembranet, som ¨ar en st¨odstuktur ˚at de h¨orselceller som utg¨or h¨orselnerven [4]. Membranet ¨ar styvast n¨armast det ovala f¨onstret, men mjuknar efterhand [4]. Om membranet uts¨atts f¨or h¨oga frekvenser vibrerar den styva de-len och p ˚averkar sina nervceller, medan l ˚aga frekvenser p ˚averkar den slakare dede-len l¨angre in [4]. Detta medf¨or att specifika nervsektioner svarar mot specifika frekvenser, vilket kallas Place principle [4]. Uppdelning bevaras d ˚a nervsignalerna skickas vidare in till hj¨arnan [4]. En an-nan typ av informations¨overf¨oring mellan frekvenser och nervceller kallas Volley principle [4]. Informations¨overf¨oringen bygger p ˚a att nervceller kan producera elektriska pulser f¨or att skicka information [4]. Nervcellerna p ˚a basilarmembranet kan koda ljud genom att generera en puls f¨or varje period i en vibration [4]. Detta fungerar dock bara p ˚a frekvenser som ¨ar under 500 Hertz, eftersom det ¨ar nervcellens maximala hastighet att producera pulser [4]. ¨Orat ¨overkommer dock detta problem genom att till ˚ata flera nervceller att turas om att genomf¨ora denna uppgift [4].
Ljudstyrka uttrycks vanligen i decibel, vilket ¨ar en logaritmisk skala [4]. P ˚a decibelskalan ¨ar 0 decibel ungef¨ar det svagaste ljudet vi kan uppfatta och 120 det h¨ogsta, medan 140 decibel ¨ar en ungef¨arlig gr¨ans f¨or n¨ar ¨oronen b¨orjar ta skada [4]. Den upplevda ljudstyrkan ¨ar dock inte proportionell mot den faktiska ljudstyrkan [6]. Upplevd ljudstyrka kan grovt beskrivas som den faktiska ljudstyrkan upph¨ojt med en tredjedel [4]. ¨Okar man den faktiska ljudstyrkan med en faktor tio kommer det upplevas som att ljudet blivit dubbelt s ˚a h¨ogt (tio upph¨ojt till en tredjedel ¨ar ungef¨ar lika med tv ˚a) [4]. F¨orutom ljudstyrka ¨ar h¨orseln ocks ˚a beroende av vilken frekvens ljudet har [4]. M¨anniskans kan h¨ora ljud mellan 20 Hertz och 20 kilohertz, men vi ¨ar mest k¨ansliga
f¨or ljud mellan 1 kilohertz och 4 kilohertz [4]. Alla frekvenser upplevs d¨aremot rent subjektivt inte som lika starka vid samma ljudstyrka [6]. En ton med frekvensen 100 Hertz och ljudstyrkan 50 decibel upplevs exempelvis som svagare ¨an en ton med frekvensen 1 kilohertz och samma ljudstyrka [6]. Den subjektiva ljudupplevelsen kan beskrivas med lika-h¨orselniv ˚akurvor [6] (se figur 2). Produktutveckling handlar d¨arf¨or bland annat om att f ˚a produkter att l ˚ata p ˚a det s¨att deras m ˚algrupper f¨orv¨antar sig att de ska g¨ora [6]. Vid design av filter f¨or signalbehandling till ljudbaserade applikationer kan en l¨osning vara att gruppera frekvensband av intresse i oktaver, f¨or att p ˚a s ˚a s¨att efterlikna hur vi upplever ljud [7]. En oktav ¨ar avst ˚andet mellan tv ˚a frekvenser, d¨ar den ena ¨ar dubbelt s ˚a stor som den andra. Exempelvis ¨ar det en oktav mellan 0.5 och 1 kilohertz, eller 1 och 2 kilohertz [7].
Figur 2: Diagram ¨over lika-h¨orselniv ˚akurvor [8]. Exempel: Vilken ljudstyrka kr¨avs f¨or att en 30 decibel ton vid 1 kilohertz ska upplevas som lika stark som en ton vid 50 Hertz [6]? L¨osning: F¨olj kurvan fr ˚an punkten 30 decibel/1 kilohertz bort till 50 Hertz. Resultatet blir ungef¨ar 60 decibel. En f¨ordel med att ha tv ˚a ¨oron ¨ar att det g ˚ar att komma fram till varifr ˚an ett ljud kommer ifr ˚an [4]. Vi kan f ˚a information om riktningen p ˚a tv ˚a olika s¨att [4]. Det ena s¨attet bygger p ˚a att huvudet effektivt blockerar frekvenser ¨over en kilohertz [4]. Resultatet blir att ¨orat som ¨ar riktat mot ljudet tar emot en starkare signal ¨an ¨orat p ˚a andra sidan huvudet [4]. Det andra s¨attet bygger p ˚a att ¨orat som ¨ar riktat mot ljudet tar emot signalen n ˚agot tidigare ¨an det andra ¨orat, eftersom det befinner sig l¨angre bort fr ˚an ljudk¨allan [4]. ¨Oronen ¨ar dock d ˚aliga p ˚a att avg¨ora avst ˚and p ˚a grund av att ljud inneh ˚aller f ˚a k¨annetecken som kan ge den informationen [4]. Tv ˚a s¨att ¨ar ekon och att ¨oronen svagt kan uppleva att h¨ogfrekventa ljud ¨ar n¨armare ¨an l ˚agfrekventa [4].
2.2
Mikrofoner
Mikrofoner ¨ar givare som p ˚a olika s¨att kan omvandla ljudv ˚agor i vanligtvis luft till elektrisk en-ergi [9]. Alla mikrofoner har n ˚agon form av egenbrus, vilket ska vara s ˚a l ˚agt som m¨ojligt [9]. En del av bruset ¨ar s ˚a kallat materialbrus, vilket uppst ˚ar fr ˚an atomernas r¨orelser i materialet mikrofonen ¨ar byggd av [9]. Mycket brus kommer dock fr ˚an inbyggda f¨orst¨arkare, som till ex-empel finns i kondensatormikrofoner [9]. Mikrofoner kan anslutas p ˚a tv ˚a olika s¨att, obalanserat eller balanserat [9]. Om anslutningsledningarna ¨ar l ˚anga ¨ar en balanserad anslutning den b¨asta l¨osningen, d ˚a den minskar st¨orningar kabeln kan f ˚anga upp [9].
Tre typer av mikrofoner ¨ar kristall-, dynamiska- och kondensatormikrofoner [9]. Kristallmikro-foner bygger p ˚a att piezoelektriska kristaller genererar sp¨anning vid mekanisk p ˚averkan [9]. Mikrofontypen ¨ar exempelvis anv¨andbar som kontaktmikrofon f¨or att samla in ljud fr ˚an en n¨arliggande yta [9]. Tanken med en kontaktmikrofon ¨ar att kunna placera den p ˚a en ljudk¨alla utan att p ˚averka ljudet [9]. Kondensatormikrofonen inneh ˚aller en kondensator d¨ar den ena plat-tan ¨ar ett elektriskt ledande membran [9]. Ljudv ˚agor f ˚ar membranet att vibrera, vilket medf¨or att kapacitansen f¨or¨andras i samma takt [9]. Processen genererar en elektrisk signal, vilken kan f¨orst¨arkas innan den skickas vidare fr ˚an mikrofonen [9]. En dynamisk mikrofon inneh ˚aller en spole f¨ast p ˚a ett r¨orligt membran [9]. Spolen ¨ar vidare innesluten i ett magnetf¨alt [9]. N¨ar en ljudv ˚ag s¨atter membranet och spolen i r¨orelse kommer en str¨om induceras i spolen, vilken blir mikrofonens utsignal [9].
2.3
Signalbehandling
2.3.1 Digital signalbehandlingSignalbehandling bygger p ˚a att tydligg¨ora intressant information i en uppm¨att signal [10]. Ett s¨att att tydligg¨ora information i en signal ¨ar att l ˚ata den passera genom ett filter [10]. Digi-tala filter arbetar med digiDigi-tala signaler, allts ˚a ljud som representeras p ˚a n ˚agot s¨att i en dator [11]. Det digitala filtret ¨ar en ber¨akning[11]. Det tar en serie tal som representerar en insignal och producerar en ny serie, som blir den filtrerade utsignalen [11]. Ber¨akningarna kan imple-menteras p ˚a tv ˚a s¨att, som FIR- eller IIR-filter [4]. FIR-filter har b¨attre prestanda ¨an IIR-filter, men ber¨akningarna ¨ar mer komplicerade[4]. Digitala filter ¨ar allts ˚a en formel f¨or att ¨andra en digital signal till en annan [11]. De kan exempelvis uttryckas som ett stycke kod i ett program, ett antal sammankopplade kretsar, eller som en nedskriven ekvation [11]. Det finns fyra huvudtyper av filter [10]. L ˚agpassfilter sl¨apper igenom l ˚aga frekvenser och blockerar h¨oga, medan h¨ogpassfilter fungerar p ˚a motsatt s¨att [10]. Bandpassfilter sl¨apper igenom frekvensband och bandsp¨arrfilter blockerar [10]. Figur 3 visar idealfallen f¨or de fyra filtertyperna [10].
Figur 3: Idealfallen f¨or de fyra huvudtyperna av filter
Digitala filter som anv¨ands f¨or att behandla ljud ¨ar ofta linj¨ara och tidsinvarianta (LTI-filter) [11]. Denna typ av filter bevarar alla frekvenserna i en signal och tillf¨or inga nya spektralkom-ponenter [11]. Att ett filter ¨ar linj¨art medf¨or tv ˚a saker [11]. Amplituden f¨or utsignalen st ˚ar i proportion till insignalen; de ¨ar skalbara [11]. Dessutom g¨aller att om man adderar tv ˚a signaler och skickar resultatet till ett filter, blir utsignalen samma som om delarna f¨orst skickats till filtret och sedan adderats (det kallas superposition) [11]. Utsignalen fr ˚an ett filter beskrivs av frekven-sresponsen [11]. Frekvenfrekven-sresponsen best ˚ar av amplitud- och fafrekven-sresponsen, som b ˚ada kan ty-dligg¨oras med grafer [11]. Amplitudresponsen, ¨aven kallad f¨orst¨arkningen, ¨ar skillnaden mellan utsignalens och insignalens amplituder [11]. Fasresponsen ¨ar utsignalens fas minus insignalen [11]. Med tidsinvarians menas att filtret inte beror p ˚a tiden [11]. N¨ar ett filter designas m ˚aste man ta h¨ansyn till om det ska till¨ampas i realtid eller icke-realtid [10]. I realtidsfallet beh¨ovs de filtrerade v¨ardena omedelbart, d ˚a olika beslut m ˚aste fattas parallellt med att signalen m¨ats [10]. D¨arf¨or m ˚aste ett realtidsfilter vara av kausal typ, vilket betyder att det inte kan bero p ˚a framtida v¨arden [10]. Ett kausaltdigitalt filter ¨ar stabilt om dess poler ligger innanf¨or enhetscirkeln [10].
Digitala filter kan implementeras p ˚a olika former, exempelvis direktform I eller II [11]. Di-rektform I har exempelvis f¨ordelen att filtret inte kan f ˚a interna problem med ber¨akningar, vilket d¨aremot kan intr¨affa f¨or filter i direktform II [11]. Ber¨akningarna i direktform II kr¨aver dock bety-dligt f¨arre avbrott ¨an direktform I [11]. Ett problem med alla direktformsstrukturer ¨ar att filtrena blir k¨ansliga f¨or avrundningsfel hos koefficienterna [11]. Det b¨asta ¨ar att anv¨anda decimaltal i ber¨akningarna [4]. Det ¨ar m¨ojligt att anv¨anda heltal, men risken ¨ar att filtrena blir instabila [4]. Oftast ¨ar detta inte ett problem f¨or filter av l¨agre ordning, men det kan bli m¨arkbart vid h¨ogre ordningstal [11]. Problemet blir v¨arre desto n¨armare ett filterpolynoms r¨otter ligger varandra i
det komplexa talplanet [11]. Ett s¨att att minska k¨ansligheten ¨ar att dela upp filtret i mindre sektioner som ber¨aknas var f¨or sig. Ist¨allet f¨or att utf¨ora alla ber¨akningarna i en sektion [11].
2.3.2 Samplingsteoremet
Om frekvensinneh ˚allet i en tidskontinuerlig signal ligger innanf¨or halva sampelfrekvensen, kom-mer den samplade tidsdiskreta signalen att representera samma frekvensinneh ˚all som den tid-skontinuerliga [10]. Resultatet blir att ingen information g ˚ar f¨orlorad [10]. Detta kallas sam-plingsteoremet [10]. Skulle signalen inneh ˚alla frekvenser h¨ogre ¨an halva sampelfrekvensen, ¨aven kallad Nyquistfrekvensen, kommer det inte vara m¨ojligt att skilja dessa fr ˚an frekvenserna under halva sampelfrekvensen [10]. Detta d ˚a frekvenserna ¨over halva sampelfrekvensen ”viks tillbaka” och hamnar tillsammans med frekvenserna under halva sampelfrekvensen. Fenomenet kallas aliaseffekten och leder till att information g ˚ar f¨orlorad [10]. Detta ¨ar ett problem f¨or applika-tioner d¨ar ljud ska signalbehandlas, d ˚a informationen ligger i frekvensdom¨anen [4]. L¨osning p ˚a problemet ¨ar anti-aliasing filter, vilka placeras i samband med att signalen digitaliseras [4].
2.3.3 Icke-ideala filter
Figur 3 visar hur olika filtertyper ser ut i idealfallet [10]. I idealfallet ¨ar ¨overg ˚angarna fr ˚an frekvenser som blockeras (sp¨arrbanden) till frekvenser som sl¨apps igenom (passbanden) distinkt [10]. Punkten mellan d¨ar passbandet slutar och sp¨arrbandet tar vid kallas brytfrekvens [10]. Idealfallens knivskarpa ¨overg ˚angar kan dock inte skapas f¨or kausala filter, vilket medf¨or att dessa filter avviker fr ˚an idealfallen [10]. Filter som inte ¨ar ideala kan beskrivas med begreppen d¨ampning, ¨overg ˚angsband och rippel [10]. Figur 4 ¨ar ett exempel p ˚a ett icke-idealt filter [10]. Brytfrekvensen ligger vid 1/√2 av amplituden[10] f¨or icke-idealt filter. Passbandet str¨acker sig fr ˚an y-axeln till w1, medan sp¨arrbandet g ˚ar fr ˚an w2 till bildens h¨ogerkant [10]. D¨ampningen ¨
ar ett m ˚att p ˚a den h¨ogsta amplituden i sp¨arrbandet (Rs p ˚a bilden) [10]. ¨Overg ˚angsbandet ¨ar avst ˚andet mellan w1 och w2 [10]. Rippel ¨ar den h¨ogsta amplitudavvikelsen i passbandet (Rp p ˚a bilden) [10]. Ett bra filter har en h¨og d¨ampning, smalt ¨overg ˚angsband och l ˚ag rippel [10]. Detta ¨
ar dock motstridiga krav, som utmynnar i att ju b¨attre ett filter ¨ar desto h¨ogre ordning har det [10].
Figur 4: Ett icke-idealt filter [10].
Det finns ett flertal huvudtyper av icke-ideala filter, n ˚agra av dem ¨ar typ 1 och 2 Chelby-shev filter och Butterworthfilter [4]. ChelbyChelby-shev filter ¨ar en matematisk metod som ger smalare ¨
overg ˚angsband, men orsakar ripplar i pass- eller stoppbanden [4]. N¨ar ripplarna ¨okar i styrka, minskar ¨overg ˚angsbandet [4]. Den mest gynnsamma avv¨agning mellan dessa tv ˚a parametrar ¨ar ett Chelbyshev filter [4]. Typ 1 Chelbyshev filter har bara ripplar i passbandet, medan typ 2 Chelbyshev filter bara har dem i stoppbandet [4]. Ett filter utan ripplar kallas Butterworthfilter, vilket resulterar i st¨orre ¨overg ˚angsband ¨an f¨or Chelbyshev filter [4]. En nackdel med Chelbyshev filter ¨ar att fasresponsen blir mer olinj¨ar [4].
2.4
Analoga filter
Analoga filter har en m¨angd olika anv¨andningsomr ˚aden och kan exempelvis anv¨andas f¨or att behandla h¨orbara ljud p ˚a olika s¨att [12]. Precis som f¨or digitala filter finns det fyra olika typer (l ˚agpass, h¨ogpass och s ˚a vidare), som kan optimeras p ˚a olika s¨att (exempelvis Butterworth och Chelbyshev) [12]. Vid h¨ogre frekvenser (¨over en megahertz) ¨ar filtrena ofta byggda med de passiva komponenterna kondensator, spole och resistor [12]. Under en megahertz blir dock spolens induktans f¨or h¨ogt [12]. Dessutom blir spolen i sig stor, vilket g¨or den sv ˚artillverkad [12]. I detta l¨age blir aktiva filter intressanta [12]. Aktiva filter anv¨ander operationsf¨orst¨arkare tillsammans med kondensatorer och resistorer [12]. Flera aktiva filter kan placeras efter varandra f¨or att ¨
oka exempelvis d¨ampningen [12]. Aktiva filter av f¨orsta och andra ordningen ¨ar b ˚ade separata sektioner, medan filter av h¨ogre ordning ¨ar n ˚agon kombination av f¨orsta och andra ordningens filter [12].
2.4.1 Anti-aliasing och brusredusering
Aktiva l ˚agpassfilter kan anv¨andas f¨or att motverka aliasingeffekter och minska brus [4]. Ett f¨orsta ordningens aktiva l ˚agpassfilter kan se ut p ˚a f¨oljande s¨att (se figur 5) [12].
Figur 5: F¨orsta ordningens l ˚agpassfilter [12].
Ett andra ordningens aktivt l ˚agpassfilter kan vidare beskrivas p ˚a f¨oljande s¨att (se figur 6) [12].
Figur 6: Andra ordningens l ˚agpassfilter [12].
Filter av h¨ogre ordning ¨an tv ˚a skapas genom att kombinera ett eller fler f¨orsta- och andra ordningens filter [12]. Ett tredje ordningens filter ¨ar exempelvis en kombination av ett f¨orsta ordningens och ett andra ordningens filter [12].
2.4.2 Analoga kontra digitala filter
Valet mellan analogt och digitalt beror p ˚a vad som ska g¨oras [4]. Digitala l¨osningar har ¨overl¨agsen prestanda n¨ar det handlar om att skapa filter med bra egenskaper [4]. D¨aremot ¨ar analoga filter b ˚ade snabbare och kan enkelt byggas f¨or att hantera stora frekvensband [4]. Hanteringen av stora frekvensband digitalt resulterar i stora m¨angder ber¨akningar, vilket i sin tur p ˚averkar hur fort saker g ˚ar [4]. Ibland ¨ar analoga filter det enda alternativet, exempelvis om signalbehandling ska utf¨oras f¨or och eller efter ett digitalt system. Analoga filter har dock den uppenbara nackde-len att de tar plats p ˚a ett annat s¨att ¨an digitala, d ˚a de m ˚aste byggas med fysiska komponenter.
3
Relaterade arbeten
Detta kapitel beskriver vetenskapliga artiklar som p ˚a olika s¨att relaterar till arbetet.
3.1
Methodology for fault detection in induction motors via sound and
vibration signals [2]
Artikeln av Antonio et al beskriver och visar resultaten av en nyutvecklad metod, f¨or att detek-tera felaktigheter hos induktionsmotorer i r¨orelse med hj¨alp av ljud- och vibrationsanalys [2]. Metoden tar avstamp i att ljud ¨ar ett fysikaliskt fenomen, som inneh ˚aller information om k¨allan det kommer ifr ˚an. Ljudet kan d¨arf¨or anv¨andas som en parameter f¨or att best¨amma hur k¨allan beter sig. En induktionsmotor inneh ˚aller flera delar som kan g ˚a s¨onder. N¨ar en defekt motor ¨ar i r¨orelse uppst ˚ar det f¨or varje fel karakt¨aristiska ljud. Artikelns f¨orfattare unders¨okte ljuden fr ˚an tre typer av fel, mekanisk obalans, problem med kullagret och problem med rotorstaven.
Syftet med att utveckla metoden var att ta fram ett b¨attre s¨att att analysera signaler ¨an de som redan finns. F¨orfattarnas metod bygger p ˚a en kombination av att f¨orst anv¨anda CEEMD-metoden och d¨arefter Gaborrepresentation. CEEMD ¨ar en matematisk metod f¨or att dela upp en signal i bitar baserat p ˚a vilka delfrekvenser den inneh ˚aller. De mest h¨ogfrekventa hamnar f¨orst i en grupp, de mest l ˚agfrekventa sist och de resterande i grupper mellan dessa. Gaborrepresentation ¨
ar ett matematiskt tillv¨agag ˚angss¨att f¨or att tids- och frekvensanalys av signaler.
Forskarna testade sin metod i laboratoriemilj¨o och med hj¨alp av defekter p ˚a motorkompo-nenter som skapats p ˚a konstgjord v¨ag. Testningen delades upp i fyra olika fall, ett f¨or varje fel som skulle testas och ett referensfall med en fullt fungerande motor. I det f¨orsta steget av testningen spelades olika akustiska ljud och vibrationer in och sparades (detta ¨ar allts ˚a inte en realtidsl¨osning). Inspelningarna gjordes medan motorerna r¨orde sig med konstant hastighet. D¨arefter anv¨ands CEEMD och Gaborrepresentation f¨or att behandla de inspelade signalerna.
Resultaten av f¨ors¨oken blev att det g ˚ar att uppt¨acka fel i induktionsmotor med hj¨alp av b ˚ade akustiskt ljud och vibrationer. Alla tre typerna av defekter framtr¨ader tydligt n¨ar ljud fr ˚an re-spektive induktionsmotor j¨amf¨ors mot referensv¨ardena. Resultaten visade ¨aven att metoden gav b¨attre resultat ¨an andra liknande tillv¨agag ˚angss¨att. En begr¨ansning med metoden ¨ar att det, f¨or att kunna avg¨ora vad som ¨ar ett felaktigt ljud, kr¨avs k¨annedom om antingen motorns hastighet eller vad ett felaktigt ljud ¨ar. Detta kan inneb¨ara problem, f¨or i verkliga till¨ampningar ¨ar motorns hastighet inte alltid k¨and och m ˚aste ist¨allet uppskattas.
3.2
Fault diagnosis in vehicle engines using sound recognition techniques
[3]
Denna artikel f¨orklarar en metod, utvecklad av Madain et al, f¨or att fels¨oka bilmotorer med hj¨alp av ljud [3]. Dagens tillv¨agag ˚angss¨att f¨or fels¨okning bygger, enligt f¨orfattarna, p ˚a metoder som anv¨ants under l ˚ang tid och ¨ar beroende av en teknikers kunskaper. Ljud fr ˚an en motor skiljer sig dock mellan olika bilm¨arken. Detta ¨ar problematiskt ¨aven f¨or en erfaren tekniker, d ˚a det kan vara sv ˚art att avg¨ora vad som egentligen ¨ar ett fel. F¨orfattarna f¨oresl ˚ar d¨arf¨or en ny metod, d¨ar en dator ist¨allet analyserar motorljuden och j¨amf¨or dem mot en databas.
F¨orfattarnas syfte med arbetet var att utveckla en metod som ¨ar enklare ¨an de som redan finns. Metoden bygger p ˚a att inspelade motorljud j¨amf¨ors mot en ljuddatabas. Databasen in-neh ˚aller referensv¨arden f¨or hur en viss motortyp f¨orv¨antas l ˚ata vid olika fel, samt hur den ska l ˚ata. J¨amf¨orelsen av det inspelade ljudet och referensv¨arden g¨ors i tre delsteg av en algoritm. Al-goritmen unders¨oker likhet mellan hela den inspelade signalen och referensv¨ardena, genom att ber¨akna dels korrelationskoefficienter och dels kvadratiska medelv¨arden. Dessutom ber¨aknas kvadratiska medelv¨arden f¨or den inspelade signalens och referensv¨ardenas formantfrekvenser
(en formantfrekvens ¨ar en amplitudtopp i frekvensspektrumet). Algoritmen anser att ett motorfel ¨
ar hittat om minst tv ˚a av delstegen s¨ager det.
F¨or att testa metoden byggde forskarna upp en referensdatabas med felaktiga motorljud. Lju-den skapades genom att avsiktligt introducera fel i olika bilars motorer. Dessutom spelades ljud f¨or hur olika friska motormodeller f¨orv¨antas l ˚ata. Inspelningar gjordes n¨ar bilarna gick p ˚a tomg ˚ang, samt n¨ar de k¨orde i en konstant hastighet. Referensv¨ardena j¨amf¨ordes med mo-torljud fr ˚an olika bilar som samlats in av verkst¨ader och myndigheter. F¨or att avgr¨ansa stu-dien begr¨ansades felen som unders¨oktes till kullager- och avgasrelaterade problem. Dessutom utf¨ordes testerna bara med nya bilar, f¨or att undvika alla problem som kan uppst ˚a i ¨aldre mo-torer.
Resultaten visade att det g ˚ar att komma fram till om n ˚agot ¨ar fel eller inte, samt vad ett eventuellt fel beror p ˚a, f¨or olika modeller. Dessutom visade resultaten att de tre delstegen i algoritmen kom fram till samma typ av fel. F¨orfattarna konstaterar dock att det ¨ar under kon-trollerade f¨orh ˚allanden metoden ger bra resultat. F¨or att metoden ska vara m¨ojlig att till¨ampa i verkligheten, m ˚aste algoritmen utvecklas och fler typer av fel och motorer testas och utv¨arderas.
3.3
Application of an Effective Data-Driven Approach to Real-time time
Fault Diagnosis in Automotive Engines [13]
2007 publicerade Madhavi et al en artikel om att uppt¨acka fel i bilmotorer under realtidssimu-leringar [13]. Artikelns utg ˚angspunkt ¨ar att biltillverkare b¨orjat utrusta moderna bilar med web-baserade l¨osningar. Moderna bilar f ˚ar dessutom allt fler inbyggda styrenheter, som kontrollerar olika delar av bilen. Detta g¨or det m¨ojligt att tr ˚adl¨ost samla in och analysera stora m¨angder data fr ˚an bilens olika delar. I ljuset av detta har f¨orfattarna, med hj¨alp av simuleringar, unders¨okt ett datadrivet tillv¨agag ˚angss¨att f¨or att uppt¨acka fel i bilmotorer. Tillv¨agag ˚angss¨att ¨ar intressant f¨or moderna bilar p ˚a grund av bilarnas komplexitet, d ˚a datadrivna l¨osningar ¨ar flexibla och inte kr¨aver detaljerade systemmodeller.
Simuleringen baserades p ˚a en Simulink modell av en toyota motor, vilken applicerades p ˚a en h ˚ardvaruenhet f¨or motorsimuleringar. Modellen k¨ordes d¨arefter i en realtidssimulator f¨or att unders¨oka ˚atta olika fel. Modellen inneh¨oll tv ˚a olika moduler kallade line och On-line. Off-line anv¨andes f¨orst f¨or att generera, signalbehandla och spara data om specifika fel. D¨arefter anv¨andes On-line f¨or att simulera systemet i realtid. Under realtidssimuleringen samlades f¨orst signaler fr ˚an olika sensorer in, unders¨oktes f¨or fel med hj¨alp av en sannolikhetsbaserad metod och signalbehandlades. Fem olika tekniker f¨or m¨onsterigenk¨anning till¨ampades d¨arefter p ˚a resultaten f¨or att dela in felen i olika f¨ordefinierade klasser. De olika igenk¨anning teknikers f¨orm ˚aga att klassificera fel j¨amf¨ordes sedan med resultaten fr ˚an off-line modulen (off-line mod-ulen anv¨ande samma tekniker som on-line f¨or att skapa referensv¨arden).
Simuleringen gav blandade resultat. Igenk¨anningsteknikerna lyckades v¨al med att klassifi-cera fel, men f¨orfattarna ans ˚ag att en del av resultaten var tveksamma. Tv ˚a tekniker som ans ˚ags mindre avancerade gav b¨attre resultat ¨an en mer avancerad. Vidare anser f¨orfattarna att deras tillv¨agag ˚angss¨att m ˚aste valideras genom tester under realistiska f¨orh ˚allanden och f¨or ett st¨orre antal fel.
3.4
Fault Detection and Diagnosis of Railway Point Machines by Sound
Analysis [14]
2016 publicerade Jonguk et al en artikel om att uppt¨acka fel p ˚a j¨arnv¨agsv¨axlar med hj¨alp av ljud [14]. J¨arnv¨agsv¨axlar l ˚ater t ˚ag byta mellan olika sp ˚ar och ¨ar d¨arf¨or viktiga f¨or att t ˚agbanor ska fungera. Det ¨ar d¨arf¨or viktigt att system som ¨overvakar t ˚agbanor kan uppt¨acka fel tidigt. M ˚anga av dagens system f¨or att uppt¨acka fel baseras p ˚a elektriska system, som reagerar om ett tr¨oskelv¨arde ¨overstigs. Mycket tidigare forskning har ocks ˚a varit inriktad p ˚a att utveckla
just olika elektriska ¨overvakningssystem. Dessa system s¨akerst¨aller dock inte att fel uppt¨acks p ˚a ett tidigt stadium. F¨orfattarna till denna artikel har d¨aremot f¨oreslagit en helt ny metod. De har utvecklat ett realtidssystem f¨or att uppt¨acka fel med hj¨alp av ljud, signalbehandling och statistiska metoder. Systemet best ˚ar av fyra moduler, en f¨or signalbehandling, en som uppt¨acker fel, en som inneh ˚aller data om k¨anda fel och en f¨or tr¨aning av systemet.
Sammanfattningsvis anser forskarna att deras experiment visat att deras ljudbaserade l¨osning kan vara ett kostnadseffektivt och automatiskt s¨att att uppt¨acka j¨arnv¨agsrelaterade fel med. Dessutom anses systemet kunna anv¨andas b ˚ade ensamt, eller tillsammans med andra. F¨or att komma vidare vill f¨orfattarna d¨arf¨or testa sitt system under kommersiella f¨orh ˚allanden.
3.5
Acoustic signal based detection and localisation of faults in
motorcy-cles [15]
Denna artikel av Anamill et al presenterar en metod f¨or att fels¨oka motorcyklar baserat p ˚a ljud [15]. Artikeln baseras p ˚a att en stor del av den indiska fordonsmarknaden best ˚ar av motor-cyklar. Skulle ett fel uppst ˚a p ˚a en motorcykel tar ¨agaren den till en verkstad, d¨ar en mekaniker unders¨oker den f¨or hand. Detta ¨ar dock en komplicerad process som hade beh¨ovt automatiseras, bland annat f¨or att f¨oretag ska kunna hj¨alpa kunder p ˚a platser d¨ar det inte finns mekaniker med r¨att expertis. Sedan tidigare har det utf¨orts en del forskning kring signalbehandling av ljud fr ˚an fordon, maskiner och v¨axell ˚ador. Resultaten fr ˚an denna forskning har varit blandat. D¨aremot har det presenterats f ˚a arbeten som unders¨okt ljud fr ˚an motorcyklar, vilket g¨or det sv ˚art att j¨amf¨ora olika tekniker och metoder. F¨orfattarna presenterar d¨arf¨or en egen metod som b ˚ade kan uppt¨acka och avg¨ora varifr ˚an fel kommer i motorcyklar.
I studien unders¨oktes tre typer av felaktiga ljud, tv ˚a motorrelaterade och problem med ljudd¨ampningen. Ljuden, som avgr¨ansats till frekvenser m¨anniskor kan h¨ora, spelades f¨orst in i verkst¨ader under realistiska f¨orh ˚allanden. Studien avgr¨ansades ¨aven till att bara f¨ors¨oka hitta k¨allan f¨or fel hos en motorcykelmodell, medan flera modeller unders¨oktes f¨or om n ˚agot var fel. Efter att ljuden spelats in fick systemet unders¨oka dem. I systemets f¨orsta steg utv¨arderades ljuden f¨or om de representerade ett fel eller inte. Korrekta och felaktiga ljud separerades genom analys av deras spektrum. Exempel p ˚a skillnader mellan korrekta och felaktiga ljud var bland annat att spektraltopparna f¨or korrekta ljud avtog monotont, samt att spektrumet inte inneh¨oll avvikande variationer. I systemets andra steg anv¨ands ljud som det f¨orsta steget ans ˚ag felaktiga i en klassificeringsalgoritm, vilken best¨ammer vilken typ av fel ett ljud representerar. Algoritmen j¨amf¨or de inspelade ljuden mot en serie f¨ordefinierade referensljud och v¨aljer det fel som ligger n¨armast.
Resultaten visade att systemet hade bra f¨orm ˚aga att uppt¨acka om ett ljud var felaktigt med bara ett mindre antal referensv¨arden att utg ˚a fr ˚an. B¨attre beslut togs dock desto fler refer-enser som fanns att tillg ˚a. Systemet lyckades ¨aven framg ˚angsrikt klassificera olika typer av fel. F¨orfattarna visade ocks ˚a att systemet lyckades b¨attre vid l¨agre signal-to-noise ratios, men ans ˚ag att ett riktigt system m ˚aste kunna fungera i h¨ogljudda milj¨oer.
4
Metod
I detta kapitel beskrivs forskningsmetoden och tillv¨agag ˚angss¨atten som anv¨andes f¨or att utveckla prototypen.
4.1
Designa och bygga en prototyp
Som forskningsmetod f¨or arbetet med att utveckla prototypen valdes Nunamaker och Chens metod f¨or systemutveckling [16] (se figur 7). Metoden valdes f¨or att utvecklingen av en prototyp ¨
ar en iterativ process [16]. Under utvecklingsarbetet med en prototyp ¨ar det m¨ojligt att l¨ara sig nya saker, vilket m¨ojligg¨or gradvisa f¨orb¨attringar av den [16]. Metoden delar upp projektet i fem p ˚a varandra f¨oljande delar [16]. Arbetet med de olika delarna beskrivs vidare i separata delkapitel [16]. Resultaten ˚aterfinns i kapitel fem.
Figur 7: Forskningsmetodens olika steg och hur de h¨anger ihop [16].
4.1.1 Det konceptuella ramverket
Arbetet med detta projekt inleddes med att en fr ˚agest¨allning och avgr¨ansningar identifierades genom diskussioner inom gruppen och med handledaren. Det best¨amdes att arbetet skulle re-sultera i en prototyp f¨or att samla in, signalbehandla och spela upp ljud i realtid. Prototypen ska inneh ˚alla en digital verktygsl ˚ada, som p ˚a olika s¨att ska g¨ora det enklare f¨or en anv¨andare att hitta ett efters¨okt ljud. Varje verktyg ska vara ett tillv¨agag ˚angss¨att f¨or att digitalt signalbe-handla ljud. Det best¨amdes ocks ˚a att de insamlade ljuden skulle signalbehandlas digitalt p ˚a det inbyggda systemet, med hj¨alp av bandpass- och bandsp¨arrfilter. Digital signalbehandling valdes av praktiska sk¨al f¨or att undvika den stora m¨angden elektronikkomponenter analog sig-nalbehandling skulle medf¨ort. Valet att anv¨anda bandpass- och bandsp¨arrfilter berodde p ˚a att
de, i motsats till l ˚ag- och h¨ogpassfilter, kan t¨acka flera separata frekvensband inom ett givet frekvensomr ˚ade. F¨or att motverka aliasingeffekter och brus best¨amdes det att analoga filter skulle anv¨andas f¨ore och efter den digitala signalbehandlingen. Matlab valdes som verktyg f¨or design av b ˚ade de analoga och digitala filtrena. N¨armare best¨amt valdes Matlabs Analog Filter Designer f¨or design av analoga filter och Filter Designer f¨or digitala filter. Analog Filter Designer och Filter Designer ¨ar b ˚ada l¨attanv¨anda och tydliga hj¨alpmedel med m ˚anga olika funktioner och m¨ojligheter [17][18]. Det togs ocks ˚a beslut om att kontaktmikrofoner skulle anv¨andas f¨or att samla in ljud. Kontaktmikrofoner valdes f¨or att de ¨ar bra p ˚a att samla upp n¨arliggande ljud utan att st¨oras av omgivningen (mikrofonen m ˚aste dock ha kontakt med ljudk¨allan)[9].
Baserat p ˚a id´eerna om hur systemet skulle se ut, genomf¨ordes d¨arefter en litteraturstudie och informationss¨okning f¨or att unders¨oka liknande system utvecklade av andra, samt signalbehan-dlingstekniker och elektronik som skulle kunna vara relevant f¨or detta arbete. Vilka databaser, s¨okmotorer och s¨okord som anv¨andes, sammanst¨alldes i ett separat dokument. L¨anken finns i kapitel fem. Den insamlade information resulterade i kapitel tv ˚a, Teoretisk bakgrund, och kapitel tre, Relaterade arbeten.
4.1.2 Utveckla en systemarkitektur
I detta steg av utvecklingsprocessen best¨amdes vilka delar systemet skulle inneh ˚alla och hur de skulle f¨orh ˚alla sig till varandra, genom diskussioner inom gruppen. Det best¨amdes ocks ˚a vilka krav som skulle st¨allas p ˚a systemet. Kraven best¨amdes ocks ˚a inom gruppen, samt i diskus-sioner med handledaren. F¨orst best¨amdes en ¨overgripande bild ¨over vilka delar systemet skulle inneh ˚alla och vilka krav som skulle st¨allas p ˚a systemet som helhet. Systemet delades vidare upp i mindre delar och nya krav best¨amdes f¨or varje delsystem. Dessutom diskuterades hur den f¨ardiga prototypen skulle testas. Det best¨amdes att testningen skulle genomf¨oras med kon-trollerade experiment. Konkon-trollerade experiment ¨ar s¨att att testa exempelvis prototyper i en kontrollerad milj¨o, baserat p ˚a till exempel hur anv¨andbar prototypen ¨ar [19]. Testning med kon-trollerade experiment kan utf¨oras p ˚a olika s¨att, och ¨ar ett alternativ n¨ar det ¨ar sv ˚art att utf¨ora experiment i verkligheten [20].
4.1.3 Analysera och designa systemet
I det tredje steget av processen best¨amdes hur en f¨ardig prototyp och dess olika delar skulle se ut. Arbetet resulterade i olika diagram som beskriver systemet enligt ”4 + 1 View Model of Software Arcitecture” [21]. Problemet med att f¨ors¨oka beskriva ett system med bara ett diagram ¨
ar att det ¨ar sv ˚art att uttrycka alla delarna p ˚a ett bra s¨att [21]. Det ¨ar l¨att att hamna i en sit-uation d¨ar exempelvis olika boxar f ˚ar representera flera saker samtidigt, vilket g¨or diagrammet sv ˚artolkat [21]. 4 + 1 modellen ¨ar en l¨osning p ˚a detta, d¨ar systemarkitekturen delas upp i olika samverkande vyer [21]. De olika vyerna som valdes var en logisk vy, en fysisk vy och scenario [21]. Utvecklingsvyn valdes bort f¨or att den anv¨ands f¨or att beskriva projekt med m ˚anga utveck-lare och delar [21]. ¨Aven processvyn valdes bort, d ˚a den anv¨ands f¨or att visa schemal¨aggningar av processer[21]. I det tredje steget simulerades ¨aven de analoga filter som skulle anv¨andas, f¨or att unders¨oka hur bra de fungerade.
4.1.4 Bygga systemet
Under detta steg byggdes prototypen baserat p ˚a den tidigare framtagna designen. F¨orst byggdes de kretsar som beh¨ovdes f¨or att skicka ljudsignaler till och fr ˚an ett inbyggt system. D¨arefter skapades de filter som skulle utf¨ora signalbehandlingen. Dessutom skrevs mjukvaran det in-byggda systemet beh¨ovde f¨or att utf¨ora signalbehandling, samt ta emot och skicka ut signaler. Utvecklingen gjordes p ˚a ett testdrivet tillv¨agag ˚angss¨att, d¨ar nya delar kontinuerligt testades mot helheten f¨or att s¨akerst¨alla att de fungerade som t¨ankt.
4.1.5 Utv¨ardera systemet
Avslutningsvis testades prototypen. B ˚ade de analoga och digitala filtrena funktion testades med hj¨alp av funktionsgenerator och oscilloskop. Prototypens anv¨andbarhet testades d¨arefter med hj¨alp av tv ˚a olika kontrollerade experiment. Experimenten utf¨ordes p ˚a Malm¨o h¨ogskola, till-sammans med studenter och l¨arare. Det f¨orsta experimentet best ˚ar av att testare med hj¨alp av prototypen ska identifiera positionen f¨or ett efters¨okt ljud p ˚a en metallbalk. I det andra exper-imentet ska testare ocks ˚a identifiera positionen f¨or ett efters¨okt ljud, med skillnaden att ljudet nu kommer inifr ˚an ett sk ˚ap. Hypotesen f¨or b ˚ada experimenten ¨ar att det kommer vara l¨attare att urskilja positionen p ˚a det givna ljudet n¨ar n ˚agon signalbehandlingsmetod anv¨ands, i f¨orh ˚allande till om en signalbehandlingsmetod inte anv¨ands.
Testgruppen f¨or det f¨orsta experimentet best ˚ar av studenter och l¨arare. Alla har sedan tidigare n ˚agon form av kunskaper kring signalbehandling, inbyggda system och programmering. Person-erna har i alla fall utom ett dessutom kopplingar till utvecklarna p ˚a olika s¨att. De ¨ar antingen v¨anner, klasskamrater eller l¨arare. Vidare finns det av uppenbara sk¨al finns tv ˚a ˚aldersgrupper inom testgruppen. F¨ordelen med denna gruppsammans¨attning ¨ar att testarna f¨orhoppningsvis ¨
ar beredda att l¨agga ner den tid som kr¨avs f¨or att resultaten ska bli bra. D ˚a utvecklarna ¨ar medvetna om att testningen tar tid anses detta viktigt. Nackdelen med sammans¨attningen ¨ar exempelvis ˚aldersskillnaden och att personer som l¨ast signalbehandling ˚atminstone har en upp-fattning om vad de kan f¨orv¨anta sig. P ˚a en h¨ogskola ¨ar det m¨ojligt att f ˚a tag p ˚a bara studenter, studenter, som dessutom inte kan n ˚agot om signalbehandling om det ¨onskas. Nackdelen med den typen av testare ¨ar att de kanske inte ¨ar motiverade att l¨agga allt f¨or mycket tid p ˚a n ˚agot de inte k¨anner att de f ˚ar ut n ˚agot av. F¨or att minska antalet m¨ojliga felk¨allor kring testningen vidtas ett antal ˚atg¨arder. All testutrustning ¨ar uppst¨alld p ˚a tv ˚a separata bord, vilket begr¨ansar m¨angden externa r¨orelser metallbalken kan p ˚averkas av. Borden ¨ar vidare separerade med en sk¨arm, med testarna och prototypen p ˚a ena sidan och utvecklarna och metallbalken p ˚a den andra. Innan en testperson s¨atter ig ˚ang beskriver utvecklarna hur testarna ska g ˚a tillv¨aga. Tes-tarna har ocks ˚a m¨ojligheten se och ”k¨anna p ˚a” prototypen. B ˚ade f¨ore och under testningen har testarna m¨ojligheten att st¨alla fr ˚agor om det beh¨ovs. F¨or att testarna inte ska st¨oras av ljuden som uppst ˚ar har personerna p ˚a sig h¨orselskydd.
Testgruppen f¨or det andra experimentet bestod bara av k¨anda studenter med tidigare kun-skap om signalbehandling. Valet att bara anv¨anda studenter beror p ˚a att testningen ¨aven den h¨ar g ˚angen tar tid samt kr¨aver en del administration, d ˚a sk ˚apet som anv¨ands st ˚ar inl ˚ast i h¨ogskolans k¨allare. Felk¨allor elimineras genom att testarna inte kan se vad som st ˚ar i sk ˚apet n¨ar det ¨ar st¨angt, samt att de anv¨ander h¨orselskydd.
5
Resultat
Detta kapitel presenterar resultaten av arbetet som kr¨avdes f¨or att svara p ˚a forskningsfr ˚agan. F¨orst beskrivs de krav som best¨amdes n¨ar systemarkitekturen utvecklades. D¨arefter beskrivs sj¨alva prototypen och dess olika delar. Avslutningsvis beskrivs de kontrollerade experiment som utf¨ordes, samt resultaten av dem.
En del resultat ¨ar dock inte l¨ampade att ha i rapporten och ˚aterfinns d¨arf¨or ist¨allet p ˚a f¨oljande githubsida: https://github.com/yggdrasil73/eximinationsarbete2017. I dessa fall g¨ors en h¨anvisning till denna sida i de stycken som behandlar dessa resultat. P ˚a githubsidan finns ¨
aven en sammanst¨allning av de k¨allor som anv¨ants under litteraturstudien och arbetet, samt en komponentlista.
5.1
Kravspecifikation
Nedan listas de krav som best¨amdes n¨ar systemarkitekturen utvecklades. 1. Ljud ska samlas in med kontaktmikrofoner.
2. Innan signalerna fr ˚an b ˚ada kontaktmikrofonerna genomg ˚ar A/D-omvandling ska de passera varsitt anti-aliasing filter (i praktiken ett l ˚agpassfilter). De analoga filtren ska vara av andra ordningen, f¨or att begr¨ansa m¨angden analog elektronik. Signalerna ska dessutom g ˚a att anpassa efter A/D-omvandlarens sp¨anningsomr ˚ade.
3. Prototypen ska fungera som en verktygsl ˚ada. Den ska inneh ˚alla olika s¨att att digitalt sig-nalbehandla ljud fr ˚an kontaktmikrofonerna, f¨or att p ˚a s ˚a s¨att hj¨alpa en anv¨andare att identifiera ett ljud i en ljudmilj¨o. Verktygsl ˚adan ska best ˚a av tre signalbehandlingsmetoder. Den f¨orsta metoden ska utg¨oras av fyra bandpassfilter i f¨oljd. Varje filter ska g ˚a att h¨oja och s¨anka individuellt (t¨ankt equalizer). Den andra metoden ska best ˚a av ett bandpassfilter, som g ˚ar att flytta l¨angs med frekvensplanet baserat p ˚a vilken sampelfrekvens anv¨andaren v¨aljer. Den sista metoden ska utg¨oras av ett bandsp¨arrfilter, som ska g ˚a att flytta p ˚a samma s¨att som bandpassfiltret i den andra metoden.
4. De digitala filtren ska vara av typen Butterworthfilter. D ˚a m¨angden datorkraft ¨ar begr¨ansad st¨alls dock inga krav p ˚a hur bra n ˚agot filter ska vara (ordningstal, noggrannhet p ˚a koeffi-cienterna etcetera).
5. En anv¨andare ska godtyckligt kunna ¨andra mellan b ˚ade de olika signalbehandlingsme-toderna och filtrena varje metod inneh ˚aller, f¨or att kunna hitta det eller de filter som passar honom eller henne b¨ast.
6. Innan en anv¨andare kan lyssna p ˚a det digitalt signalbehandlade ljudet ska det passera genom ett l ˚agpassfilter som minskar brusniv ˚an.
7. En anv¨andare ska kunna lyssna p ˚a det signalbehandlade ljudet i realtid med hj¨alp av h¨orlurar.
5.2
Systemarkitektur
Prototypen ¨ar uppdelad i tv ˚a delsystem, ett f¨or varje ¨ora (se figur 8). Varje delsystem best ˚ar vidare av tre mindre delar, n¨amligen ett insteg, ett inbyggt system med digital signalbehandling och ett utsteg. Ett insteg best ˚ar av en mikrofon och ett anti-aliasing filter. Dessutom inneh ˚aller det elektronik f¨or att dels h¨oja upp signalen fr ˚an mikrofonen med liksp¨anning (offset-sp¨anning), och dels f¨or att kunna reglera styrkan p ˚a signalen med hj¨alp av en potentiometer. Efter insteget kommer signalen till ett inbyggt system.
Figur 8: Figur en visar den logiska vyn ¨over systemet. Insteget inneh ˚aller elektr oniken f¨or att samla in ljudet fr ˚an mikr ofoner na. H ¨ar finns en skyddskr ets som ska skydda ar duinoko-rtet och ett andra or dningens l˚agpassfilter som tar bort de h ¨oga fr ekvenser na. Digital signalbehandling inneh ˚aller sj ¨alva koden och elektr oniken f¨or att filtr era signalen som togs in av insteget. Det sker en A/D omvandling d ¨ar efter filtr eras signalen ber oende p ˚a vad man har st ¨allt in potentiometer na och str ¨ombrytar en. N ¨ar detta har gjorts sker en D/A omvandling. Utsteget tar emot D/A omvandlingen som sker i digital signalbehandling. I utsteget finns det andra or dningens l˚agpassfilter som ska ta bort brus. D ¨ar efter f¨orst ¨arks signalen och tas sedan ut i ett h ¨orlurs uttag s ˚a att anv ¨andar en kan lyssna p ˚a ljudet.
H¨ar filtreras signalen med hj¨alp av digitala filter. En anv¨andare kan v¨alja vilken typ av fil-trering som ska utf¨oras med hj¨alp av potentiometrar och str¨ombrytare. Efter den digitala signal-behandlingen g ˚ar signalen vidare till utsteget. Utsteget best ˚ar av ett l ˚agpassfilter f¨or brusreduc-ering, elektronik f¨or f¨orst¨arkning och ett h¨orlursjack.
5.2.1 Delsystem: Insteg
Figur 1 i bilaga A visar ett insteg. Insteget inneh ˚aller en kontaktmikrofon och den elektronik som beh¨ovs innan signalen g ˚ar till ett inbyggt system f¨or A/D-omvandling. I de tre f¨oljande delarna beskrivs ett instegs olika delar och funktioner.
Kontaktmikrofoner
Kontaktmikrofonen som anv¨ands i ett insteg ¨ar av typen Oyster fr ˚an m¨arket Schaller. Figur 2 i bilaga A visar hur en s ˚adan kontaktmikrofon ser ut. Mikrofonerna ¨ar anpassade f¨or att anv¨andas tillsammans med telepluggar (metalldelen till h¨oger i figur 2 i bilaga A), vilket ocks ˚a g¨ors av prak-tiska sk¨al (alternativet hade annars varit att klippa upp sladden). Figur 3 i bilaga A visar hur signalen kan se ut d ˚a kontaktmikrofonen f ˚angar upp ett ljud.
D ˚a informationen fr ˚an tillverkaren om vad en kontaktmikrofon inneh ˚aller ¨ar knapph¨andig f ˚ar m¨atningar ist¨allet utf¨oras f¨or att ta reda p ˚a detta (tillverkaren rekommenderar bara en utimpedans om en megaohm [22]). M¨atningarna som utf¨ors syftar till att ta reda p ˚a hur stor inresistans mikrofonen har. Detta f¨or att sp¨anningen inte ska minska f¨or mycket p ˚a grund av sp¨anningsdelning d ˚a mikrofonen kopplas till kretsen. F¨or att sp¨anningen inte ska minska beh¨over f¨orst¨arkarens inimpedans vara betydligt st¨orre ¨an mikrofonens utimpedans. Motst ˚andet i kontaktmikrofonen tas fram genom att en resistor placeras mellan kontaktmikrofonens tv ˚a kontakter(jord och plus). Ett ljud med frekvensen en kilohertz generaras d¨arefter med hj¨alp av en funktionsgenerator som ¨
ar inst¨alld p ˚a sinussignal och 2 Vpp. Kontaktmikrofonen placeras bredvidd ljudet s ˚a att en ty-dlig signal uppm¨ats. N¨ar en resistor placeras mellan kontaktmikrofonens tv ˚a kontakter p ˚averkas utsignalen fr ˚an mikrofonen. D ˚a utsignalen blir h¨alften av insignalen ¨ar ut-och inimpendansen f¨or kontaktmikrofonen lika. F¨or denna kontaktmikrofon var utimpedansen 10000 Ohm. I kret-sen (Figur 1 bilaga A) ¨ar f¨orst¨arkarens inimpedans vald till en megaohm och p ˚a s ˚a s¨att f ˚as den stora skillnaden.
Analog elektronik
Den analoga elektroniken i insteget kan delas upp och beskrivas i tre delar. F¨orsta delen skapar en offset-sp¨anning p ˚a 1,4 Volt. Genom att anv¨anda offsetsp¨anning lyfts signalen upp s ˚a att den kan pendla runt 1,4 Volt ist¨allet f¨or 0 Volt. 1,4 Volts offset-sp¨anning v¨aljs f¨or att det ¨ar ungef¨ar mitt i AD-omvandlarens sp¨anningsomr ˚ade (det faktiska sp¨anningsomr ˚adet ¨ar ungef¨ar 0,5 - 2,75 Volt). Offsetsp¨anningen skapas med hj¨alp av en sp¨anningsdelare vid operationsf¨orst¨arkaren U1. Mellan operationsf¨orst¨arkarna U1 och U2 sitter ett motst ˚and som best¨ammer kretsens minsta inimpedans (enligt mikrofontillverkarens rekommendationer). D¨arefter kopplas insignalen in och l¨aggs p ˚a offsetsp¨anningen. Andra delen ¨ar en skyddsdel, som utg¨ors av operationsf¨orst¨arkaren U2 och ett motst ˚and. Den har som uppgift att ta bort eventuella sp¨anningar som ¨ar negativa eller ¨over 3,3 Volt. Sista delen ¨ar ett l ˚agpassfilter av andra ordningen, som har som uppgift att ta bort aliaseffekter. Ett andra ordningens filter v¨aljs av praktiska sk¨al, f¨or att h ˚alla nere m¨angden analog elektronik. Brytfrekvensen ¨ar satt till 10 kilohertz, d ˚a det ¨ar frekvenser upp till halva sampelfrekvensen. Utsignalen fr ˚an l ˚agpassfiltret g ˚ar sedan in i en potentiometer. Poten-tiometerns uppgift ¨ar att justera signalen fr ˚an mikrofonen, f¨or att den ska hamna innanf¨or AD-omvandlarens sp¨anningsomr ˚ade. F¨or att signalen alltid ska hamna innanf¨or sp¨anningsomr ˚adet n¨ar det starkaste testljudet anv¨ands, d¨ampas signalen med h¨alften. Signalen g ˚ar avslutningsvis vidare till ett inbyggt system f¨or A/D-omvandling, vilket utg¨or slutet p ˚a insteget.
Simulering av l ˚agpassfilter
F¨or att testa att l ˚agpassfiltret som anv¨ands i insteget (och utsteget) fungerar simuleras kretsen i Multisim. Figur 4 i bilaga A visar uppst¨allningen och resultatet av simuleringen. En funktion-sgenerator st¨alls in p ˚a sinusv ˚ag, 10 kilohertz och amplituden 2 Volt. Signalen skickas genom insteget p ˚a samma s¨att som signaler fr ˚an en kontaktmikrofon skulle gjort. Figur 5 i bilaga A visar en oscilloskopsbild ¨over resultatet, med insignalen (r¨od) och utsignalen (svart). D ˚a utsig-nalen har en offset-sp¨anning p ˚a 1,4 Volt tas den bort f¨or att det ska vara l¨attare att j¨amf¨ora de olika signalerna. Resultatet blir att den filtrerade utsignalen n¨astan blir 1/√2av insignalen vid brytfrekvensen. Ett liknande resultat uppn ˚as vidare n¨ar det byggda l ˚agpassfiltret testas med hj¨alp av funktionsgenerator och oscilloskop (se figur 6 i bilaga A).
5.2.2 Delsystem: Digital signalbehandling
F¨oljande tv ˚a delar beskriver hur mjukvaran, i f¨orl¨angningen signalbehandlingen, designades och hur den fungerar (se figur 9 p ˚a n¨asta sida). F¨orst beskrivs hur filtrena designades. P ˚a arbetets githubsida finns matlabgenererade figurer ¨over hur de olika filtrena ser ut. D¨arefter beskrivs hur mjukvaran och de olika signalbehandlingsmetoderna fungerar i sin helhet.
Design av filter
De digitala filtrena designas i Matlabs Filter Designer utifr ˚an sampelfrekvensen 20 kilohertz. Koden f¨or filterber¨akningarna skrivs p ˚a Direktform ett, med andra ordningens sektioner. Det inbyggda systemet programmeras ocks ˚a att trigga en avbrottsrutin varje g ˚ang en AD-omvandling sker. I avbrottsrutinen finns den kod som hanterar de ber¨akningar som kr¨avs f¨or den digitala signalbehandlingen. Tiden f¨or ett avbrott (50 mikrosekunder) och i f¨orl¨angningen tillg¨anglig tid f¨or ber¨akningar, beror d¨arf¨or p ˚a sampelfrekvensen. Sampelfrekvensen ¨ar en begr¨ansande faktor f¨or vilken filterordning som kan v¨aljas. Vidare begr¨ansar signalbehandlingsmetoden med fyra bandpassfilter i f¨oljd de andra tv ˚a metoderna, d ˚a den (av uppenbara sk¨al) kommer ta l¨angst tid. Ordningstalet f¨or alla filter v¨aljs till sj¨atte ordningen, d ˚a den visar sig passa b¨ast f¨or de fyra bandpassfilterna (Se figur 1 i bilaga B). Koefficienterna till de olika filtrena genereras som decimaltal i Filter Designer, men skalas om till heltal med en faktor 10000. I filterber¨akningarna anv¨ands bara heltal, vilket ¨okar ber¨akningshastigheten och m¨ojligg¨or dessutom ber¨aknande av flera separata filter i f¨oljd.
Signalbehandlingens funktion
Efter insteget AD-omvandlas signalen av ett inbyggt system och genomg ˚ar digital signalbehan-dling. Figur 9 nedan visar den fysiska vyn, som beskriver hur koden mappar till h ˚ardvaran. En anv¨andare kan godtyckligt ¨andra mellan tre olika signalbehandlingsmetoder med hj¨alp av tv ˚a str¨ombrytare, f¨or att hitta den metod som passar b¨ast fr ˚an fall till fall. Vilken signalbehan-dlingsmetod och vilket frekvensband som v¨aljs visas p ˚a en LCD-display. De individuella filtrena i varje metod g ˚ar dessutom att, beroende p ˚a vilken metod som anv¨ands, h¨oja, s¨anka eller flytta l¨angs med frekvensbandet med hj¨alp av potentiometrar. Den f¨orsta metoden, fyra bandpassfilter i f¨oljd, skapas genom att placera fyra bandpassfilter bredvid varandra, med sk¨arningspunkter i brytfrekvenserna. Passbanden designas att utg¨ora oktaver, det vill s¨aga att ett passband ¨ar dubbelt s ˚a stort som det f¨oreg ˚aende. Passbanden designas att ligga i eller precis runt det frekven-somr ˚ade d¨ar m¨anniskan h¨or b¨ast. I programkoden genomf¨ors ber¨akningarna f¨or de olika filtrena var f¨or sig och adderas sedan till en utsignal. Det finns en potentiometer f¨or varje individuellt bandpassfilter, som kan anv¨andas f¨or att h¨oja eller s¨anka just det filtret. En s¨ankning eller h¨ojning utf¨ors genom att ber¨akningarna f¨or det aktuella filtret multipliceras med ett tal mellan noll och ett. Resultatet adderas sedan till helheten precis som tidigare.
9: Figur en visar den fysiska vyn ¨over systemet. ¨ar sj ¨alva ljudet som mikr ofoner na har samlat in. Det sker en A/D omvandling p ˚asignalen och varje g ˚ang en A/D sker triggas ett interrupt. anv ¨ands f¨or att se vilket filter som ska anv ¨andas. Detta g ¨ors med hj ¨alp av tv ˚a str ¨ombrytar e. Potentiometrar na ¨ands f¨or att justera intervallet p ˚a filtr en(se tabell nederst i figur en). T illslut sker filterber ¨akningar na och d ¨ar efter sker en omvandling.
Den andra metoden, ett bandpassfilter som g ˚ar att flytta l¨angs med frekvensbandet, desig-nas genom att f¨or¨andring av sampelfrekvensen m¨ojligg¨ors f¨or anv¨andren. N¨ar sampelfrekvensen f¨or¨andras anpassas filtrets passband om proportionellt. Aven h¨¨ ar designas passbanden som oktaver, vilket medf¨or att en dubblering av sampelfrekvensen ger ett tv ˚a g ˚anger st¨orre pass-band. F¨or den h¨ar metoden skapas s ˚a m ˚anga passband som ryms innanf¨or halva sampel-frekvensen, dock med h¨ansyn till att m¨anniskan inte h¨or hur l ˚aga frekvenser som helst. Ett problem som uppst ˚ar ¨ar att ett Arduino DUE inte klara av ett flertal dubbleringar av sampel-frekvensen, om den b¨orjar p ˚a 20 kilohertz. Problemet hanteras genom att filtrena delas upp i p ˚a varandra f¨oljande par, baserat p ˚a stigande passband. Till varje par finns separata koefficien-ter och ber¨akningar. Inom varje par kan d¨aremot sampelfrekvensen f¨or¨andras fr ˚an 20 till 40 kilohertz n¨ar en anv¨andare vrider p ˚a metodens tillh¨orande potentiometer. Den tredje metoden, ett bandsp¨arrfilter som g ˚ar att flytta l¨angs med frekvensbandet, skapas p ˚a samma s¨att som den andra metoden.
F¨or att testa att de olika filtren, och att kombinationerna av filtren fungerar, anv¨ands ett oscilloskop och en funktionsgenerator. F¨or varje filter eller kombination av filter f¨or¨andras funk-tionsgeneratorns utsignal till att passera f¨ore, i och efter passbanden. P ˚a s ˚a s¨att visas att funk-tionsgeneratorns utsignal sl¨apps igenom eller blockeras vid r¨att tillf¨alle.
5.2.3 Delsystem: Utsteg
Figur 1 i bilaga C visar ett utsteg. Insignalen till utsteget kommer fr ˚an D/A-omvandlingen. Fr ˚an D/A-omvandlaren g ˚ar signalen in i ett analogt l ˚agpassfilter som reducerar kvantiseringsbrus och aliaseffekter. Signalen g ˚ar d¨arefter vidare till en operationsf¨orst¨arkare och f¨orst¨arks en och en halv g ˚ang. D¨arefter g ˚ar signalen till h¨orlursjacket.
5.3
Kontrollerade experiment
F¨or att testa prototypen genomf¨ors tv ˚a typer av kontrollerade experiment. Experimenten in-volverar dock inte en bil eller maskin, d ˚a dessa anses inneh ˚alla f¨or m ˚anga ok¨anda parametrar. Dessutom anses experiment med en bil eller maskin vara f¨or problematiskt, d ˚a kommunika-tionen mellan mikrofonerna och de inbyggda systemen inte ¨ar tr ˚adl¨os. Den f¨orsta typen av experiment genomf¨ors med nio testare och utg ˚ar fr ˚an en smal rektangul¨ar metallkonstruktion (h¨adanefter kallad testb¨anken). Under testningen ska testaren f¨ors¨oka best¨amma varifr ˚an p ˚a testb¨anken tv ˚a givna ljud i en ljudmilj¨o kommer ifr ˚an, med hj¨alp av prototypens olika signalbe-handlingsmetoder.
Den andra typen av kontrollerat experiment genomf¨ors med hj¨alp av ett metallsk ˚ap och tv ˚a testare. I detta fall placeras tv ˚a st¨orande och tv ˚a efters¨okta ljud i ett st¨angt sk ˚ap. Att flera efters¨okta ljud anv¨ands samtidigt motiveras med att en verklig ljudmilj¨o kan inneh ˚alla mer en ett intressant ljud. Dessutom har sk ˚apet en helt annan f¨orm ˚aga ¨an exempelvis testb¨anken att skapa en mer komplicerad ljudmilj¨o. Det g¨or det intressant att unders¨oka ifall testarna har m¨ojligheten att sortera ut flera olika ljud, eller om de blandar sig f¨or mycket. Testarna ska d¨arefter med hj¨alp av prototypen f¨ors¨oka komma fram till var de efters¨okt ljuden befinner sig, genom att anv¨anda mikrofonerna p ˚a sk ˚apets utsida. Skillnaden mot det f¨orsta experimentet ¨ar att ljuden nu har en annan m¨ojlighet att sprida sig.
5.3.1 Testb¨anken Beskrivning av testb¨ank
Figur 1 bilaga D visar hur testb¨anken ser ut. Konstruktionen best ˚ar av fem metallstavar som s¨atts ihop med metallfogar. L¨angden blir en meter, vilken delas upp i fem sektioner om tjugo cen-timeter. Sektionerna numreras fr ˚an ett till fem, d¨ar ett ¨ar l¨angst till v¨anster och fem l¨angst till h¨oger. Mikrofonerna placeras i mitten av bit ett och fem, f¨or att de ska vara s ˚a l ˚angt som m¨ojligt
fr ˚an varandra och f¨or att uppst¨allningen ska bli symmetrisk. L¨angst ut p ˚a metallkonstruktio-nens kanter placeras varsin motor. Under testningarna anv¨ands motorerna f¨or att generera ett kontinuerligt st¨orande bakgrundsljud (se figur 6 bilaga D). Motorerna placeras p ˚a de tv ˚a yttre sektionerna f¨or att det st¨orande ljudet st¨or mest d ˚a. F¨or att undvika yttre st¨orningar placeras metallkonstruktionen p ˚a ett bord, ovanp ˚a tre cm tjocka tr¨aklossar.
Testernas uppl¨agg
Testpersonerna f ˚ar genomf¨ora tester d¨ar de ska f¨ors¨oka komma fram till positionen f¨or tv ˚a efters¨okta ljud, ett bankande och ett tjutande (se figur 4, 5 och 6 i bilaga D). Ljuden st¨alls in eller skapas enligt f¨oljande. Motorerna f¨or det st¨orande och det bankande ljudet matas med sp¨anning. Det tjutande ljudet skapas slutligen med en HP4750 enligt: en sinusformad b¨arv ˚ag med am-plituden tio Volt och frekvensen en kilohertz, som moduleras med en 4750 Hertz fyrkantsv ˚ag tillsammans med PULSE-inst¨allningen. F¨orst genomf¨ors alla tester med det bankande ljudet och sen alla med det tjutande ljudet. Figur 2 i bilaga D visar uppst¨allningen som skapar det bankande ljudet. Testerna med det bankande ljudet inleds med att testpersonerna f ˚ar h¨ora hur det efters¨okta ljudet l ˚ater p ˚a testb¨ankens fem olika positioner, utan att n ˚agot st¨orande ljud eller filter anv¨ands. D¨arefter genomf¨ors tv ˚a testserier om femton test, figur 7 i bilaga D visar det sce-nario testarna utgick ifr ˚an. I den f¨orsta testserien f¨ors¨oker testarna placera det efters¨okta ljudet d ˚a det st¨orande ljudet ¨ar p ˚a, utan att anv¨anda n ˚agra filter. Vid varje test placeras det bankande ljudet p ˚a en av testb¨ankens fem positioner enligt ett slumpm¨assigt schema. Testpersonerna f ˚ar d¨arefter bet¨anketid och skriver d¨arefter ner den position de anser ¨ar r¨att i ett f¨orbrett excelark. Under bet¨anketiden kan testarna godtyckligt ¨andra mellan de olika signalbehandlingsmetoderna och deras frekvensband. I den andra testserien ska testarna ˚aterigen placera det efters¨okta ljudet d ˚a det st¨orande ljudet ¨ar p ˚a, men nu med hj¨alp av de olika signalbehandlingsmetoderna. Testerna med det tjutande ljudet genomf¨ors p ˚a samma s¨att som f¨or det bankande ljudet. Det tjutande ljudet spelas upp med en h¨ogtalare (figur 3 i bilaga D). Vid varje test l¨aggs h¨ogtalaren p ˚a den framslumpade positionen.
Resultaten av testerna med testb¨anken
F¨oljande figurer visar resultaten fr ˚an testerna med testb¨anken. Figurerna 10-15 ¨ar sammanst¨allningar ¨
over var testarna tror det efters¨okta ljudet befinner sig, i f¨orh ˚allande till var det verkligen ¨ar. I de tv ˚a sammanst¨allningarna ¨over det tjutande ljudet tas resultaten f¨or en testperson inte med. An-talet ”Vet ej” anses vara f¨or m ˚anga f¨or att de testerna ska anses representativa. Alla testprotokoll och mallar ˚aterfinns p ˚a arbetets githubsida.
Figur 10: Figuren visar resultatet fr ˚an testerna med slagljud utan filter. Exempel: N¨ar det sl ˚aende ljudet stod p ˚a position ett trodde testarna att det var p ˚a position ett 85% av g ˚angerna. 11% av g ˚angerna trodde testarna att det var p ˚a position tv ˚a och 4% av g ˚angerna p ˚a position fyra.
Figur 12: Figuren visar resultatet fr ˚an testerna med tjutande ljud utan filter.
Figur 14: Figuren visar en sammanst¨allning av figurerna 10-13. R¨att svar och n¨arliggande position/positioner i f¨orh ˚allande till r¨att svar ¨ar sammanslagna till en stapel. Resterande staplar visar hur l ˚angt ifr ˚an testarna kom r¨att/n¨arliggande.
Figur 15: Medelv¨arde och standardavvikelse f¨or resultaten inom varje position. Standard-avvikelsen ber¨aknas enligtsqrt(
P
(xk−ms)2)
n , d¨ar xsar ett observationsv¨¨ arde och msar medelv¨¨ ardet.
Figurerna 16-21 visar vilka frekvensband som v¨aljs inom de olika metoderna, samt vilka frekvensband som v¨aljs mest. De tre f¨orsta figurerna(16-18) visar resultaten f¨or det bankande ljudet och de tre sista(19-21) visar hur det blev f¨or det tjutande ljudet. Figurerna visar ocks ˚a hur n¨ara testarna var r¨att position. X-axeln visar de olika frekvensbanden inom varje signalbehan-dlingsmetod och y-axeln visar antalet g ˚anger ett frekvensband valdes. Inom varje frekvensband visas hur n¨ara testarna var r¨att d ˚a de anv¨ande just det frekvensbandet. D ˚a f¨argen ¨ar gr¨on gis-sade testaren r¨att. Ljusgr¨on ¨ar f¨orsta n¨arliggande position(er). Gult ¨ar tv ˚a steg fr ˚an att vara r¨att, m¨orkgult ¨ar tre steg och r¨ott fyra steg.
Figur 16: Figuren visar vilket intervall tes-tarna valde att blockera n¨ar de anv¨ande bandsp¨arrfiltret och hur n¨ara r¨att de kom. Siffrorna representeras hur ofta de valdes.
Figur 17: Figuren visar vilket intervall tes-tarna valde att lyssna p ˚a n¨ar de anv¨ande bandpassfiltret. Siffrorna representeras hur ofta de valdes.
Figur 18: Figuren visar vilket intervall tes-tarna valde att lyssna p ˚a n¨ar de anv¨ande de fyra bandpassfiltren. Siffrorna representeras hur ofta de valdes.
Figur 19: Figuren visar vilket intervall tes-tarna valde att blockera n¨ar de anv¨ande bandsp¨arrfiltret och hur n¨ara r¨att de kom. Siffrorna representeras hur ofta de valdes.
Figur 20: Figuren visar vilket intervall tes-tarna valde att lyssna p ˚a n¨ar de anv¨ande de fyra bandpassfiltren. Siffrorna representeras hur ofta de valdes.
Figur 21: Figuren visar vilket intervall tes-tarna valde att lyssna p ˚a n¨ar de anv¨ande bandpassfiltret. Siffrorna representeras hur ofta de valdes.
5.3.2 Testerna med sk ˚apet Testernas uppl¨agg
Figur 8 bilaga D visar hur sk ˚apet ser ut. Som figuren visar ¨ar det ett rektangul¨art metallsk ˚ap, som g ˚ar att ¨oppna och st¨anga. Ljuden st¨alls in (eller skapas) enligt f¨oljande. Sk ˚apet delas upp i 14 omr ˚aden, d¨ar de olika ljudk¨allorna kan placeras. Fyra m¨ojlig omr ˚aden och sk ˚apets bot-tenplan anv¨ands inte, d ˚a de blockeras av otympliga objekt p ˚a sk ˚apets baksida. Totalt finns det fyra olika ljudk¨allor var av tv ˚a ¨ar intressanta och tv ˚a ¨ar st¨orande ljud. De st¨orande ljuden ¨ar tv ˚a motorer(samma motorer som anv¨andes vid testb¨anken). De ljud som ¨ar de efters¨okta ¨ar ett bankande ljud(samma som vid testb¨anken) och en borrmaskin. Borrmaskinen placeras s ˚a att det ¨ar vibrationerna som skapar det efters¨okta ljudet. Utplaceringen av dessa ljudk¨allor gener-ades av en slumpgenerator som ger ut ett nummer mellan 1-14. N¨ar ljuden ¨ar utplacerade f ˚ar testaren placera ut kontaktmikrofonerna p ˚a utsidan av sk ˚apet, f¨or att f¨ors¨oka hitta slagljudet och borrmaskinen. Tillv¨agag ˚angss¨attet ¨ar det samma som f¨or testerna med testb¨anken. Tes-tarna g ˚ar igenom alla positionerna och noterarar vad hen h¨or enligt en tregradig skala (inget, kan h¨ora och h¨ors klart). Tv ˚a typer av tester utf¨ordes, med och utan filter.
Resultatet av testerna med sk ˚apet
Figur 22 och 23 visar resultaten. Totalt gjordes fyra tester, tv ˚a utan filter och tv ˚a med filter. Figur 22 representerar resultaten f¨or testerna utan filter och figur 23 resultaten med filter. I samtliga fall d ˚a digitala filter ska anv¨andas anv¨ands signalbehandlingsmetoden med det ensamma band-passfiltret. Frekvensbandet som anv¨ands ¨ar konsekvent metodens h¨ogsta.
Figur 22: Figuren visar var testaren trodde ljuden befann sig d ˚a testaren inte anv¨ande n ˚agot filter. Positionerna d¨ar det st ˚ar gissning ¨ar var testaren tror ljudet ¨ar. D¨ar det st ˚ar slagljud och borr ¨ar d¨ar de efters¨okta ljuden placerades.
Figur 23: Figuren visar var testaren trodde ljuden befann sig d ˚a testaren anv¨ande filter. Positionerna d¨ar det st ˚ar gissning ¨ar var testaren tror ljudet ¨ar. D¨ar det st ˚ar slagljud och borr ¨ar d¨ar de efters¨okta ljuden placerades.