情境感知裝置(例如嵌入式智慧型手機鍵盤)已問世一段時間，但形式非常有限。它們可學習常用的名稱、位置，以及短語以預知使用者的下一步，即預測性文字。同樣地，但在更高層次上，次世代智慧型音訊裝置將結合使用者專屬資料(例如位置、偏好及其他裝置感測器資料，包括音訊)，為使用者提供更好的服務。

現今的許多聲控裝置可聽取命令，並加以解讀和執行。但它們不具備情境感知能力。例如，智慧型揚聲器可能知道一些知名創作者，但如果經常要求它尋找較冷門的樂團，它就無法瞭解和學習使用者的偏好。少了情境感知，智慧型揚聲器難以提供理想的使用者體驗。

次世代隨時監聽裝置利用機器學習來瞭解使用者。情境感知可理解大自然的聲音、大城市的喧囂、使用者的語音等。裝置使用訊號處理技術和機器學習技術建立「聲學場景」和「聲學事件」的函式庫，聲學場景可能是繁忙的餐廳、上下班通勤，或在家觀看喜歡的電影；聲學事件則是在任何場景中都會聽到的特定聲音，例如收銀機聲響、喇叭聲或兒童的哭聲。

例如，為居家服務機器人增加情境感知聲學事件辨識功能經證實對於監視老年人並讓他們能夠繼續獨立生活很有幫助。機器人將某些聲學事件歸類為「警報」，可自動呼叫相關緊急服務或提醒家庭成員注意。典型事件可能是煙霧警報聲，但也可能更加細微，如在悄無聲息的廚房場景。

更有幫助的語音助理

另一種可受益於情境感知的應用是語音助理。例如，Amazon的Alexa在其Guard功能中建置此技術以改善居家安全。外出時，使用者告訴Alexa「我要出門了」，Guard功能使用此情境啟動警報監聽功能。內建的音訊分析可自動識別危急的聲音事件，例如煙霧或一氧化碳警報和玻璃破碎聲，如果在使用者外出時聽到玻璃破碎的聲音，它就知道要發出智慧警報。

還有許多其他應用可利用音訊分析來改善整體安全。例如，它可以補足影像監控系統以進一步保護智慧城市中的人或學校中的學生。

處理資料

理解來自多個感測器的所有資料需要精確的聲學場景分類和事件辨識。此過程必須即時進行，同時確保將各個感測器的錯誤或偏差納入考量，以免不斷地重新校正。感測器融合或感測器處理，將使用者的資料與音訊資料結合以將情境帶入語音命令，讓裝置能夠提供更準確的回應。使用個人資料可能衍生隱私問題，但由於在裝置內執行處理，因此能降低安全漏洞的風險。

CEVA的SenslinQ平台整合所有必要的硬體和韌體以自動聚合感測器資料，為智慧型裝置創造情境感知。使用過濾技術和訊號處理並應用先進的演算法，創造「情境致能器」。其中包括活動分類、語音和聲音偵測，以及存在和鄰近偵測。將感測器處理的工作負載集中並在晶片上融合「情境致能器」之後，裝置將開始瞭解並適應周遭環境。

活動簡介

從無線連接、更快的處理和運算、網路安全機制、更複雜的虛擬實境(VR)到人工智慧(AI)等技術，都將在未來的每一個嵌入式系統中發揮更關鍵功能。「嵌入式系統設計研討會」將全面涵蓋在電子產業最受熱議的「智慧」、「互連」、「安全」與「運算」等系統之相關硬體和軟體設計。

會中將邀請來自嵌入式設計相關領域的研究人員、代表廠商以及專家，透過專題演講、產品展示與互動交流，從元件、模組到系統，從概念設計到開發工具，深入介紹嵌入式系統設計領域的最新趨勢、創新和關注重點，並深入分享關於嵌入式系統設計的經驗、成果以及遇到的實際挑戰及其解決方案。

贊助廠商

立即報名