Rilevamento ambientale di eventi tramite processamento di campioni sonori = Environmental event detection by sound sample processing

Al giorno d'oggi la tecnologia riveste un ruolo fondamentale nella nostra vita quotidiana. L'uso di dispositivi e veicoli connessi è in forte crescita e si cerca costantemente di realizzare sistemi in grado di riconoscere gli eventi che accadono nell'ambiente circostante ed eseguire elaborazioni in base alla loro intelligenza. L'obiettivo di questa tesi consiste nel realizzare un sistema in grado di rilevare eventi sonori presenti nell'ambiente. Le informazioni rilevate dal sistema possono essere usate in varie applicazioni, in questo caso, nell'ambito di veicoli intelligenti per il monitoraggio di suoni di emergenza nelle città. L'applicazione è stata realizzata su un nodo sensore, ovvero un microcontrollore a bassissimo consumo STM32L496AG, sfruttando i recenti metodi di deep learning basati su reti neurali artificiali costituite da diversi strati sequenziali. Tuttavia, le risorse limitate della piattaforma impongono di ottimizzare l'algoritmo in modo da ridurre il consumo di potenza ed il tempo di esecuzione. Nonostante le tecniche di ottimizzazione introdotte è necessario realizzare un acceleratore hardware su FPGA della parte critica, ovvero l'inferenza della rete neurale. Gli strumenti di sintesi ad alto livello consentono di ottimizzare e sintetizzare automaticamente il progetto nel minor tempo possibile. Tuttavia, la sintesi mediante linguaggi di descrizione dell'hardware permetterebbe di ottenere risultati migliori in termini di risorse utilizzate e di integrare il modello su piattaforme a bassissimo consumo.