Energiatehokas ja tarkka mittausjärjestelmä

Osakan yliopiston tutkijat ovat kehittäneet uraauurtavan energiatehokkaan ja erittäin tarkan mittausjärjestelmän, joka hyödyntää saman signaalilähteen tuottamien aaltomuotojen luontaista samankaltaisuutta.

Toisin kuin mustan laatikon menetelmät, kuten generatiivinen tekoäly, järjestelmä perustuu pakatun tunnistuksen teoreettiseen viitekehykseen. Tämä innovatiivinen lähestymistapa vähentää merkittävästi tarkkaan signaalintoistoon tarvittavan datan määrää, mikä johtaa merkittäviin energiansäästöihin.

Puettavien laitteiden ja IoT-antureiden yleistyminen on korostanut akun käyttöiän ja latausvaatimusten kriittisiä haasteita. Tarkkojen mittausten saavuttaminen samalla kun minimoidaan energiankulutusta, on osoittautunut erityisen vaikeaksi ja vaatinut uusia teknologisia läpimurtoja. Perinteiset menetelmät antureiden energiankulutuksen vähentämiseksi usein vaarantavat aaltomuodon toiston tarkkuuden.

Tämän kompromissin ratkaisemiseksi Osakan yliopiston tutkimusryhmä kehitti vuonna 2023 kehittämänsä aaltomuodon samankaltaisuuteen perustuvan mittausteorian pohjalta järjestelmän, joka saavuttaa sekä energiatehokkuuden että suuren tarkkuuden.

Tämän innovaation ydin on yhteisestä lähteestä tulevien aaltomuotojen luontaisen samankaltaisuuden hyödyntäminen. Tämä mahdollistaa merkittävän datamäärän vähentämisen samalla, kun säilytetään signaalin rekonstruointi korkean tarkkuuden periaatteella. Toisin kuin mustan laatikon menetelmät, kuten generatiivinen tekoäly, järjestelmä perustuu pakatun tunnistuksen eksplisiittiseen teoreettiseen viitekehykseen.

Tutkijat toteuttivat EEG-mittausjärjestelmän käyttämällä helposti saatavilla olevia komponentteja, mukaan lukien yleiskäyttöinen mikrokontrolleri (nRF52840). Tämä järjestelmä minimoi virrankulutuksen vaikuttavaan 72 μW:iin kaikissa mittaustoiminnoissa analogia-digitaalimuunnoksesta langattomaan tiedonsiirtoon.

Hyödyntämällä aaltomuotojen samankaltaisuuksia aiemmin tallennettujen muiden koehenkilöiden EEG-tietojen ja nykyisen koehenkilön tietojen välillä, järjestelmä saavutti erittäin tarkan aaltomuotojen toiston, joka osoitti normalisoidun keskiarvoneliövirheen (NMSE) olevan 0,116 keskiarvolla 500 mittauksen aikana.

Tämän energiatehokkaan ja erittäin tarkan mittausjärjestelmän onnistuneella demonstroinnilla, jossa käytetään EEG-mittaukseen tarkoitettuja valmiita komponentteja, on kauaskantoisia vaikutuksia. Se avaa jännittäviä uusia mahdollisuuksia puettaville laitteille, jotka pystyvät jatkuvaan ja pitkäaikaiseen biosignaalien seurantaan ja joita käyttävät kompaktit ja kevyet akut.

Lisäksi se mahdollistaa omavoimaisten, akkuvapaiden IoT-laitteiden ja infrastruktuurin valvonta-antureiden kehittämisen energiankeruuteknologioita hyödyntäen.

Nämä edistysaskeleet lupaavat merkittäviä panoksia kestävään kehitykseen eri aloilla, kuten terveydenhuollossa, vanhustenhoidossa, katastrofivalmiudessa ja ympäristön seurannassa.

Aiheesta aiemmin:

Mittaus- ja kuvaustarkkuuden ennätyksiä

Edistynyt mittaustekniikka tuleville puolijohteille

Kvanttista mittaustekniikkaa teollisuuteen