dc.contributor.advisor | Engan, Kjersti | |
dc.contributor.author | Stensland, Øyvind | |
dc.date.accessioned | 2017-09-21T07:27:01Z | |
dc.date.available | 2017-09-21T07:27:01Z | |
dc.date.issued | 2017-06-09 | |
dc.identifier.uri | http://hdl.handle.net/11250/2455883 | |
dc.description | Master's thesis in Cybernetics and signal processing | nb_NO |
dc.description.abstract | Trening på hjerte- lungeredning (HLR) utføres ofte i skolesammenheng med MiniAnne-dukker. Disse lager dobbel klikkelyd når det komprimeres dypt nok. Dersom elevene kan få en tilbakemelding på hvor bra HLR utføres, kan dette skape konkurranse blant elevene og følgelig bedre kompresjoner. Ideen er at hver elev bruker sin egen smarttelefon til å detektere korrekte kompresjoner for sin dukke. Dataene kan presenteres for alle elevene på en felles skjerm. Det blir også lettere for veileder å vite hvilke elever som trenger mest hjelp.
I rapporten er det utforsket mulighetene til å detektere klikkelyder fra MiniAnne med en smarttelefon. Datamateriellet som brukes i eksperimentene er samlet inn underveis ved hjelp av ansatte på Laerdal, familie og kamerater. Totalt 7 datasett ble samlet inn underveis.
Totalt tre forskjellige metoder ble testet for å detektere kompresjoner. Template matching, blind source separation og adaptiv amplitude terskling. I template matching konvolveres lydsignalet med en mal før kompresjonene detekteres med adaptiv terskling. I adaptiv amplitude terskling detekteres toppunkt over en terskelverdi. Dette brukes til å finne doble klikkelyder som er tilfelle for en kompresjon som er dyp nok. I blind source separation skilles lyden fra hver dukke fra hverandre før det gjøres en adaptiv amplitude terskling.
Av de tre forskjellige metodene som ble testet gav blind source separation dårligst resultat. Det var vanskelig å skille lyden fra hver dukke fra hverandre. Bedre gikk det med Template matching hvor resultatene ble relativt gode. Her ble rundt 80% av kompresjonene ble detektert. Den enkleste metoden, adaptiv amplitude terskling gav best resultater hvor opp mot 100% av kompresjonene ble detektert.
Konklusjonen fra oppgaven er at det fungerer å detektere kompresjoner fra MiniAnne som er dype nok med en smarttelefon. En avstand mellom personer på over 1.2m i hver retning vil bli anbefalt for at kompresjonsdeteksjonen skal være tilstrekkelig robust. | nb_NO |
dc.language.iso | nob | nb_NO |
dc.publisher | University of Stavanger, Norway | nb_NO |
dc.relation.ispartofseries | Masteroppgave/UIS-TN-IDE/2017; | |
dc.rights | Navngivelse 4.0 Internasjonal | * |
dc.rights.uri | http://creativecommons.org/licenses/by/4.0/deed.no | * |
dc.subject | informasjonsteknologi | nb_NO |
dc.subject | signalbehandling | nb_NO |
dc.subject | automatisering | nb_NO |
dc.subject | hjerte–lunge-redning | nb_NO |
dc.subject | hjerte- og lungeredning | nb_NO |
dc.title | Deteksjon av kompresjoner ved bruk av lydopptak fra smarttelefon under trening på hjerte- lungeredning | nb_NO |
dc.type | Master thesis | nb_NO |
dc.subject.nsi | VDP::Teknologi: 500::Informasjons- og kommunikasjonsteknologi: 550::Teknisk kybernetikk: 553 | nb_NO |