没有人质疑女性在STEM领域的代表性不足。联合国教育、科学及文化组织，联合国教科文组织报告称，世界上只有28%的研究人员是女性，目前在信息和通信技术等领域的女生入学率很低，为3%，在自然科学、数学和统计学领域的入学率只有5%是女性。
尽管STEM领域缺乏多样性，但妇女不仅在各自领域推动技术进步，而且还创办了与STEM相关的企业。本文重点介绍了三位首席执行官，他们花了数年时间改进了控制和操纵通信信号的技术。他们的解决方案让无声的人讲话，倾听和识别口头命令，并有效地放大和传输无线信号，让数百万人可以交谈、发短信和上网冲浪。万博 尤文图斯
现代通信涉及技术。有手机塔，手机，Wi-Fi连接的小工具，智能扬声器和无线耳机和耳机。它们中的所有内部都是计算机芯片和算法，旨在将电磁无线电波转换为无线信号或音频。各种作品如何与围绕着创新建造的公司一样独特 - 并且通常需要复杂的工程技能与创造力的显着措施相结合。
这些创新者都突破了自己领域的极限，在全新的市场中取得了成功，或者在其他领域的竞争中脱颖而出。他们的技术改变了范式。
为无声者发声
Rupal Patel, VocaliD的首席执行官
Rupal Patel，在波士顿东北大学指导沟通分析和设计实验室开始了她作为演讲病理学家的职业生涯，后来继续在言语声学中获得博士学位。多年前，在参加辅助技术会议的同时，她看到一个与成年男子交谈的小女孩。他们都没有使用自己的声音说话，因此他们依赖于从计算机上键入的单词创建音频的语音合成器。Patel很震惊地听到这个女孩和这个男人的通用电脑语音相同。
2014年，帕特尔成立VocaliD该公司使用最先进的机器学习和基于语音的算法，定制独特和更真实的合成声音。数以百万计的人在使用他们的声音说话时遇到了困难，虽然不是所有人都需要计算机设备来交流，但很多人确实需要。这些设备能发出普通的声音，其中一些声音与著名天体物理学家斯蒂芬·霍金(Stephen Hawking)使用的声音相似。
但不一定要这样。事实证明，不会说话的人仍然能够从他们的语音盒中发出声音；是声道，即头部和颈部的腔室，不能正常地将声音过滤成语音的辅音和元音。
她说，帕特尔的想法是记录一个不会说话的人的声音，并通过从另一个年龄、大小和性别大致相同的人那里借用的单词进行过滤。VocaliD的研究团队使用了MATLAB®原型化一种将声源与代理者的声音分离的方法。帕特尔说，每个人的声音都有四个截然不同的特征:音调、响度、呼吸和鼻音，这决定了声音是在头部还是胸部共鸣更多。将这四种特征结合起来，就产生了16种可能的声音类型。通过确定代理和最终用户的语音类型，语音工程师可以找到理想的匹配。
当帕特尔和她的团队开发这项技术时，他们发现了另一组同样急需合成语音的人。这些病人，因为疾病或癌症，需要手术，使他们不能说话。知道他们将失去这种能力，这些病人可以在住院前录制自己的声音，并保存它，生成一个听起来像他们自己的合成声音。
帕特尔讲述了德克萨斯州一名60多岁男子的故事，他从未吸烟，但不知何故患上了喉癌。大约在他预定手术的前一两天，他在一本杂志上读到了一篇描述VocaliD创新的文章。他立即给帕特尔发了邮件，问她是否可以帮助他。她不确定是否有时间，但她鼓励他访问VocaliD网站上的“人类语音银行”，并尽可能多地录制样本。他成功地说了1300句话，帕特尔和她的团队能够在他的手术后重建他的声音。
帕特尔说:“我们正在取得进展，这很令人兴奋，但我也觉得我们没有触及足够多的人。”
接触更多的人意味着产生更多的收入来提高意识。为此，VocaliD也一直致力于在企业界创造与产品、公司甚至公共交通方式(如公交车或地铁)相关的独特声音。其中一个项目是让他们为一个纪念活动合成一位著名体育播音员的声音。
帕特尔说：“不仅仅是残疾人可以从这项技术中受益。我们需要更广泛的行业采用，以推动残疾人技术的发展。”。
VocaliD使用语音信号处理算法和深度学习 创建定制语音。
“那是我第一次恍然大悟，我意识到那些不会说话的人使用的是一种有限的声音。”
Rupal Patel, VocaliD的首席执行官
改进始终在线的语音和音频识别
随着从文本到音频的听写，Siri和Alexa等数字语音助手，以及响应语音命令的手机、智能手表和耳机等电子设备的普及，键盘作为界面可能在五年内基本消失。莫娜·埃尔哈提卜和她怡安保险球队准备好了。2018年，她与他人共同创立了AONDevices（AON）公司，以开发稳健、低功耗的片上算法，该算法利用人工智能（AI）为电池供电的设备提供始终在线的语音和音频监听和响应能力。
所谓的“可听设备”不仅能听到声音命令，而且可能很快就能识别与用户相关的环境声音。想象一下，耳机知道你在街上，当有需要注意的声音时可以提醒你。想象一个婴儿监视器，它能区分咯咯声和哭声，并通知父母婴儿醒了。想象一个安全系统听到玻璃破碎的声音并发出警报。
Daniel Schoch(左)、Adil Benyassine博士(中)和Mouna Elkhatib(右)于2018年共同创立了AONDevices，提供集成机器学习的低功耗信号处理设备。
“我对声音和音频非常感兴趣。”
莫纳·埃尔哈提卜，AONDevices首席执行官
作为公司的首席执行官，埃尔哈提卜充分利用了她在声音和音频领域的广泛职业生涯。她曾担任Conexant(半导体公司，提供语音和音频处理产品)的领导职务;s manbetx 845半导体和电信设备公司高通(Qualcomm);以及人工智能计算机解决方案公司BrainChip。万博 尤文图斯
拥有11项专利和4项临时专利的Elkhatib说：“我对声音和音频非常感兴趣。”。
她对技术了如指掌，从计算机芯片的架构到电路的层次。因此，她一直在寻找改进的方法。多年来，有一个问题一直困扰着她。传统的数字信号处理算法在背景噪声很大的情况下不能很好地识别音频。由于标准算法需要太多的电力来解决问题，电池电量会很快耗尽，因此电池操作设备始终处于开机状态，这一问题会进一步恶化。
AON对这个问题进行了研究，并在人工智能中找到了解决方案:深度学习神经网络可以在一系列应用中用于解决音频问题。
AON从头开始构建这些算法，并在开发和解决方案优化阶段使用MATLAB来解决他们试图解决的问题。例如，他们可能会向算法提供一些只包含语音命令的音频数据，并告诉它，“这是唯一的语音”。接下来，他们会向算法提供背景噪声并告诉它，“这是背景噪声”。然后他们可能会同时向算法提供这两种数据，并要求算法查找隐藏在背景噪声中的语音命令。随着算法在区分命令和背景噪声方面越来越出色，研究人员使测试变得更加困难，或者使算法使用越来越少的功率，同时获得相同的结果。
Elkhatib说，现在他们的超低功耗算法性能非常高，比任何传统算法都要高。
精简无线信号
纳米米首席执行官Helen Kim
作为一个孩子，在韩国，海伦金，首席执行官NanoSemi，热爱科学。她非常钦佩玛丽·居里，10岁时她就在家里做化学实验了。她说：“我父母允许我做化学实验，然后把东西炸了。”。当她上高中时，父母把家搬到了洛杉矶，金对电脑和电子产品着迷。“我对纯科学以外的技术的可能性感到敬畏，”她说。
这些可能性使她走上了一条新的道路，最终获得了博士学位。哥伦比亚大学电子工程专业。她在贝尔实验室工作了12年，在麻省理工学院林肯实验室工作了10年。2014年，她与Alexandre Megretski、Yan Li和Kevin Chuang共同创建了NanoSemi，一家改善无线通信的软件公司。
NanoSemi的核心是用来提高射频功率放大器传输无线信号的性能和效率的算法。这些放大器提供熟悉的信号，如4G、LTE和Wi-Fi。但下一代频谱，5G，提供了更快的速度和更多的带宽。思科表示，数据传输速率预计将比4G高40倍左右，Wi-Fi 6的速度预计将比最新版本的Wi-Fi 802.11ac快4倍。由于5G的存在不会消除3G、4G或其他无线标准，电子设备和设备将不得不在更小的空间内容纳所有这些产品。
“NanoSemi的方法是真正的突破性的，因为我们在降低功耗的同时提高了性能。改进的连接不仅可以使您的手机工作得更好，而且电池寿命也更长。”
纳米米首席执行官Helen Kim
这是一个很大的挑战。移动电话、计算机和通信基站上的计算机芯片在物理上受到它们能放大多少信号的限制。如果超出了它们的极限，放大器就会造成信号失真;产生“垃圾”信号，称为马刺;甚至会将信号溢出到其他无线电频道，干扰原本应该在那里的信号。解决这些问题的一种方法是在电子设备上安装更多的放大器。但是空间是有限的，增加更多的电子意味着增加更多的热量，这反过来需要更多的能量来保持凉爽。
NanoSemi的解决方案通过使用预测机器学习模型的算法来解决放大器的物理限制，以适应实时无线信号。NanoSemi的团队开发了一种方法，能够在算法中生成独特的数学函数，从而精确地预失真信号的输入。在输入上增加失真可以抵消输出上可能发生的失真。结果是一个明确而可靠的信号。
NanoSemi的团队被分为三个技术小组:一个负责创建算法，另一个负责识别射频放大器的物理限制并验证算法，第三个负责将完成的算法转换成可以嵌入半导体芯片的设计。Kim说，前两个团队使用MATLAB创建和验证这些算法，并运行测试设备。最终的设计改进了最终传输无线信号的射频功率放大器的性能和效率。“我们在推动放大器功率的同时清除这些信号，”Kim说。
纳米半导体线性化IP的开发和验证提高了射频信号的性能。
Nanosemi的客户包括5G移动设备，无线基础设施和信号处理测试设备的制造商。
Kim说:“NanoSemi的方法是真正的突破性的，我们在降低功耗的同时提高了性能。”“由于连接的改善，你的手机不仅工作得更好，而且电池续航时间也更长。”
