Ett KAIST-forskarteam ledd av professor Keon Jae Lee från Institutionen för materialvetenskap och teknik har utvecklat en maskininlärningsbaserad akustisk sensor för högtalarigenkänning.

Akustiska sensorer lyftes fram som en av de mest intuitiva bilaterala kommunikationsenheterna mellan människor och maskiner. Dock, konventionella akustiska sensorer använder en anordning av kondensortyp för att mäta kapacitans mellan två ledande skikt, vilket resulterar i låg känslighet, kort igenkänningsavstånd och låga igenkänningsfrekvenser för högtalare.

Teamet tillverkade ett flexibelt piezoelektriskt membran genom att efterlikna basilarmembranet i den mänskliga cochlea. Resonansfrekvenser vibrerar motsvarande områden av det trapetsformade piezoelektriska membranet, som omvandlar röst till elektrisk signal med en mycket känslig självdriven akustisk sensor.

Denna flerkanaliga piezoelektriska akustiska sensor uppvisar känslighet mer än två gånger högre och möjliggör mer riklig röstinformation jämfört med konventionella akustiska sensorer, som kan upptäcka minutljud från längre avstånd. Dessutom, den akustiska sensorn kan uppnå en 97,5 procents högtalarigenkänningsgrad med hjälp av en maskininlärningsalgoritm, minskar med 75 procents felfrekvens än referensmikrofonen.

AI-högtalarigenkänning är nästa stora sak för framtida individuella anpassade tjänster. Dock, konventionell teknik försöker förbättra igenkänningsgraden genom att använda mjukvaruuppgraderingar, vilket resulterar i begränsade taligenkänningsfrekvenser. Teamet förbättrade högtalarigenkänningssystemet genom att ersätta den befintliga hårdvaran med en innovativ flexibel piezoelektrisk akustisk sensor. Ytterligare mjukvaruförbättringar av den piezoelektriska akustiska sensorn kommer att avsevärt öka högtalar- och röstigenkänningshastigheten i olika miljöer.

Professor Lee sa, "Mycket känsliga självdrivna akustiska sensorer för högtalarigenkänning kan användas för personliga rösttjänster som smarta hushållsapparater, AI-sekreterare, alltid på IoT, biometrisk autentisering, och FinTech."