5 - sensoren

Dit is een voorbeeld van een slinger die op gang gebracht wordt, en vervolgens gestopt wordt door deze tegen te houden.

In de meeste gevallen gebruiken we het sensorsignaal voor het detecteren van een of andere event (gebeurtenis).

In het geval van een 3D accellerometer kan dit bijvoorbeeld zijn, het detecteren van een snelle beweging of erger nog, een vrije val van een computer, wat aanleiding is om de harde schijf veilig te stellen - zodat bij een mogelijke impact er geen grote schade aangericht wordt.

Een ander voorbeeld is het signaal van een ECG (electro-cardiogram); uit dit signaal willen we bijvoorbeeld de hartslag bepalen. De hartslag is een "feature" van het ECG.

Voor het detecteren van dergelijke events of features gebruiken we signaalverwerking (signal processing). Er is een groot repertoir aan methodes beschikbaar, maar het is nog steeds een actief gebied van onderzoek.

Zie ook: http://en.wikipedia.org/wiki/Signal_processing

Zie voor bijvoorbeeld de signal processing van ECGs:

http://www.physionet.org/

http://www.open-ecg-project.org

De typische keten voor het verwerken van een signaal van een sensor ziet er als volgt uit:

1. sensor
2. bemonstering en A/D conversie
3. filtering en signaal-conditionering
4. feature-extractie en event-detection
5. processing op basis van features; onder meer reasoning

Verder is het mogelijk in verschillende stadia van deze verwerking, de signalen of data van meerdere sensoren te gebruiken. Dit kunnen soortgelijke sensoren zijn, maar ook totaal verschillende. Het combineren van de data van verschillende sensoren heet ook wel sensor fusion.

Signaalverwerking - filtering

Een van de belangrijke vormen van signaalverwerking is filteren, met als bedoeling een signaal over te houden dat (voor deze toepassing) beter bruikbaar is dan het oorspronkelijke signaal.

Een klassieke toepassing hiervan is het gebruik in geluidsapparatuur. Stel dat je de beschikking hebt over twee luidsprekers: een die vooral geschikt is voor hoge tonen, en een die voornamelijk geschikt is voor lage tonen. Je kunt het oorspronkelijke geluidssignaal nu splitsen door middel van een hoogdoorlaatfilter en een laagdoorlaatfilter, waardoor elke luidspreker een geschikt signaal aangeboden krijgt.

Een eenvoudige vorm van een laagdoorlaatfilter is om het gemiddelde te nemen van de laatste N waarden:

Y[n] = (X[n] + X[n-1] ... + X[n-N+1])/N

Een alternatief is om gebruik te maken van een recurrente betrekking (dat wil zeggen, de uitvoer van de vorige stap, Y[n-1], wordt als invoer gebruikt voor de berekening van de uitvoer van de huidige stap, Y[n]):

Y[n] = alpha*X[n] + (1-alpha)*Y[n-1]

waarbij 0 <= alpha <= 1

Zie ook: (Wikipedia, laagdoorlaatfilter: http://en.wikipedia.org/wiki/Low-pass_filter).

Deze vorm is een discrete vorm van een overeenkomstig analoog laagdoorlaatfilter.

Het bijbehorende spreadsheet-schema is dan:

Een overeenkomstig hoogdoorlaatfilter is:

Y[n] = alpha*(Y[n-1] + X[n] - X[n-1])

Zie ookL (Wikipedia, hoogdoorlaatfilter: http://en.wikipedia.org/wiki/High-pass_filter).

(Zie ook de bijbehorende opgaven, Bemonstering en filtering - opdrachten.)

Sensoren-interpretatie

In de meeste gevallen zijn de gebruikers van de sensor-informatie niet geïnteresseerd in de ruwe sensordata, maar in de gebeurtenissen die door de sensoren gedetecteerd worden.

In het geval van een brandalarm gaat het om het betrouwbaar detecteren van het begin van brand, niet om de precieze concentratie van deeltjes in de lucht. Een stappenteller of activiteitenmonitor is voor de meeste mensen beter bruikbaar dan de ruwe sensordata van een 3D accellerometer.

Bij het interpreteren van sensordata, en het gebruik van sensoren voor het detecteren van bepaalde gebeurtenissen (events) spelen twee regels een belangrijke rol:

1. een enkele gebeurtenis is waar te nemen door verschillende soorten sensoren.

Denk bijvoorbeeld aan het brandalarm: het begin van brand kenmerkt zich door een verhoging van de temperatuur, een verandering in de concentraties van bepaalde gassen (bijvoorbeeld O2, CO2, CO), en een verhoging van de concentratie van deeltjes (roet e.d.) in de lucht.

Iets dergelijks geldt voor de aanwezigheid van een persoon in een ruimte: dit kunnen we zien (camera, eventueel infrarood), horen (ademhaling, andere geluiden), ruiken (de concentraties van sommige gassen veranderen; bijvoorbeeld O2 en CO2), voelen (de druk op de vloer; de temperatuur in de ruimte).

2. een enkele sensor neemt verschillende soorten gebeurtenissen waar

Met een temperatuursensor kunnen we bijvoorbeeld de temperatuur in een ruimte waarnemen, inclusief veranderingen ten gevolge van mensen die de ruimte binnenkomen of verlaten, en de opwarming door de buitentemperatuur of door de verwarming. Met een luchtdruksensor in de kamer meten we de heersende luchtdruk, maar ook de effecten van het openen en sluiten van deuren en ramen, en het effect van de wind om het gebouw.

Een van de gevolgen van regel 1 is dat we een vaak een betere (robuustere) detectie van bepaalde gebeurtenissen kunnen krijgen door meerdere sensoren, zo mogelijk van verschillende soorten, te combineren. Als we een brandalarm maken op basis van een combinatie van temperatuur-, gas-, en deeltjessensoren kunnen we het risico op foutieve detecties verkleinen.

Een van de gevolgen van regel 2 is dat we bij het detecteren van een bepaalde soorten gebeurtenis er rekening mee moeten houden dat deze detectie door andere gebeurtenissen verstoord kan worden.

Een ander gevolg is dat we niet voor elke gebeurtenis een nieuwe verzameling sensoren hoeven aan te leggen: we kunnen de aanwezige sensoren voor meerdere doelen gebruiken.

(Een voorbeeld van dit laatste zie je bij voorbeeld bij het gebruik van 3D accellerometers in mobiele telefoons: die worden zowel gebruikt voor bijvoorbeeld het bepalen van de oriëntatie van de camera, als voor de besturing van games, en als stappenteller.)

Het detecteren van gebeurtenissen - en mogelijke fouten

Als we een brandalarm willen maken, moet dit voldoende betrouwbaar zijn: het moet alle mogelijke branden detecteren, en het moet zo weinig mogelijk vals alarm geven.

Het is duidelijk dat je wilt dat alle branden gedetecteerd worden.

Maar een brandalarm dat alles wat enigszins lijkt op het begin van brand interpreteert als brand, en daarmee mogelijk vals alarm geeft, introduceert ook een risico. Een brandalarm dat te vaak vals alarm geeft, is in de praktijk onbruikbaar: mensen zullen er niet meer op reageren, en het mogelijk uitzetten.in verband met de overlast.

Uit dit voorbeeld blijkt dat je bij het detecteren van een gebeurtenis twee soorten fouten kunt maken:

1. je kunt het optreden van een gebeurtenis missen;
2. je kunt een gebeurtenis detecteren die niet optreedt.

Meestal zijn deze twee fouten niet onafhankelijk van elkaar: als je de detectie gevoeliger maakt, verklein je de kans dat je wat mist, maar vergroot je de kans op vals alarm.

Merk op dat dit verwant is aan het probleem van Information Retrieval. Een uitgebreidere beschrijving van dit soort problemen is te vinden op Wikipedia,