Ακουστικά βαρηκοιας τεχνολογίας νευρωνικών δικτύων DNN, AI

Η τεχνητή νοημοσύνη, AI είναι το πρωτεύων ολοκληρωμένο σύστημα, ακολουθεί η μηχανική εκμάθηση των μηχανών Machine Learning, ML όπου είναι υποσύνολο της AI και μετά είναι το σύστημα Deep Learning, όπου είναι υποσύνολο του ML

Τα νευρωνικά δίκτυα, Deep neural network, DNN, αποτελούν την βάση των αλγορίθμων του ML. Τα DNNs αναλύουν και μεταφράζουν ταχύτατα τεράστιο όγκο δεδομένων, έτσι ώστε τα ακουστικα βαρηκοιας να προσφέρουν υψηλή ποιότητα ήχου, βελτιωμένο signal-to-noise ratio (SNR) για καλύτερη κατανόηση της ομιλίας σε περιβάλλον θορύβου. Ουσιαστικά οι κατασκευαστές ακουστικών δημιουργούν ένα software με βάση το DNN, όπου "μαθαίνουν" στα ακουστικά βαρηκοΐας να αναγνωρίζουν ακουστικές πληροφορίες ταχύτατα, να τις επεξεργάζονται και να τις ενισχύουν όσο το δυνατόν με φυσική αίσθηση ακοής.

Όλα τα ακουστικά βαρηκοιας με ενσωματωμένο σύστημα DNN δεν αποδίδουν στον ίδιο βαθμό
Εξαρτάται απο τον τύπο επεξεργαστή που έχουν, την ποιότητα και την σχεδίαση του προγράμματος DNN που τρέχουν στον επεξεργαστή τους. Οπότε, ο επεξεργαστής ήχων του ακουστικου πρέπει να είναι ειδικά σχεδιασμένος για να μπορεί να εκμεταλλευτεί πλήρως τα πλεονεκτήματα της τεχνητής νοημοσύνης. Μολονότι, τα ακουστικά βαρηκοιας, μπορούν να βελτιώσουν την ακοή, βελτιώνοντας την ποιότητα ζωής των ανθρώπων με βαρηκοια, η δυσκολία στην κατανόηση της ομιλίας σε δύσκολο περιβάλλον θορύβου παραμένει μια πρόκληση. Γι' αυτό και χρησιμοποιούνται εξελιγμένα συστήματα επεξεργασίας για την κατευθυντικότητα του ήχου(Dir mic) και ειδικοί αλγόριθμοι καταστολής θορύβων, που βελτιώνουν την διακριτική ικανότητα, όπως για παράδειγμα σε χώρους που δημιουργείται αντήχηση με πολύ απαιτητικό ακουστικό περιβάλλον, με στόχο να γίνει η αναλογία του σήματος προς θόρυβο επιθυμητή.

Νέες μέθοδοι για την επεξεργασία σήματος στα ακουστικα βαρηκοιας
Με την εφαρμογή της τεχνολογίας DNN στα ακουστικά αλλάζει τελείως ο τρόπος σχεδίασης αλγορίθμων για την επεξεργασία του ήχου. Οι μετρήσεις που λαμβάνονται απο τους αισθητήρες ακουστικών όπως, sound pressure level, SNR και ακουστικές παράμετροι εισερχόμενων ήχων σε διάφορες συχνότητες, για υπολογισμό και ενίσχυση του κέρδους στα ακουστικά αλλάζουν με την τεχνολογία DNN, όπου η επεξεργασία του σήματος στα ακουστικά θα γίνεται βάση της μεθόδου data learning, δηλαδή, δημιουργούνται νέοι αλγόριθμοι βασισμένοι σε δεδομένα που συλλέγονται για την μηχανική εκμάθηση των ακουστικών. Αυτό θα έχει ως αποτέλεσμα, τα "εκπαιδευμένα" ακουστικά να συμπεριφέρονται πιο έξυπνα και να αποδίδουν φυσιολογικότερη αίσθηση αντίληψης των ήχων, ακόμη και σε απαιτητικό ακουστικό περιβάλλον.


Με εκτίμηση

Στέφανος Ποντιούδης
Ειδικός - Τεχνικός Ακουστικών Βαρηκοΐας
Ηλεκτρονικός Μηχανικός


Κέντρο Εφαρμογής Ακουστικών Βαρηκοΐας Ακμονας
Πλατεία Χαριλάου, Θεσσαλονίκη
Συμβεβλημένοι με τον ΕΟΠΥΥ
Τηλέφωνο: 2310 307503