Evimde acayip bir nesne var.

2 oldular

İlk uluslararası konferansıma Fukuoka’da katıldım. Sunumumu yaptım. Düşündüğüm kadar da heyecan yapmadım

Sunum konum “Evaluation of multi-layered pain sensor model of human skin”.

Aslinda muzik degil de melodi sentezi desek daha dogru olabilirdi. Cep telefonu melodisi yazmak gibi birsey.

Sentezlemeye calisacagimiz melodi pek bir sevdigim Norvec’li grup Dimmu Borgir’in 1996 Stormblåst albumundeki Når Sjelen Hentes Til Helvete isimli parcadan. 2005 yilinda Stormblåst albumunu yeni kayitlarla tekrar cikardilar. Fakat klasiklerin yeri ayri

Youtube’da buldugum asagidaki video da tam olarak sentezleyecegimiz melodinin piyano ile icra edilmis versiyonu. Hatta daha fazlasi. Yalnizca ilk kismi sentezlemeye calisacagim.

Oncelikle notalari gozden gecirelim.

Når Sjelen Hentes Til Helvete

clear
close all
% 1-2 olculerin notalari
olcu12=['E','f','G','f', 'E']; % mi fa# sol fa# mi
zaman12=[1/4 1/8 1/8 1/8 1/8]; % notalarin vurus degerleri
% 3-4 olculerin notalari
olcu34=['C','E','F','H','F','E']; % do mi fa la fa mi
zaman34=[1/8 1/8 1/8 1/8 1/8 1/8]; % notalarin vurus degerleri
% 5-6 olculerin notalari
olcu56=['A','A','J','H','J','H']; % la la do la do la
zaman56=[1/8 1/8 1/8 1/8 1/8 1/8]; % notalarin vurus degerleri
% 7-8 olculerin notalari
olcu78=['D','f','G','I','G','f']; % re fa# sol si sol fa#
zaman78=[1/8 1/8 1/8 1/8 1/8 1/8]; % notalarin vurus degerleri
zaman90=[1/4 1/4 1/4 1/2 1/2 1]; % notalarin vurus degerleri
% zaman90 parca biterken yavaslayan kisim icin gecerli.
%vurus degerleri artarak bitiyor.
 
%% matris boyutlari
boyut=16384;
aaa=1:boyut/4; % 1/4 vuruslu notalar icin geri donen
% fonksiyon degerinin saklanacagi matris boyutu
aa=1:boyut/8;  % 1/8 vuruslu notalar icin matris (ilk olcu)
bb=1:boyut/8;  % 1/8 vuruslu notalar icin matris (ikinci olcu)
cc=1:boyut/8;  % 1/8 vuruslu notalar icin matris (ucuncu olcu)
dd=1:boyut/8;  % 1/8 vuruslu notalar icin matris (dorduncu olcu)
%
sona=1:boyut/4; % parca bitisindeki yavaslayan kisim icin matris (1/4)
sonb=1:boyut/4; % parca bitisindeki yavaslayan kisim icin matris (1/4)
sonc=1:boyut/4; % parca bitisindeki yavaslayan kisim icin matris (1/4)
sond=1:boyut/2; % parca bitisindeki yavaslayan kisim icin matris (1/2)
sone=1:boyut/2; % parca bitisindeki yavaslayan kisim icin matris (1/2)
sonf=1:boyut; % parca bitisindeki yavaslayan kisim icin matris (1)
 
%% olcu 1-2
aaa(1,:)=nota(olcu12(1),zaman12(1));
for z=1:length(zaman12)-1
aa(z,:)=nota(olcu12(z+1),zaman12(z+1));
end
%% olcu 3-4
for z=1:length(zaman34)
bb(z,:)=nota(olcu34(z),zaman34(z));
end
%% olcu 5-6
for z=1:length(zaman56)
cc(z,:)=nota(olcu56(z),zaman56(z));
end
%% olcu 7-8
for z=1:length(zaman78)
dd(z,:)=nota(olcu78(z),zaman78(z));
end
%% olcu 9-0
sona(1,:)=nota(olcu78(1),zaman90(1));
sonb(1,:)=nota(olcu78(2),zaman90(2));
sonc(1,:)=nota(olcu78(3),zaman90(3));
sond(1,:)=nota(olcu78(4),zaman90(4));
sone(1,:)=nota(olcu78(5),zaman90(5));
sonf(1,:)=nota(olcu78(6),zaman90(6));
 
%% tum dizileri arka arkaya diz
xx=[];
yy=[];
zz=[];
ww=[];
for say=1:length(zaman12)-1
xx=[xx aa(say,:)];
end
for say=1:length(zaman34)
yy=[yy bb(say,:)];
end
for say=1:length(zaman56)
zz=[zz cc(say,:)];
end
for say=1:length(zaman78)
ww=[ww dd(say,:)];
end
%% dizilerin hepsini cal.
tumdizi=[aaa xx aaa xx yy yy zz zz ww ww aaa xx aaa xx yy yy zz zz ww sona sonb sonc sond sone sonf];
soundsc(tumdizi,11025);
%bitti :)

En son kisimda, parcada olmayan bir sekilde yavaslatarak bitirdim O da benim yorumum olsun.

Burada kullandigim nota fonksiyonunu da ayri bir dosyada yazdim. O da su sekilde,

function  [a]=nota(note,vurus)
 
switch note
%% native notalar
case {'A'} %la
frekans=440;
case {'a'} %la#
frekans=466.16;
case {'B'} %si
frekans=493.92;
case {'C'} %do
frekans=523.28;
case {'c'} %do#
frekans=554.40;
case {'D'} %re
frekans=587.36;
case {'d'} %re#
frekans=622.24;
case {'E'} %mi
frekans=659.28;
case {'F'} %fa
frekans=698.48;
case {'f'} %fa#
frekans=740;
case {'G'} %sol
frekans =784;
%% oktav yukari
case {'H'} %la
frekans=2*440;
case {'h'} %la#
frekans=2*466.16;
case {'I'} %si
frekans=2*493.92;
case {'J'} %do
frekans=2*523.28;
case {'j'} %do#
frekans=2*554.40;
case {'K'} %re
frekans=2*587.36;
case {'k'} %re#
frekans=2*622.24;
case {'L'} %mi
frekans=2*659.28;
case {'M'} %fa
frekans=2*698.48;
case {'m'} %fa#
frekans=2*740;
case {'N'} %sol
frekans=2*784;
%% oktav asagi
case {'O'} %la
frekans=440/2;
case {'o'} %la#
frekans=466.16/2;
case {'P'} %si
frekans=493.92/2;
case {'Q'} %do
frekans=523.28/2;
case {'q'} %do#
frekans=554.40/2;
case {'R'} %re
frekans=587.36/2;
case {'r'} %re#
frekans=622.24/2;
case {'S'} %mi
frekans=659.28/2;
case {'T'} %fa
frekans=698.48/2;
case {'t'} %fa#
frekans=740/2;
case {'U'} %sol
frekans =784/2;
%% diger durumlar
otherwise
disp('Yok boyle bisey')
frekans=0;
end
%% Belirlenen frekansda ve vurus suresinde sinus
%  sinyali fonksiyonun cikisina veriliyor.
a=sin(2*pi*frekans*(0:1/16383:vurus));

Burada cozemedigim ve aklimi kurcalayan bir soru var. soundsc komutu ile tumdizi matrisini sese donustururken kullandigim ornekleme frekansi denedigim farkli bilgisayarlarda farkli sonuclar verdi. Bazisinda 44100 kullandigimda, bazisinda ise buradaki gibi 11025 kullandigimda dogru sonucu verdi. Nedenini cozemedim.

Ayrica kodun yukaridaki kismina ek olarak, olusan matrisin spektogramini da cizdiriyordum. Fakat su anda kullandigim Matlab’in surumu ile daha once kullandigim arasinda bir uyumsuzluk var. O yuzden bir sorun cikti. O kismi da su sekilde idi,

%% spektrumlari cizdir
subplot(2,1,1);
spectogram(tumdizi,1024,6950,256,192);    % tumdizinin spektrumunu cizdir.
grid on;
title('Yapay Sinyalin Spektrumu')
subplot(2,1,2);
wav=wavread('sinyal1.wav',[2000 12000]);     % gercek sesi import et
spectogram(wav,2048,44100,1024,256);        % sesin spektrumunu cizdir.
grid on;
title('Gercek Sesin Spektrumu')

Sonucta ortaya cikan matrisi de bir wav dosyasina yazdirip

lame girdi.wav cikti.mp3

seklinde basitce mp3′e donusturdukten sonra burada dinlenebilir hale geldi.

http://www.tarikzengin.com/audio/dimmu.mp3

Sarkinin orijinal hali de burada. Bir ihtimal oldschool black metal sevenler cikabilir Once 1996, ardindan da 2005 versiyonu geliyor, tum sevenler icin.

• 00:00 – 04:30 1996 versiyonu
• 04:30 – 09:12 2005 versiyonu

Not : Daha önce yazdığım proje yazısının birebir olmasa da çevirisi sayılabilecek bir yazı hazırladım. This is a short summary of our (me and my friend Umut Yuksekbas) graduation project. Sorry for the grammatical mistakes.

Computer & Microcontroller Based Closed Loop Robot Position Control System

Abstract : Robot systems scope out the problems fast and sensitive, don’t affected the factors which destructive of health for humans. For this reason they are needed at industrial areas. Robots are used for precise applications in a wide area such as automotive industry, medicine, nuclear power stations and biomedical. They can be used in critical applications like sensitive surgical operations. That’s commonly utilized as a mechanical arm for handicapped ones. Our project’s subjects are automatic control systems and position control of a robotic arm with the coordinates that send from computer. We intended to design a closed loop control system of a mechatronic system. Manipulator system is a multi-input multi-output (MIMO) system and each joint is fed by different input signals for position check. Dynamic model of the manipulator system is not linear and contains interactive terms between joints. We have designed a 6-degree-of-freedom robot arm and a control system. DC motors on the joints provide the movement of the manipulator. We used L298 IC which contains H-Bridges for driving the DC motors and PIC 16F877 as microcontroller. Max232 serial interface sets up the communication between computer and microcontroller. We developed the position control algorithm in MPLAB IDE by using the Hitech PICC Compiler. Microcontroller takes the analog feedback signals from the potentiometers placed on joints then convert them to digital signals by built-in ADC modules. The PI control system uses the analog signals in order to calculate the optimum PI control parameters then provides the target movement with minimum error.

SYSTEM COMPONENTS

Hardware Component

PIC 16F877-20MHz contains 8 ADC channel and 2 PWM module and L298 contains two H-Bridge in it. This driver is very robust and is able to work with 46 V source voltage and 4 A source current. In this project  15 V source voltage and 0.5 A max current are utilized.

Block Diagram

Position data which transmitted from computer come to the PIC’s serial port over the Max232 serial interface. After that, the ADC module reads and converts the analog values and transmits signals to the motor drivers for holding the arm in target position. The algorithm determines the transaction direction for decreasing the error and sends the signals. It breaks the motors when the arm is on the target position. Microcontroller checks all of the joint positions repeatedly and if it senses a deviation on the joint, brings the joint back to the target position. The algorithm changes the motor voltages directly proportional to the error

Schematics

PCB Design

A 2-layer circuit board was designed and assembled. L298 ICs can be seen on the right side of the first image. The sockets from top to bottom;

• Power
• Analog Feedbacks (From joint pots)
• Motors

PCB 1

PCB 2

Software Component

We developed the microcontroller code by using HITECH PICC in MPLAB IDE. The P.I. Control System on the microcontroller side, calculates the error by differentiating the feedback values which read from ADC module and the expected value, continuously for each joint. This error value multiplied by Kp constant. All these error values summed and multiplied by Ki constant. The control signal which derived by summing the proportional and integral control signals, limited in a desirable range.

Control Signal

This calculation repeats for each joint over and over again for providing the position control. Ziegler-Nichols method were used for designing the control system, because it was not possible to get the technical data about mechanical system for deriving the mathematical model.

Controller Design

D and I constants of PID controller let by zero and, the P constant were increased until the system oscillates. The P constant on that oscillation time called Kc and the oscillation frequency called Tc.

Oscillation

The optimum P.I. Control parameters were derived by using the Ziegler-Nichols method. The system response is below mentioned.

System Response

Graphical User Interface Design

Graphical User Interface (GUI) was developed by using QT Designer and Kdevelop Integrated Development Environment in C++ programming language. The GUI design can be seen below. QT libraries are suitable for creating platform independent code. By this way, the GUI can be compiled and run under various platforms, such as Unix, Linux, FreeBSD, MacOS and Windows.

GUI

The coordinate data transmitted over the USB bus by using a USB/Serial converter with a 57600 baud rate. Control System variables can be changed or modified with the GUI in realtime. Serial port device, baud rate and control system parameters can be selected and changed by using the GUI.

GUI Ayarlari

Conclusion

The system that we developed can do a position control in Cartesian Coordinate System. It keeps its position unless the operator will give a new coordinate, and can perform a coordinate change in a desirable time. I believe that this project is providing a useful design for industrial areas such as production and test, biomedical, security, situations that harmful for human, and academic study. The future plan for my study is making two robotic arms work together and in cooperation.

Biomedical Signal Analysis dersinde Timur Düzenli ve Salih Aslan ile beraber yaptığımız bir proje bu. EKG verileri üzerinden QRS Complex kısımlarının tespitinden bahsedeceğim. Öncelikle nedir ve neden önemlidir buna değinelim.

Çoğumuzun bildiği üzere EKG (ECG – Electrocardiogram) kalp aktivitelerinin elektriksel olarak kaydıdır. Electrocardiograph ile ölçülerek kaydedilir.

EKG analiz edilerek kalp hakkında oldukça detaylı bilgiler elde edilebilir. Tıp okumadığım için çok detaylı bilemem tabii ki. Fakat EKG sinyalinin birazdan bahsedeceğim kısımlarının zamanlaması hastalıklar hakkında oldukça yararlı bilgiler sağlamaktadır.

Tipik bir EKG sinyali aşağıdaki şekilde gösterilebilir.

Burada görüleceği gibi EKG sinyali belirli tipik kısımlar içerir. Bunlar P,Q,R,S ve T kısımlarıdır. Hepsi kalp hakkında önemli bilgiler taşır. Bu yazıda, sinyalde QRS Complex’in yerinin bulunmasından bahsedeceğim. Bu bilgi önemlidir çünkü QRS Complex’in kaç milisaniye sürdüğü çıplak gözle anlaşılamaz.

Konuya girmeden önce şundan da bahsetmek isterim. Doktorların, ellerine gelen EKG kaydına bakarak karar vermesinde bahsedeceğim konu oldukça önem taşır. EKG sinyalleri elektriksel olarak zayıf sinyaller olduğu için kaydedilmesi ve çevre gürültülerden arındırılması işi oldukça zahmetlidir. Demek istediğim, ham bir EKG kaydından hiç bir doktor hiç bir teşhis koyamaz. O şeritteki net ve anlaşılır EKG’nin nasıl o hale geldiğini ele alacağız. Fakat tüm aşamaları koca bir kitap yapan bu analizin sadece küçük bir kısmı bu yazıca mevcut.

Analiz için kullanacağım önceden kaydedilmiş EKG verileri elimde mevcut. 4000 örnekten oluşan veriyi şuradan alabilirsiniz.

Analize başlayalım,

close all
clear all
clc
 
%% Degisken ve Sabitlerin Tanimlanmasi
fs=200; % sample rate
 
%% Sinyalin Matlab Ortamina Alinmasi
hamsinyal=load('ECG3');
plot(hamsinyal);
title('Ham Sinyal');
figure

Ham Sinyal

Görüldüğü gibi sinyal oldukça fazla gürültü içeriyor. Hem yüksek frekanslı hem de şebekeden kaynaklanan ek bileşenler sinyale karışmış durumda. Öncelikle sinyali DC sıfır seviyesine çekelim

%% DC Bilesenlerin Atilmasi
dcsizsinyal=(hamsinyal-mean(hamsinyal));
plot(dcsizsinyal);
title('DC Bilesenleri Atilan Sinyal');
figure

DCsiz Sinyal

Şimdi de sinyalden yüksek frekanslı gürültüleri temizleyelim. Bunun için bir alçak geçiren (low pass) filtre tasarlayıp sinyali bu filtreden geçirmemiz gerekli. Filtre tipi olarak 10 point avarage filtre kullanalım.

%% Filtre
% 10 point avarage filter
B=(1/10)*ones(1,10);
A=1;
freqz(B,A);
title('10 Point Moving Avarage Filtre');
figure
avaragefiltrelisinyal=filter(B,A,dcsizsinyal);
plot(avaragefiltrelisinyal)
title('Moving Avarage (Low Pass) Filtreden Gecmis Sinyal');
figure

Low Pass Filtre

Low Pass Cikisi

Yüksek frekanslı gürültülerin azaldığını görebiliriz. Fakat hala kusursuz değil. Şimdi de düşük frekanslı gürültüleri yok etmek için bir yüksek geçiren (high pass) filtre tasarlayıp sinyali bu filtreden geçirelim. Bunun için de Derivative Based filtre oluşturacağız.

%% Derivative Based Filter
B=(1/1.0025)*[1 -1];% 1.0025 normalizasyon degeri
A=[1 -0.995];
freqz(B,A);
title('Derivative Based Filter');
figure
derivativefiltrelisinyal=filter(B,A,avaragefiltrelisinyal);
plot(derivativefiltrelisinyal)
title('Derivative Based (High Pass) Filtreden Gecmis Sinyal');
figure

Derivative Filtre

Derivative Cikisi

Sinyalden atmamız gereken bir de 60Hz’lik şebeke gürültüsü var. Kayıt esnasında cihazın şehir şebekesinden kaptığı gürültü de sinyalle beraber kaydedilmiş durumda. Zaten bakıldığında çıplak gözle de görülebiliyor. Bu arada kullandığımız örnek yabancı bir kaynaktan olduğu için şebeke gürültüsü 60Hz. Bizim şebekemiz 50Hz. Onu da hatırlatayım.

60Hz’lik gürültüyü atmak için bir filtre tasarlanacak ve önceki filtreden çıkan sinyal bu filtreden geçirilecek. Önemli bir sorun da, şebekeden kapılan gürültünün yalnızca 60Hz değil aynı zamanda bunun harmonikleri olarak ortaya çıkması. Bu yüzden yalnızca 60Hz’i bastıran bir filtre işimiz görmeyecek. Bunun için 60Hz ve tüm harmoniklerini bastırmamızı sağlayacak bir Comb filtre tasarlamamız gerekir. Aşağıda yazdığım filtre katsayılarının nasıl bulunduğuna değinmeyeceğim, zira çok uzun mesele Zaten ben de hazır kullandım. Bulmaya çalışmak apayrı bir mesele.

%% Comb Filter
% 60Hz sebeke gurultusunu ve harmoniklerini bastiran filtre
B=conv([1 1],[0.6310 -0.2149 0.1512 -0.1288 0.1227 -0.1288 0.1512 -0.2149 0.6310]);
A=1;
freqz(B,A);
title('Comb Filter');
figure
comb=filter(B,A,derivativefiltrelisinyal);
plot(comb)
title('Comb (60Hz ve Harmoniklerini Bastiran) Filtreden Gecmis Sinyal');

Comb Filtre

Comb Cikisi

Çok kusursuz olmasa da sinyal işlenebilecek hale geldi. Şimdi ise fark alarak sinyaldeki en keskin tepeleri bulalım. Bunlar bize R noktalarını verecek. Ardından da bu R noktasının sağında ve solunda en düşük seviyedeki noktaları bulalım. Bunlar da Q ve S noktalarını verecek.

%% Differentiator
differentiatorcikisi=diff(comb);
 
%% Squaring Operation
kare=differentiatorcikisi.*differentiatorcikisi;
 
%% Moving Window Integrator
window=ones(1,30); % N=30 moving window
integral= medfilt1(filter(window,1,kare),10);
delay = ceil(length(window)/2);
integral = integral(delay:length(integral));
 
%% QRS Arama
max_h = max(integral);
thresh = 0.2;
poss_reg = integral > (thresh*max_h);
 
sol = find(diff([0 poss_reg'])==1);
sag = find(diff([poss_reg' 0])==-1);
 
 for i=1:length(sol)
    [maxdeger(i) maxloc(i)] = max( comb(sol(i):sag(i)) );
    maxloc(i) = maxloc(i)-1+sol(i); % offset ekle
    [mindeger(i) minloc(i)] = min( comb(sol(i):sag(i)) );
    %mindeger Q noktasini verir
    minloc(i) = minloc(i)-1+sol(i); % offset ekle
    % Q noktasi icin offset
 end
 
% minpozisyon=ones(1,4000)*-max(comb);
% minpozisyon(1,minloc)=max(comb);
maxpozisyon=ones(1,4000)*(-max(comb));
maxpozisyon(1,maxloc)=max(comb);
% maxpozisyon(1,sol)=max(comb);
% maxpozisyon(1,sag)=max(comb);
% maxpozisyon(1,minloc)=max(comb);
 
figure
% plot(comb(1:(length(comb)/4)),'b-')
plot(comb)
title('R noktalari belirlenmis sinyal');
hold on
% plot(minloc,mindeger,'r--')
plot(maxloc,maxdeger,'g-')
 
figure
plot(comb)
title('R noktalari isaretlenmis sinyal');
hold on
%plot(minpozisyon,'r') % Q baslangici
plot(maxpozisyon,'r')
legend('Comb Filtreden Gecen Sinyal','R');

R leri Birlestir

R leri Isaretle

Görüldüğü gibi QRS Complex’in yeri artık tam olarak bilinebiliyor. İstenen ölçümler buradan çıkarılabilir.

Bu arada sondan üçüncü Complex’de bir hata var. Algoritma burada hatalı sonuç veriyor. Gürültülerin kusursuz bir şekilde atılamamasından kaynaklanan bir hata söz konusu. P noktası olması gerekenden daha büyük olduğu için R olarak algılanmış ve bir hataya sebebiyet vermiş. Fakat sinyalin geri kalanı istediğimiz veriyi elde etmemiz için yeterli veriyi sağlıyor.

Şimdi elde ettiğimiz verilerden bazı sonuçlara ulaşmaya çalışalım. Girilen veride kaç adet beat (vuruş) bulunduğunu tespit edelim. R noktalarını tespit ettiğimize göre ve R noktası kadar vuruş bulunduğunu bildiğime göre kolaylıkla sonuca ulaşabiliriz.

%% Beat Sayisi
beat=length(maxloc)
heartrate=beat/(length(hamsinyal)/fs)

Cevap olarak şu sonuçları elde ediyoruz.

beat =

25
heartrate =

1.2500

Analiz sırasında P noktalarından birisi de R olarak algılanmıştı. Aslında beat sayısı 24 olmalıydı.

Şimdi de RR aralığının ortalamasını bulalım.

%% RR Araligi Ortalamasi
ortalama=0;
for i=1:beat-1
    ortalama=ortalama+(maxloc(i+1)-maxloc(i)-1)/fs;
    u(i)=(maxloc(i+1)-maxloc(i)-1)/fs;
end
ortalama=1000*ortalama/beat
% ms cinsinden bulmak icin 1000 ile carpildi.

Sonuç olarak elde edilen çıktı,

ortalama =

745.8000

%% Standart Sapma
variance=var(u)*1000 %ms cinsinden

variance = 22.4692

QRS genişliklerinin tespiti için ise zaten bulmuş olduğumuz noktaların farkları alınabilir.

% QRS Genisligi
for i=1:beat
    qrs(i)=sag(i)-minloc(i)
end

Çıktısında da QRS genişliklerinin birbirine yakın değerde olduğu gözlenebilir.

Görüldüğü gibi hastalık teşhisi için canla başla çalışanlar yalnızca doktorlar değil Bizleri de unutmayın.

1 sene önce öylesine aklıma gelip giriştiğim bir proje “Sesli”. 2 gecede ortaya çıktı ve sonradan da birkaç eklemeyle son halini aldı.

Üstünden 1 yıl geçti, hiç ilgilenemedim. Bu süre zarfında seslisozluk tasarımı değiştiği için proje çalışmaz duruma gelmişti. Geçenlerde tekrar aklıma takılınca ayağa kaldırasım geldi

Fakat bu kez yeni bir şeyler öğrenmek adına, daha önce Perl ve Bash Script kullandığım projeyi Python’a taşıma kararı aldım. Planım öncelikle çatıyı oluşturup ardından pyQT, pyGTK ya da wxPython kullanarak projeye kişilik kazandırmak.

Geçen yıl Erkan Kaplan’ın sağladığı, Lapis Forum’la beraber aynı sunucuda bulundurduğu şu sayfada yayınlamıştım. Şu an sayfadaki versiyonlar işlevsiz olsa da incelemek isteyenlere açık.

Python konusunda henüz hiç bilgim olmaması nedeniyle ilginç bir tecrübe olacak. İlk izleninim olarak okunaklı bir syntax’a sahip olduğunu söyleyebilirim. Bu izlenimimden dolayı pişman olmayacağımı umuyorum. Python bilen arkadaşlara da selam ederim. Başınızı ağrıtacağım.

Şu an için Zemberek ile kelime kökü bulma işlemlerini dahil etmeyeceğim. Bu konuyu Serkan ile konuşup program içine gömüp gömemeyeceğimi sormam gerek.

Çok fazla boş vaktim olmadığını ve hiç Python bilmediğimi de göz önünde bulundurursam bu kez 2 gecede bitmeyecek Zaten ne zaman vaktim olmasa, yoğun olsam bu tür şeyler yapasım gelir. Huy işte, çıkmıyor.
Beta tester’ım hazır olsun. O kendini biliyor

Bu projede Matlab ortamında, önceden kaydedilmiş olan bir bayan sesinin “Pitch Frequency” analizi yapılarak segmentasyon işlemi gerçekleştirilmiş ve sesli/sessiz segmentler ayırt edilerek sinyalin sesli segmentlerinin ortalaması çıkarılmıştır. Proje, ses tanıma algoritmalarına giriş niteliğinde bir ön bilgi olarak sayılabilir.

İçerik

• Değişkenlerin Tanımlanması
• İşlenecek Sinyalin Matlab Ortamına Alınması
• Sinyalden DC Bileşenlerin Atılması
• Segmentasyonda Kullanılacak Değişkenlerin Belirlenmesi
• Silence Analizi İçin Gerekli Değişkenlerin Bulunması
• Silence Olan Segmentlerin Atılması
• Clipping Level Parametrelerinin Elde Edilmesi
• Segmentlerin Enerjilerinin ve Otokorelasyonlarının Bulunması
• Sonuç

Değişkenlerin Tanımlanması

Programda kullanılacak değişkenler hız kazanmak için önceden tanımlanıyor.

xseg_son=[];
mm_son=[];
cc=[];
energy=[];
pitch=[];
voiced=[];
unvoiced=[];

İşlenecek Sinyalin Matlab Ortamına Alınması
normal_female.wav dosyası x değişkenine atiliyor. Okunan sinyalin sample frekansı fs değişkeninde tutuluyor. x değişkenine atanmış olan sinyal plot ediliyor.

[x,fs]=wavread('normal_female');
close all
plot(x);
title('Okunan Sinyal');

Okunan Sinyal

Sinyalden DC Bileşenlerin Atılması

Sinyalin mean değeri kendinden çıkarılarak DC bileşenler atiliyor. Sonuç X değişkenine atılarak çizdiriliyor.

X=x-mean(x);
plot(X);
title('DC Bileseni Atilmis Sinyal Sinyal');

DC Bileseni Atilmis Sinyal

Segmentasyonda Kullanılacak Değişkenlerin Belirlenmesi

Bu kısımda segmentasyon işleminde kullanılacak parametreler belirlenip ardından buffer komutu ile belirlenen block değerlerinde segmentlere bölme işlemi gerçekleştiriliyor. Window’lar overlap miktarı kadar çakışık olarak bölünmektedir. Ardından elde edilen window’lar hamming window ile çarpılarak segmentler elde ediliyor.

block=30*fs/1000; % Segmentlerin block uzunluğunun okunan sinyalin sample frekansından bulunması
overlap=10*fs/1000;% Overlap miktarının bulunması.
xson=buffer(X,block,overlap);% Segmentasyon yapılıyor.
xson=xson.*repmat((hamming(block)),1,length(xson(1,:)));% Hamming Code İle Çarpım.

Silence Analizi İçin Gerekli Değişkenlerin Bulunması

Sinyalin sesli/sessiz kısımlarının analizi için gerekli bazı değişkenlerin tanımlamaları yapılıyor.

Maximum=max(X);% DC bileşenleri atılmış sinyalin maximum değeri bulunuyor.(Global Maximum)
maxy=(Maximum*0.05);% Silence için threshold değeri tanımlanıyor
sinyal_uz=length(xson(1,:)); % xson sinyalinin boyutları [1500,300].Burada sinyal_uz 300 değerini alıyor.

Silence Olan Segmentlerin Atılması

Aşağıdaki döngüde silence olmayan segmentler hesaplanıyor. Her segmentin maximum değeri xseg_max değişkenine atanıyor. Bu değişken de threshold değerimiz olan maxy ile karşılaştırılıyor. Silence olmayan bir değer bulunduğunda ise z değeri 1 arttırılıyor.

z=1;% Silence olmayan segmentlerin sayısını z verecek
for c=1:(sinyal_uz), % sinyal_uz=300.% Her segmentin maximumu xseg_max a atanıyor.
% Bir sonraki adımda global max. ile karşılaştırılacak.
xseg_max=max(xson(:,c));
if xseg_max >maxy % Segmentin maximumu global maximum ile karşılaştırılıyor.
xseg_son(:,z)=xson(:,c); % Silencelardan arındırılmış yeni bir "xseg_son" sinyali oluşturuluyor.
z=z+1; % Silence olmayan her segment için z 1 arttırılıyor.
else
end % if
end % for
 
xx=xseg_son(:,1:(z-1)); % xseg_son xx e atandı.
plot(xx(:));
title('Silence Atilmis Sinyal');

Silence Atilmis Sinyal

Clipping Level Parametrelerinin Elde Edilmesi

Aşağıdaki döngüde her segmentin ilk ve son üçte birlik kısmının maximumu bulunup karşılaştırılıyor. Bu karşılaştırılan iki değerden de küçük olanı mm değişkenine atanıyor. Clipping Level ı tanımlamak amacıyla elde edilen değer de 0,68 ile çarpılıyor. Segmentin bu değerden büyük olan elemanlarından bu threshold değeri çıkarılıyor. Küçük olan değerler ise doğrudan 0′a yuvarlanıyor.

for i=1:length(xx(1,:)), %i=1:300
m1=max(abs(xx(1:500,i))); % xx sinyalinin ilk 1/3 kısmının maximum elemanı bulundu
m2=max(abs(xx(1001:1500,i))); % xx sinyalinin son 1/3 kısmının maximum elemanı bulundu
mm=min(m1,m2); % Bu iki maximumdan hangisinin daha küçük olduğu belirlendi
mm_son(i)=mm*0.68; % Yukarıdaki satırda elde edilen değer 0.68 ile çarpılarak "clipping level" elde edildi
 
for j=1:length(xx(:,1)), % length(xx(:,1))=1500
if abs(xx(j,i))>mm_son(i) % Clipping level ile karşılaştırma yapılıyor
cc(j,i)=sign(xx(j,i))*((abs(xx(j,i)))-(mm_son(i))); % Clipping leveldan büyük olan bileşenlerden clipping level çıkarıldı
else
cc(j,i)=0;  % Küçük olan bileşenler ise 0 a çekildi
end  % if koşulu sona erdiriliyor
end  % 2."for" döngüsü sonu
end  % 1."for" döngüsü sonu

Segmentlerin Enerjilerinin Bulunması

Yukarıdaki döngü sonunda elde edilen cc matrisinin boyutları [1500,300]. Aşağıdaki döngüde ise her bir segment için energy hesaplanıyor. Bunun için sinyalin normunun karesi her bir kolonu için hesaplanıyor. xcorr komutu ile tüm sinyalin autocorrelation’i bulunuyor. Buradan 50Hz ile 400Hz arasindaki autocorrelation bileşenleri bulunuyor ve bunlara karşılık gelen pitch frekansları hesaplanıyor.

w=1; % Voiced segmentler için başlangıç ataması
v=1; % Unvoiced sinyaller için başlangıç ataması
u=1; % Voiced olarak düşündüğümüz bileşenlerin sayısını bu parametre gösterecek
a=[]; % Autocorrelation matrisi için başlangıç ataması
for h=1:length(cc(1,:)),  % cc nin kolon sayısı=300
energy(h)=norm(cc(:,h),2)^2; % Her segment için enerji hesaplanıyor
a(:,h)=xcorr(cc(:,h));   % İlk başta bütün cc sinyalinin autocorrelation u bulunuyor
 
% 50 Hz-400Hz arasındaki autocorrelation fonksiyonu değerlerini bulabilmek için 50 Hz ve 400 Hz frekanslarına karşılık gelen pitch  frequency değerlerinin indekslerini alıyoruz.
alt_sinir=floor(fs/400);
ust_sinir=floor(fs/50);
Rxx=abs(a((block+alt_sinir:block+ust_sinir),h));
[k l]=max(Rxx);   % Aldığımız aralıktaki en büyük sayının yerini belirliyoruz
l=l+alt_sinir;
pitch(h)=fs/l;  % Pitch Frequnecy hesaplanıyor 
 
% Segmentin sesli/sessiz oldugunu bulabilmek için autocorrelation'in 0.4*energy'den
% büyük olup olmadigi karsilastiriliyor. Eger büyükse segment seslidir ve voiced
% matrisine atiliyor, eger küçükse unvoiced matrisine atiliyor. Voiced ve unvoiced
% segment sayisi w ve v degiskenlerinde tutuluyor.
 
if k > 0.4*energy(h) % En büyük değer 0.4*energy ile karşılaştırılıyor
voiced(:,w)=cc(:,h); % Şart sağlanırsa voiced sinyaline atılıyor
w=w+1; % Koşul sağlanırsa voiced segment sayısı arttırılır.
else
unvoiced(:,v)=cc(:,h); % Şart sağlanmazsa unvoiced sinyali oluşturuluyor
v=v+1; % Unvoiced sinyal segmentleri 1 arttılır.
end
end % 1. "for" döngüsü sonu

Sonuç

En son kısımda ise sesli sinyalinin ortalaması alınıyor

sesli_ort=mean(pitch); % Voiced segmentlerin ortalaması
sesli_ort
 
sesli_ort=
232.8431

Geçtiğimiz hafta itibariyle arkadaşım Umut YÜKSEKBAŞ ile beraber tamamladığımız lisans bitirme projemizin kısa bir özetini yazmak istedim. Projemizi 16.05.2007 tarihinde sunup, 18.05.2007 tarihinde demosunu gerçekleştirmemizle birlikte, aylardır laboratuvarda yaşamamıza neden olan ömür törpümüz, sevimli mi sevimli manipülatörümüzle vedalaşma vaktimiz geldi artık. Proje raporu kitapçığını da yazdıktan sonra kendisine veda edeceğiz. Hüzünlü bir ayrılık olacak.

ÖZET
Endüstri sahalarında robot sistemlere; problemlere hızlı ve hassas çözümler getirmeleri, insan sağlığı ve güvenliğine zararlı olan pek çok faktörden etkilenmemeleri gibi sebeplerle ihtiyaç duyulmaktadır. Otomobil imal-montaj, ilaç, nükleer santraller, biyomedikal gibi alanlarda robotlar çok hassas işlerin yapımında kullanılmaktadır. Tıbbi alanda kritik ve hassasiyet gerektiren ameliyatlarda kullanılabilirler. Protez kol olarak kullanımları da yaygındır.

Projemizin çalışma konuları otomatik kontrol sistemi ve bilgisayardan gönderilen koordinatlarla robot manipülatörün konum kontrolüdür. Projemizde mekatronik bir sistemin kapalı çevrim kontrolü amaçlanmaktadır. Manipülatör sistemi, çok girişli çok çıkışlı bir sistemdir ve her eklem pozisyon denetimi için ayrı giriş sinyallerine ihtiyaç duymaktadır. Manipülatör sisteminin çeşitli yöntemlerle elde edilen dinamik modeli doğrusal değildir ve eklemlerin birbiri ile etkileşimini ifade eden bağlantılı terimler içerir. Sistemde altı serbestlik dereceli bir mekanik kol ve otomatik kontrol sistemi tasarlanmıştır. Robot manipülatörün hareketi, eklem yerlerinde bulunan DC motorlar ile sağlanır. Bu DC motorları sürmek için içinde H-Bridge (köprü) bulunan L298 entegresi ve kontrolör olarak da PIC 16F877 kullanılmıştır. Kontrolör ile PC arasındaki haberleşme Max232 seri arabirimi ile sağlanmıştır. MPLAB’ta PIC C derleyicisi kullanılarak geliştirilen algoritma ile robot manipülatörün pozisyon kontrolü sağlanmıştır. Robot manipülatörün eklemlerinden alınan analog geri besleme bilgisi PIC içerisinde bulunan ADC modülleriyle okunup, tasarlanan P.I. kontrol sistemi sayesinde istenilen konuma en az hatayla gitmesi sağlanmıştır.

SİSTEMİN BİLEŞENLERİ
Donanım Bileşeni
Projede kullanılmış olan PIC 16F877-20Mhz kontrolör içerisinde 8 adet ADC kanalı, iki adet PWM modülü bulunmaktadır. Motor sürücü entegresi olarak içerisinde iki H-Bridge (Köprü) bulunan L298 kullanılmıştır. Bu sürücüler 46 Volt kaynak gerilimine ve 4 Amper akıma kadar dayanabilmektedir. Kullanılan güç kaynağından sağladığımız gerilim değeri 15 volt olup, çekilen akım 0.5 amperi geçmemektedir. PC ‘den pozisyon bilgilerini PIC ‘e göndermek için seri arabirim olarak Max232 seri arabirimi kullanılmıştır.

Sistemin Blok Diagrami

PC ‘den gönderilen pozisyon bilgileri Max232 seri arabirim aracılığıyla PIC ‘in seri modülüne ulaşır. Robot Manipülatör eklemlerinden alınan geri besleme bilgisi PIC içerisindeki ADC modülü ile okunup, istenen analog değere yani istenen konuma gelmesi için PIC ‘in çıkışına bağlı olan L298 ‘in girişlerine sinyaller gönderilir. Geliştirilen algoritma, hatanın sıfırlanabilmesi için manipülatörün hangi yöne hareket etmesi gerektiğine karar verir ve sürücülere gerekli sinyalleri gönderir. Robot manipülatör istenilen konuma geldiğinde ise motor frenlenerek konumunu koruması sağlanır. Mikrokontrolcü ile tüm eklemlerin konumları devamlı kontrol edilir ve herhangi bir konum değişikliği algılandığında istenilen konuma tekrar gelmesi sağlanır. Algoritma aynı zamanda hatayla orantılı bir şekilde motor uçlarındaki gerilimi de değiştirerek hassas konum kontrolü sağlamaktadır.

Devre Semasi

Yazılım Bileşeni

Mikrokontrolör için geliştirilen yazılım, MPLAB ‘ta HI-TECH PICC derleyicisi ile derlenmiştir. Kontrolör tarafında gerçekleştirilen P.I. kontrol sistemi; her 6 eklem için devamlı olarak, ADC modülünden okunan geri besleme değeri ile istenen değer arasındaki farkı hesaplayarak hata değerlerini bulur. Bu hata değeri oransal Kp değeri ile çarpılır. Daha sonra hata değerlerinin integrali alınarak toplam hata bulunur ve toplam hata ile integral parametresi Ki çarpılır. Oransal ve integral kontrol sinyallerinin toplanmasıyla elde edilen kontrol sinyali belirli sınırlar içerisinde tutularak P.I. kontrol sistemi tasarlanmış olur.

Her eklem için bu hesaplama devamlı olarak yapılıp sürekli konum kontrolü gerçekleştirilir.

Robot Kol

Sistemin matematiksel modeli çıkarılamadığından tasarlanan P.I. kontrol sistemi için Ziegler-Nichols metoduna başvurulmuştur.

Controller Design

PID kontrolörün I,D katsayıları 0 yapılarak, P sistem osilasyona gidene kadar yavaş yavaş arttırılır. Sistemin osilasyona gittiği andaki P değerine Kc, osilasyon frekansına Tc denilmiştir.

Kontrol Katsayilari Tablosu

Oscillation

Ziegler-Nichols parametrelerinden yararlanılarak optimum P.I. kontrol parametreleri tespit edilmiştir ve sistemin vermiş olduğu yanıt ise aşağıda gösterilmiştir.

System Response

Grafiksel Kullanıcı Arabirimi Tasarımı
Kullanıcı arayüzü tasarımı QT designer ve Kdevelop entegre geliştirme ortamları kullanılarak C++ dilinde geliştirilmiştir. Arayüzün görünümü aşağıdaki gibidir. QT kütüphaneleri platformdan bağımsız kod üretmeyi mümkün kılmaktadır. Bu şekilde geliştirdiğimiz arayüz Unix, Linux, FreeBSD, MacOS, Windows gibi platformlarda çalışabilmektedir.

GUI

Robotun koordinatlarını belirlemek için Denavit-Hartenberg metodu kullanılmıştır. Bu metoda göre uzuvların alacağı açılar transformasyon matrisleriyle hesaplanarak açı değerleri elde edilmiştir. Bilgisayar arayüzünde hesaplanan koordinat değerleri USB veri yolu üzerinden 57600 baudrate ile mikrokontrolöre gönderilmiştir.

Forward (İleri ) Kinematics Problem
Robotik çalışmada karşılaşılan problem türlerinden biri, bilinen link dönme açı bilgileri ve robot parametreleri için robot uç nokta koordinatlarının hesaplanmasıdır. Robot hem dönme hem öteleme
hareketi yapacağından Translation (Öteleme) matris ve Rotation (dönme) matrislerinin hesaplanması gerekmektedir.

Matrisler

Bu şekilde elde edilen Transformasyon Matrisleri arayüz ile seri arabirim üzerinden kontrolcüye gönderilerek kontolün sağlanması amaçlanmaktadır. Kontrol sistemi değişkenleri istenildiği takdirde arayüzden ayarlanabilir ve sistem bu ayarlarla çalışmaya devam edebilmektedir. GUI ‘nin ayarlar kısmından seriport aygıtımızın çeşidini, hangi baudrate değeri ile haberleşileceği, kontrol sistem parametrelerini ve motor uçlarına hangi oranda gerilim uygulanacağı seçilebilir.

GUI Ayarlari

Sonuç ve Değerlendirme
Geliştirdiğimiz sistem PC ile grafik arayüzden girilen kartezyen koordinatlara göre konum kontrolü yapabilmektedir. Operatör tarafından yeni bir koordinat verilmediği sürece pozisyonunu sürekli korumakta, istenilen herhangi bir zamanda koordinat değişikliği gerçekleştirilebilmektedir. Proje
sonucunda fabrikaların tüm alanlarında kontrol ve üretim açısından, biyomedikal alanlarda yardım açısından, savunma sanayisinde güvenlik açısından, insan sağlığına zararlı durumlardan koruma açısından ve akademik uygulamalarda eğitim amaçlı kullanılması açısından çok büyük yararlar elde
edilebilecek bir tasarım ortaya çıkarılmıştır. Projenin geliştirilebilecek yönü ise tıpkı insan beyninin kollarına hükmedebildiği gibi, iki robot manipülatörünün koordineli çalışabilmesi için kontrol sistemi geliştirilebilir.

PCB

PCB