Genom att smart analysera resultaten, algoritmen kan härleda formen, rummets storlek och layout, samt plocka ut i närvaro av föremål eller människor. Resultaten visas som ett videoflöde som förvandlar ekodata till tredimensionell syn.

En viktig skillnad mellan lagets prestation och ekolokering av fladdermöss är att fladdermöss har två öron som hjälper dem att navigera, medan algoritmen är inställd för att fungera med data som samlats in från en enda punkt, som en mikrofon eller en radioantenn.

Forskarna säger att tekniken kan användas för att generera bilder genom eventuellt alla enheter utrustade med mikrofoner och högtalare eller radioantenner.

Forskningen, beskrivs i ett papper publicerat idag av datavetenskapare och fysiker från University of Glasgow i tidskriften Fysiska granskningsbrev , kan ha applikationer inom säkerhet och sjukvård.

Dr Alex Turpin och Dr. Valentin Kapitany, vid University of Glasgow School of Computing Science och School of Physics and Astronomy, är huvudförfattare till tidningen.

Dr Turpin sa:"Ekolokalisering hos djur är en anmärkningsvärd förmåga, och vetenskapen har lyckats återskapa förmågan att generera tredimensionella bilder från reflekterade ekon på ett antal olika sätt, som RADAR och LiDAR.

"Det som skiljer denna forskning från andra system är att, för det första, det kräver data från bara en enda ingång-mikrofonen eller antennen-för att skapa tredimensionella bilder. För det andra, Vi tror att den algoritm vi har utvecklat kan förvandla alla enheter med någon av dessa satser till en ekolokaliseringsenhet.

"Det betyder att kostnaden för denna typ av 3D -avbildning kan minskas kraftigt, öppnar många nya applikationer. En byggnad skulle kunna hållas säker utan traditionella kameror genom att plocka upp signalerna som reflekteras från en inkräktare, till exempel. Detsamma kan göras för att hålla reda på rörelserna för utsatta patienter på vårdhem. Vi kunde till och med se att systemet används för att spåra höjningen och fallet av en patients bröstkorg i vården, varna personalen för förändringar i deras andning. "

Tidningen beskriver hur forskarna använde högtalarna och mikrofonen från en bärbar dator för att generera och ta emot akustiska vågor i kilohertz -intervallet. De använde också en antenn för att göra samma sak med radiofrekventa ljud i gigahertz-området.

I varje fall, de samlade in data om reflektionerna av vågorna som togs i ett rum när en enda person rörde sig. På samma gång, de spelade också in data om rummet med en speciell kamera som använder en process som kallas tid för flygning för att mäta rummets dimensioner och ge en lågupplöst bild.

Genom att kombinera ekodata från mikrofonen och bilddata från kameran vid flygning, laget ”tränade” sin maskininlärningsalgoritm under hundratals upprepningar för att associera specifika förseningar i ekon med bilder. Så småningom, algoritmen hade lärt sig tillräckligt för att generera sina egna mycket exakta bilder av rummet och dess innehåll enbart från ekodata, ger den den "fladdermus-liknande" förmågan att känna sin omgivning.

Forskningen bygger på tidigare arbete från teamet, som utbildade en neuralnätverksalgoritm för att bygga tredimensionella bilder genom att mäta reflektionerna från ljusblixtar med en enda pixeldetektor.

Dr Turpin tillade:"Vi har nu kunnat demonstrera effektiviteten hos denna algoritmiska maskininlärningsteknik med hjälp av ljus och ljud, vilket är väldigt spännande. Det är klart att det finns en stor potential här för att känna världen på nya sätt, och vi är angelägna om att fortsätta undersöka möjligheterna att generera fler högupplösta bilder i framtiden. "

Lagets papper, med titeln "3D -avbildning från flervägs tidsekon, "publiceras i Fysiska granskningsbrev .