Реализация сети интернета вещей для мониторинга звуковой информации на микропроцессоре и контроллере

Предметом исследований является разработка и реализация структур сети Интернета вещей (ИВ IoT) для контроля и анализа звуковой информации на базе микропроцессора (МП) Raspberry и контроллера Arduino. Цель статьи ‒ детализировать процесс разработки сети мониторинга звуковой информации на основе IoT и оценить результаты. Авторы разработали два варианта структур IoT для мониторинга и анализа звуковой и голосовой информации. Сеть IoT включает в себя датчик звука (микрофон), блок для анализа полученной от него информации и модуль принятия решений. Приведена схема первой структуры ИВ для оценки уровня звука на базе МП и контроллера.

Детализирован алгоритм функционирования сети интернета вещей для анализа голосовой информации. Он включает получение информации с микрофона, передача этой информации на МП, обработку ее по определенным правилам, формирование решения контроллером и выдача рекомендаций пользователю. Алгоритм реализован в сети ИВ, включающей микрофон, МП Raspberry, контроллер Arduino, программное обеспечение, приложения для оператора.

Был создан прототип сети ИВ для анализа голосовой информации и проведены эксперименты для проверки ее функционирования. Распознаватель звука был обучен с использованием различных аудиосэмплов. Система анализа голосового звука была протестирована в четырех сценариях: с большим и малым количеством фонового шума, громким и тихим голосом. Анализ результатов эксперимента показал, что система ИВ анализа голосового звука работает лучше, когда голос громкий, а также и в том месте, где обстановка с минимальным фоновым шумом.

1. UNE-ISO 1996-1:2005. Acoustics: Description, Measurement and Assessment of Environmental Noise. Basic Quantities and Assessment Procedures; ISO: Geneva, Switzerland, 2005.

2. Passchier-Vermeer, W.; Passchier, W.F. Noise exposure and public health. Environ. Health Perspect. 2000, 108,123–131.

3. Вишняков, В.А. Подход к распределенной многоагентной системе обработки звуковой информации окружающей среды / В.А. Вишняков, Б.Х. Сайя // Системный анализ и прикладная информатика, 2019, № 3. – С. 47-53.

4. Kasim, Mohammad; Khan, Firoz. Home Automation using Raspberry Pi-3.

5. McManus, S. (2014). Raspberry Pi for dummies. John Wiley & Sons.

6. Arduino. Arduino open-source prototyping platform. http://www.arduino.cc, 2012.

7. Lane, N.D., Georgiev, P., Qendro, L. Deepear: robust smartphone audio sensing in unconstrained acoustic environments using deep learning, in Proceedings of the 2015 ACM International Joint Conference on Pervasive and Ubiquitous Computing. ACM, 2015. Pp. 283–294.

8. Speech Recognition Application for the Speech Impaired using the Android-based Google Cloud Speech API Article · December 2018.

9. SN Endah, S Adhy, S Sutikno. Comparison of Feature Extraction Mel Frequency Cepstral Coeffi and Linear Predictive Coding in Automatic Speech Recognition for Indonesian. TELKOMNIKA Telecommunication Computer Electronics and Control. 2017; 15(1): 292.

10. H Purwanto. Ortopedagogik Umum. Yogyakarta. IKIP Yogyakarta. 1998.

11. M Stenman. Automatic speech recognition an evaluation of Google Speech. UMEA University. 2015.