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，全球只有28%的研究人员是女性，目前在信息和通信技术等领域的女学生入学率很低，仅为3%，目前在自然科学、数学和统计学领域的女学生仅占5%。
尽管STEM领域缺乏多样性，但女性不仅在各自的领域推动技术进步，还创立了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控制和操纵通信信号的技术。他们的解决方万博 尤文图斯案为无声者提供语音，倾听和识别口头命令，并有效放大和发送无线信号，使数百万人可以通话、发短信和上网。
现代通信涉及到技术。有手机信号塔，移动电话，wi - fi连接的设备，智能音箱，无线耳机和耳机。它们内部都装有计算机芯片和算法，旨在将电磁无线电波转换为无线信号或音频。每一家公司的运作方式都是独一无二的，就像围绕着创新而建的公司一样——通常需要复杂的工程技术和非凡的创造力相结合。
这些创新者都突破了自己领域的极限，在全新的市场中获得成功，或在其他市场的竞争中脱颖而出。他们的技术改变了范式。
让无声的人发声
鲁帕尔·帕特尔，VocaliD的首席执行官
波士顿东北大学通信分析与设计实验室主任鲁帕尔·帕特尔(Rupal Patel)的职业生涯始于语言病理学家，后来获得了语言声学博士学位。几年前，在参加一个辅助技术会议时，她看到一个小女孩正在和一个成年男子交谈。他们两人都不能用自己的声音说话，所以他们依靠语音合成器从电脑上输入的单词中生成音频。帕特尔听到这个女孩和那个男人的声音是一样的，感到很震惊。
2014年，帕特尔成立VocaliD，它使用最先进的机器学习和基于语音的算法来定制独特和更真实的合成声音。数百万人说话有困难，虽然不是所有人都需要电脑设备来交流，但很多人需要。这些设备产生通用的声音，其中一些类似于著名天体物理学家斯蒂芬·霍金使用的声音。
但事情并不一定是这样的。事实证明，不能说话的人仍然能够从他们的喉部发出声音;是声道，即位于头部和颈部的腔室，无法正常工作，将声音过滤成语音中的辅音和元音。
帕特尔说，她的想法是记录一个不会说话的人发出的声音，然后通过从另一个年龄、身材和性别差不多的人那里借来的单词进行过滤。VocaliD的研究团队使用了MATLAB®建立一个将声音源与代理声音分离的方法的原型。帕特尔说，每个人的声音有四个明显的特征:音调、响度、呼吸和鼻音，这决定了声音是在头部还是胸部产生更多共鸣。结合这四种特征可以产生16种可能的声音类型。精确定位代理和终端用户的语音类型，使语音工程师能够找到理想的匹配。
当帕特尔和她的团队开发这项技术时，他们发现另一群人同样迫切需要合成语音。这些病人因为某种疾病或癌症，需要做手术而不能说话。知道自己将失去这种能力，这些患者可以在住院前录下自己的声音，并保存下来，生成一个听起来像自己的合成声音。
帕特尔讲述了得克萨斯州一名60多岁的男子的故事，他从不吸烟，但不知何故患上了喉癌。大约在他预定的手术前一两天，他在一本杂志上读到一篇描述VocaliD创新的文章。他立即给帕特尔发邮件，问她是否可以帮助他。她不确定是否还有时间，但她鼓励他访问VocaliD网站上的“人类声音库”，尽可能多地记录样本。他成功地说了1300句话，帕特尔和她的团队在手术后重建了他的声音。
帕特尔说:“我们正在取得进展，这令人兴奋，但我也觉得我们没有接触到足够多的人。”
接触更多的人意味着产生更多的收入来提高人们的意识。为此，VocaliD也一直在与企业合作，创造与产品、公司甚至公共交通方式(如公共汽车或地铁)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主持人的声音。
“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边界向前发展，”Patel说。
VocaliD使用语音信号处理算法和深度学习 创建自定义语音。
“这是我第一次意识到，那些不会说话的人通过设备说话，他们使用的声音是有限的。”
鲁帕尔·帕特尔，VocaliD的首席执行官
改进实时语音和音频识别
随着文本到音频的听写、Siri和Alexa等数字语音助手以及响应语音指令的手机、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队员们准备好了。2018年，她与人共同创立了AONDevices (AON)公司，开发健壮、低功耗、片上算法，使用人工智能(AI)为电池供电的设备提供全天候监听和响应语音和音频的能力。
所谓的“可听设备”不仅能听到语音指令，还能很快分辨出与用户相关的环境声音。想象一下，耳机知道你在街上，当有你需要注意的声音时，它会提醒你。想象一下一个婴儿监视器，它能分辨咯咯笑和哭的区别，并能通知父母婴儿醒了。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。
“我对语音和音频非常有激情。”
AONDevices首席执行官莫娜·埃尔哈提布说道
作为该公司的首席执行官，Elkhatib借鉴了她在语音和音频方面的丰富职业生涯。她曾在Conexant(一家提供语音和音频处理产品的半导体公司)担任领导职务;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
“我对语音和音频有很大的热情，”Elkhatib说，他拥有11项专利和4项临时专利。
她对技术了如指掌，从计算机芯片的结构到电路的层次都了如指掌。因此，她一直在寻找改善它的方法。多年来，有一个问题一直困扰着她。当背景噪声很大时，传统的数字信号处理算法不能很好地识别音频。由于标准算法需要太多的电量来解决这个问题，很快就会耗尽电池，所以这个问题对于一直使用电池的设备来说会更加严重。
AON研究了这个问题，并在AI中找到了解决方案:深度学习神经网络可以用于解决一系列应用中的音频问题。
AON从零开始构建这些算法，并在开发和解决方案优化阶段使用MATLAB，以解决他们试图解决的问题。例如，他们可能会向算法输入一些只包含语音命令的音频数据，并告诉算法:“这只是语音。”接下来，他们会给它输入背景噪音，并告诉它，“这是背景噪音。”然后，他们可以向它提供这两种信息，并让它找到隐藏在背景噪音中的语音命令。随着算法从背景噪声中更好地区分命令，研究人员将测试变得更加困难，或简化算法以使用越来越少的能量，同时实现相同的结果。
Elkhatib说，现在他们有了能在非常高的水平上执行的超低功耗算法，比任何传统算法都要高。
简化无线信号
海伦·金，NanoSemi的首席执行官
在韩国，海伦·金还是个孩子的时候NanoSemi他热爱科学。她非常崇拜玛丽·居里，10岁时就能在家做化学实验了。“我的父母允许我有一个化学装置，可以炸东西，”她说。上高中的时候，她的父母举家搬到了洛杉矶，金迷上了电脑和电子产品。“我对纯科学之外的技术的可能性感到敬畏，”她说。
这些可能性让她走上了一条新的道路，最终她获得了哥伦比亚大学(Columbia University)的电气工程博士学位。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，她与亚历山大·梅格雷茨基(Alexandre Megretski)、李燕(Yan Li)和凯文·创(Kevin Chuang)共同创立了NanoSemi软件公司，改善无线通信。
NanoSemi的核心是旨在提高无线信号传输的射频功率放大器的性能和效率的算法。这些放大器传输熟悉的信号，如4G, LTE和Wi-Fi。但下一代频谱，5G，提供更快的速度和更多的带宽。思科称，wifi的数据速率预计将是4G的40倍左右，Wi-Fi - 6的速度预计将是最新版本的Wi-Fi 802.11ac的4倍。因为5G的出现不会消除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，因为我们在提高性能的同时降低了功耗。由于连接方式的改善，你的手机不仅工作得更好，电池的续航时间也更长。”
海伦·金，NanoSemi的首席执行官
这是一个巨大的挑战。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的信号的限制。如果超出它们的极限，放大器就会造成信号失真;产生“垃圾”信号，即刺激信号;甚至将信号溢出到其他无线电频道，干扰本该在那里的信号。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，这反过来又需要更多的能量来保持凉爽。
NanoSemi的解决方案解决了放大器的物理限制，算法使用预测机器学习模型来实时适应无线信号。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，从而精确地预先扭曲信号的输入。在输入中添加失真可以抵消输出中可能发生的任何失真。结果是一个清晰可靠的信号。
NanoSemi的团队被分成三个技术小组: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化为可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。最终的设计提高了最终传输无线信号的射频功率放大器的性能和效率。“我们在推动放大器电源的同时清除这些信号，”Kim说。
纳米半线性化IP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。
“NanoSemi的方法是真正的突破性的，因为我们在提高性能的同时降低了功耗，”Kim说。“由于连接方式的改善，你的手机不仅工作得更好，电池的续航时间也会更长。”
