Η μελέτη αυτή αποσκοπεί να εμβαθύνει εμπεριστατωμένα στο ζήτημα του ελέγχου βλαβών αυτοκινήτου με την χρήση πιεζοκρυστάλλων. Οι κρύσταλλοι αυτοί είναι τοποθετημένοι στο σώμα της μηχανής και λαμβάνουν δονήσεις από το περιβάλλον τους τις οποίες μετατρέπουν σε ηλεκτρικά σήματα. Τα σήματα αυτά επεξεργάζονται κατόπιν από ένα μικροελεγκτή και συγκεκριμένα το AduC 7026 της Analog Devices. Η διάταξη μας δηλαδή είναι ικανή να ανιχνεύσει οποιαδήποτε βλάβη υπάρχει στο αυτοκίνητο η οποία επηρεάζει συστήματα εντός της εμβέλειας των πιεζοηλεκτρικών αισθητήρων οι οποίοι βρίσκονται πάνω στο σώμα της μηχανής. Η μελέτη χωρίζεται σε έξι μέρη. Στο πρώτο αναλύεται εξαρχής η κατασκευή , η λέιτουργία και τα μέρη της μηχανής του αυτοκινήτου. Στο δεύτερο αναλύεται η φύση , η λειτουργία των πιεζοκρυστάλλων και οι σχέσεις που διέπουν τη λειτουργία τους. Στο τρίτο μέρος ακολουθεί η μέθοδος με την οποία αναλύονται οι δονήσεις και εκμαιεύεται συμπέρασμα για την ορθή ή εσφαλμένη λειτουργία της μηχανής. Στο τέταρτο εξετάζεται η δομή και η λειτουργία του μικροελεγκτή, καθώς και παρουσιάζεται το λογισμικό Keil-Uvision. Στο πέμπτο παρατίθενται τμήματα του κώδικα που αναπτύχθηκε και εξηγείται η λειτουργία τους. Στο έκτο γίνεται η προσομοίωση του κώδικα. Ο κώδικας γράφτηκε σε γλώσσα προγραμματισμού C. / This thesis aims to investigate the subject of fault detection of automobile vehicles by the use of piezoelectric transducers that are placed upon the engine of the vehicle. The transducers receive the vibrations and turn them into electric signals. These signals are being processed by a microcontroller and specifically the Aduc7026 built by Analog Devices. The ordinance is capable of detecting faults in the vehicle affecting systems within the range of vibration receiving capability of piezoelectric transducers The thesis is devided into 6 parts. The 1st section deals with the construction and the operation of the internal combustion engine. In the 2nd section the nature, the operation and the mathematical formulations that define the operation of piezoelectric transducers are being analyzed. The 3rd part deals with the method by which the vibrations are analyzed so as to decide whether the engine operates normally. The 4th section deals with the structure and operation of the microcontroller and with the Keil-Uvision software. In the 5th part sections of the code are referenced and their operation is being explained. In the 6th and final part the code is being simulated. The code is written in C programming language.

Στο πλαίσιο της εργασίας αυτής πραγματοποιείται ανάλυση και εφαρμογή του διαχωρισμού ακουστικών σημάτων, τα οποία έχουν ληφθεί από το ανθρώπινο σώμα, όταν αυτό βρίσκεται σε κατάσταση ύπνου. Τα σήματα αυτά έχουν ληφθεί με τη βοήθεια μιας συσκευής πιεζοκρυστάλλων και ο διαχωρισμός τους επιτυγχάνεται με τη μέθοδο Ανάλυσης Ανεξάρτητων Συνιστωσών (ICA). Κύριος σκοπός όλων των παραπάνω είναι να χρησιμοποιηθεί η εν λόγω μεθοδολογία στη διάγνωση της αποφρακτικής άπνοιας (OSA). Στο πρώτο κεφάλαιο, παρουσιάζεται αναλυτικά η μέθοδος ICA και το μαθηματικό μοντέλο που την περιγράφει, όπως επίσης και όλα τα βήματα προεπεξεργασίας της. Στη συνέχεια αναλύεται διεξοδικά η λειτουργία του αλγορίθμου FastICA και οι ιδιότητες του, με τον οποίο υλοποιείται το πειραματικό μέρος της εργασίας αυτής. Στο δεύτερο κεφάλαιο, μελετάται η ασθένεια της αποφρακτικής άπνοιας (OSA), οι παράγοντες και η παθολογία της καθώς και το κύριο διαγνωστικό σύμπτωμα της: το ροχαλητό. Ύστερα, πραγματεύεται την διάγνωση και τους γνωστότερους τρόπους θεραπείας αυτής της νόσου και τελικά τη μέθοδο του Snoring Detection. Στο τρίτο κεφάλαιο γίνεται μια εισαγωγή στον πιεζοηλεκτρισμό, και μία μελέτη του πιεζοηλεκτρικού φαινομένου και του μαθηματικού του μοντέλου. Ακολουθεί αναφορά των ειδών πιεζοηλεκτρικών αισθητήρων με τους οποίους λαμβάνονται τα σήματα που εξετάζονται σε αυτή την εργασία. Στο επόμενο κεφάλαιο γίνεται μία σύνδεση των δεδομένων θεωρίας που αναφέρονται στα προηγούμενα κεφάλαια και μία εισαγωγή στην πειραματική μέθοδο. Στο κεφάλαιο πέντε παρατίθενται κάποια παραδείγματα εφαρμογής του αλγορίθμου FastICA με τυχαία σήματα, τα οποία έχουν σκοπό να δοκιμάσουν την απόδοση του. Στο κεφάλαιο έξι, 5 γίνεται η πειραματική διαδικασία όπου τώρα τα σήματα που διαχωρίζονται με τον αλγόριθμο FastICA προέρχονται από το ανθρώπινο σώμα. Η υλοποίηση της γίνεται σε Matlab. Έτσι, γίνεται εξαγωγή του ζητούμενου σήματος ροχαλητού και αναγράφονται κάποια συμπεράσματα για την απόδοση του αλγορίθμου. Στο τέλος της εργασίας παρατίθενται σε ένα παράρτημα όλοι οι κώδικες της MATLAB που χρησιμοποιήθηκαν για την ολοκλήρωση του πειραματικού της μέρους στα κεφάλαια πέντε και έξι. / In this particular thesis, analysis and application of separation of acoustic signals is carried out. These signals have been taken from the human body in a sleeping state. They are obtained by means of a piezocrystallic device and their separation is achieved by the method of Independent Component Analysis (ICA). The main purpose of all this is to use this methodology in order to diagnose the Obstructive Sleep Apnea (OSA). The first chapter presents the method of ICA and the mathematical model that describes it as well as all the pre-processing steps. Then it analyses, in detail, the algorithm FastICA, which is used in the experimental part of this thesis and its properties. The second chapter studies the disease of obstructive sleep apnea (OSA), its factors and its pathology and the major diagnostic symptom: snoring. Then, it discusses the diagnosis and the best known ways of treating this disease and eventually the method of Snoring Detection. The third chapter is an introduction to piezoelectricity and a study of the piezoelectric effect and its mathematical description. This is followed by a reference to the types of piezoelectric sensors which are used to obtain the signals used in this paper. In chapter five we have listed some examplesapplications of the FastICA algorithm with random signals, which are designed to test the performance. Section six is where the experimental procedure takes place. The signals derived from the human body are separated by the algorithm FastICA and the implementation is done in Matlab. In addition, some conclusions regarding the performance of the algorithm. At the end of this paper, all the MATLAB codes used for the completion of the experimental part of the chapters five and six are listed in an Annex.