關於 數位隔離器原理 ，我們在網路上蒐集到這些相關的討論、資訊與評價

#物聯網IoT #微控制器MCU #工業感測器 #智慧家庭 #智慧電錶 #智慧醫療 #穿戴裝置

【TrustZone 杜絕非法訪問＋安全連接 AWS】

物聯網 (IoT) 設備內嵌的智慧功能越來越多，在設計之初就須將安全性考慮進去；然而，微控制器 (MCU) 是否有能力兼顧資安、實現可信賴運算 (Trusted Computing, TC)？

安謀 (Arm) 的「PSA 平台安全架構」為網路安全性原則實施提供一個通用框架，讓安全性成為 IoT 的核心設計要求；其中，TrustZone 是 PSA 的系統級安全擴展方案，已被業內廣泛應用，可在「片上」實現靈活的硬體和軟體安全隔離 (參閱：《5G 智能邊緣肩負重任，嵌入式系統的資安怎解？》http://compotechasia.com/a/feature/2020/0710/45216.html 一文)。

集成 TrustZone IP 模組得以實現可信賴運算原理，用於驗證聯網設備的身份，阻止企圖破壞設備或軟體的攻擊和入侵，並為敏感代碼創建受保護的安全執行環境，保護加密演算法和金鑰儲存的安全。擁有 PSA 認證，可對安全性進行獨立驗證，將私鑰和安全規範資訊儲存在安全區域，杜絕非法訪問。

以意法半導體 (ST) 首款採用 Arm Cortex-M33 的 STM32L5 為例，使用者可在 TrustZone 保護區內更自由地添加或移除任一 I/O、外設、快閃記憶體或 SRAM 儲存區，將敏感任務完全隔離。ST 還優化了 TrustZone，提供加強版安全功能，包括：靈活的軟體隔離、安全啟動、金鑰儲存和硬體加密加速器，支援安全啟動、片上 SRAM 和快閃記憶體專用讀防寫及保護外部代碼或資料的加密加速技術。好處是：在軟體耗盡外部記憶體時可提高取指效率。

當然，低功耗仍是必要條件，以供鈕扣電池或能量收集器長久續航——自我調整電壓調節、即時加速、功率門控和先前經市場檢驗的多種低功耗模式，讓關機模式功耗低至 33nA；另內建高效開關式降壓穩壓器，可在 VDD 電壓足夠高時改進低功耗能效，並允許運行狀態上、下電。STM32L5 不僅擁有多種數位類比外設及 CAN FD、USB Type-C 和 USB-PD 通訊介面，還備有創新「物聯網雲連接器」，可使用 Wi-Fi 互聯網通訊配置安全連接 Amazon Cloud！

延伸閱讀＆演示視頻：
《STM32L5 series of Ultra-low-power MCUs》
https://www.st.com/content/st_com/en/products/microcontrollers-microprocessors/stm32-32-bit-arm-cortex-mcus/stm32-ultra-low-power-mcus/stm32l5-series.html?ecmp=tt16577_cc_da_jul2020

#意法半導體ST #STM32L5 #安謀Arm #Cortex-M33 #平台安全架構PSA #TrustZone

{{ 貳. 談談電吉他相關 }}_17

近日，由於『中共病毒武漢肺炎』疫情肆虐，全球各國百工百業突如其來進入了一種『瞬間停格』的『體感電影』場景畫面，如果你剛好看過韓國在 2013 年就上映過的『流感』(https://zh.wikipedia.org/wiki/%E6%B5%81%E6%84%9F_(%E9%9B%BB%E5%BD%B1)) 這部電影，或是大名鼎鼎、在 2011年上映的『全境擴散』(https://zh.wikipedia.org/wiki/%E5%85%A8%E5%A2%83%E6%93%B4%E6%95%A3)，乃至於 2016年播放的冷僻改編美劇『隔離危城』(https://zh.wikipedia.org/wiki/%E9%9A%94%E9%9B%A2%E5%8D%B1%E5%9F%8E)，這些影、劇畫面與現今真實生活裡發生的既視感，真的會讓人疑惑究竟是戲如人生、還是人生如戲 …

(我們可能要祈禱的是：這 … 應該不會發展成為『全境封鎖』[https://zh.wikipedia.org/wiki/%E6%B9%AF%E5%A7%86%E5%85%8B%E8%98%AD%E8%A5%BF%EF%BC%9A%E5%85%A8%E5%A2%83%E5%B0%81%E9%8E%96
] 的慘狀吧？)

當然，在生活層面的影響，特別對於影視音娛樂產業來說，整個產業活動的急凍，來得完全措手不及；面對可能整個年度的工作行程都被取消而『非自願性』的長假，在唉聲嘆氣之餘、從積極正面的角度來想，也許這多出來的時間，正可以用來研究一些平時無暇顧及、可又是世界潮流趨勢的資訊與器材、知識，也許～ 在不久的將來，會因此而增加了自身的戰力，或至少多瞭解一些『選擇性方案』。因為了這樣的想法，所以想在此做一些資訊的分享。

當真實世界暫停下來的過程裡，網路的數位虛擬世界其實還在以可怕的速度進化演變著；如果你是從實體器材一路走來的音樂工作者 --- 當然！特別是愛用真空管音箱的電吉他手，過往，一切以『數位模擬』做為號召的產品，不論它的價位落在什麼區間，想必你都是不太樂意接受的。我當然知道真空管器材所帶來的豐沛泛音與扎實的量感、彈奏的手感，都是無與倫比的真實體驗；只是，如果以居家練習、甚至到了錄音工作需求，你也不得不承認：『那不僅僅是一組真空管音箱而已』的事情了。

特別是，如果連器材測試達人 Pete Thorn，在本週都開始做這樣的器材示範時：https://www.youtube.com/watch?v=SPzkkBMsk1g
，你可能要接受一種已經發生的事實：數位模擬與實體至少已經可以分庭抗禮。當然，Pete Thorn 的『數位演進之路』是其來有自的：他本人的簽名音箱型號『PT15 I.R.』(https://www.suhr.com/electronics/amplifiers/pt15-ir/)，就是全真空管音箱頭搭配了 IR 箱體模擬技術，以方便個人工作室宅錄時的有效音量控制 --- 而我們也很理解：真正影響著電吉他音箱音色的最主要部件，其實就是『音箱箱體』與『麥克風收音模組』，如果這兩個部件都已經『IR』數位模擬化了的話，其實，再往前去將後級部件、前級部件一一數位模擬而成為『全數位軟體模擬』(Plug in)，應該也是非常自然的進程吧？

一般來說，數位模擬的主流技術大致分為兩類，其一，在此再次引用網友『Monk』兄對於『IR』技術的解釋專文：http://monkcustom.blogspot.com/2019/04/irimpulse-response-application-tips.html，這裡提到『卷積運算』，我們可以把它視為是『箱體部件』的獨立模擬技術；而如果往前延伸，將『前級 + 後級 + 箱體 + 麥克風收音』整個視為一整組『卷積運算』，這就是『Kemper Profile』(https://www.kemper-amps.com/) 系統、類似『音色照相』的取樣技術。另外一種主流技術，則是將『構成真空管音箱的每一個零件的作用方式都逐項以數位運算方式模擬，再將零件逐項加總』的建模方式，硬體類的『Fractal Audio System』(https://www.fractalaudio.com/p-axe-fx-ii-preamp-fx-processor/) 與軟體類的『Positive Grid Bias 系列』(https://www.positivegrid.com/promo/?gclid=Cj0KCQjw9tbzBRDVARIsAMBplx8YQaZAKNbEHsjJLlCEEM2DKgKFp57iC4N98itCXOHwBeFE-EdieekaAntwEALw_wcB)，都是走這種硬功夫路線。今天所想分享的『全數位軟體模擬』產品，也都涵括在這兩種技術慨念之內。

[三. 電吉他相關器材測試]＿測試藍皮書_03 音箱模擬軟體 (Plug in) – 1

在真正進入品項簡介之前，有幾個工作重點，我想要先提出來，簡單說明一下：

(1) 現今在網路上頗有聲量的各廠牌音箱模擬 Plug in，不論是免費或付費形式，我大致都親身試彈過；而今天所分享的『付費式』產品，全都提供了『免費前期試用』的行銷方式，對於宅錄需求的經濟考量，我覺得是非常值得讚許的推廣手法。
(2) 如果你的器材連接路徑，是電吉他直接進入錄音介面來驅動軟體的話，我強烈建議在吉他與錄音介面之間，安插一個具有『Buffer』功能的任何形式效果器 (Pedal) --- 你不需要開啟它的功能，只要讓訊號經過它，這會讓你得到非常清晰乾淨的軟體驅動音色，否則，你很容易覺得軟體的音色在低頻部位一直有一種無法擺脫的『拖泥帶水的骯髒、沈滯』感。詳細的原因在附圖相片中有若干說明，另外～ 請見這個產品說明連結：https://www.waves.com/1lib/pdf/plugins/prs-supermodels.pdf
(3) 對於現今的這類型數位模擬軟體，最讓譬如 Steve Vai 這樣的大師所敬而遠之的主要病因，其實是來自彈奏時，實際撥奏與音色驅動反應呈現之間的『延遲感』(Latency)。為了解決這個延遲問題，通常我們都會將電腦的錄音軟體所設定的工作暫存區域『Buffer Size』調小；但如果你正在一個編曲工作檔案中，你很可能同時還開了許多的軟體音源，如果 Buffer Size 過小，非常容易造成音源的『爆音』或甚至跑不動程式因而當機的問題。我的建議是：在選擇數位模擬音箱軟體的品項時，盡量尋找除了從 DAW 裏呼叫使用的格式 (AU, VST, AAX) 之外，還配置有『外部獨立運作』(Stand Alone App) 格式的產品來工作：我會讓我的 DAW 維持在正常的 Buffer Size 大小 (約略是 512 ~ 1024 Samples)，來維持編曲程式的必要運作，這時，我所錄進去的吉他訊號，是完全沒有任何效果的『乾訊號』，並且，是不播放出來的；但我會在 DAW 之外的電腦桌面開啟 Stand Alone 的軟體版本，此時，我可以將這個獨立運作的軟體版本 Buffer Size 調到極小 (有時甚至可以到 32 ~ 64 Samples) 來維持彈奏時的手感，並且可以同時與編曲軟體進行同步播放與錄音 (錄進乾的訊號)，完成錄音之後，再從 DAW 呼叫同一個音色設置的預設，來對乾訊號進行類似『Re-Amping』的播放，這樣的工作模式，將會大大降低實際錄音時，Buffer Size 對於彈奏手感的困擾。

那麼～ 接下來就簡單介紹幾款近期內我覺得 C/P 值值得推薦的產品：

[壹] Kuassa Amplifikation Matchlock / Vermilion (https://www.kuassa.com/products/amplifikation-matchlock/, https://www.kuassa.com/products/amplifikation-vermilion/)
通常，數位模擬的領域中，Clean tone ~ Low Gain 音色一直都很難真的找到在手感反應與音色動態上能令人滿意的作品；大半年前，我搜尋到了這個品牌的這兩款產品並且實際使用於商業工作案時，它所提供的音色顆粒與直觀的操作方式，甚至超越了同樣是數位建模方式的 Fractal Axe-Fx ll！因此，現在只要是在這種音色範圍的工作需求，我已經很習慣同時混合兩道以上的 (包括了 Fx II 與 上述兩者其中之一，視音樂內容實際需要而決定) 聲音訊號，來得到清楚的弦聲顆粒感與華麗的音場空間。

而且！它的視覺設計真是加分啊！

[貳] MERCURIALL EUPHORIA AMP SIM (https://mercuriall.com/cms/details_xtc )
同樣是數位建模原理，這個產品的音色則是涵蓋了從 Low Gain 一直到 Heavy High Gain 的音色領域，並且帶著濃濃的 90s’風味的音箱氣質 --- 你應該會知道這是模仿哪個品牌的哪兩款音箱作品。一般說來，不論是硬體或是軟體，原廠設定的音色都很讓人不敢恭維；然而，這個作品的預設音色卻非常容易上手，不論你使用的是單線圈或雙線圈的琴，幾乎不需要什麼費事兒的調整，就能得到相當不錯的音色品質。

我特別想推崇這個產品的『後級音色模擬部件』，它真的讓音色有一種『活起來』的感覺！而『MERCURIALL』這個俄國品牌的其他產品：https://mercuriall.com/cms/ ，從圖例就可以看出各自在師法的具體對象，在嘗試過它們所有作品的免費 Demo 版本之後，我真的覺得各品項的『還原度』非常令人滿意！而整個系列對於『回頭客』都有著價格上的優惠，如果你覺得這些產品的確值得逐項入手，我會建議先購買單價最低的商品，然後再以優惠價格收購其他作品。

[參] STL Tonehub (https://www.stltones.com/products/stl-tonehub-plugin?utm_source=STL+Tones&utm_campaign=353a7a44d6-EMAIL_CAMPAIGN_2019_05_02_11_40_COPY_01&utm_medium=email&utm_term=0_949ede8d45-353a7a44d6-70838879&mc_cid=353a7a44d6&mc_eid=8dae41d5bb )
這個作品就比較像是 Kemper Profile 那一類『音色照相機』式的運作邏輯，它網羅了近代有名的吉他手 (都是樂風比較激烈、極限走向) 所調校出來的音色，做成『音色包裹』在音色平台上運作。如果你還不想額外付費去取得那些樂手的簽名音色，那麼～ 原廠提供的基礎音色其實也還算全面。只是不同於前面那兩款『數位建模』的工作原理，這一款作品的『音箱模擬部件』是無法獨立出來、去支援第三方 IR 檔案的 --- 如果你試過了前面兩款作品，也嘗試過更換第三方箱體 IR 檔案，你就會知道這類型『照相機』式的音色取樣，在功能上會略顯侷限。不過～ 這種工作邏輯的作品音色，通常都有著更『拳拳到肉』的扎實感，或許，這就是不同的市場區隔策略吧？

值得一提的是：這個品牌在前幾年都是提供免費的數位建模模擬音色，你可以從他們的產品線找到一款完全免費的『音箱頭模擬 + 箱體模擬』的套餐，那個兇殘的音色，在金屬界可算是赫赫有名得很啊！

以上。

當然！再一次，這些數位模擬的產品，在彈奏的動態上，目前依然還無法超越實體的器材；然而，如果觀察過去五年數位領域演算法發展的質量，我覺得這個走向完全無法預測它的極限；又如果再加上類比環境所有周邊設備的考量，以及工作時段、地點的機動性，整體說來，我覺得趁現在來瞭解一下這個世界展現的趨勢，應該是一個必要的選擇。

而且！第一，它不用出門就可以取得。第二，你很可能根本不會花到錢。第三 ……

啊～ 放假就是要彈吉他、研究器材、修練武功啊！啊～ 不然勒？

AI 將可快速分離人聲、各式樂器等音源，Facebook 開源 Demucs 計畫

作者 雷鋒網 | 發布日期 2020 年 03 月 11 日 10:59 |

音樂源分離，是利用技術將一首歌曲分解成它的組成成分，如人聲、低音和鼓，這和人類大腦的工作很類似，大腦可以將一個單獨的對話，從周圍的噪音和一屋子的人聊天中分離出來。

如果你擁有原始的錄音室多軌錄音，這很容易實現，你只需調整混音來分離一個音軌，但是，如果你從一個普通 MP3 檔案開始，所有的樂器和聲音都被混合到一個立體聲錄音中，即使是最複雜的軟體程式也很難精確地挑出一個部分。

Facebook AI 的研究人員已經開發了一個系統，可以做到這一點──精確度高得驚人。

創建者名叫亞歷山大‧笛福茲（Alexandre Defossez），是 Facebook 人工智慧巴黎實驗室的科學家。笛福茲的系統被稱為 Demucs，這個名字來源於「音樂資源深度提取器」，其工作原理是檢測聲波中的複雜模式，對每種樂器或聲音的波形模式建立一個高層次的理解，然後利用人工智慧將它們巧妙地分離。

笛福茲說，像 Demucs 這樣的技術，不僅能幫助音樂家學習複雜的吉他即興重複段落，總有一天，它還能讓人工智慧助理在嘈雜的房間裡更容易聽到語音指令。笛福茲說，他的目標是讓人工智慧系統擅長辨識音頻源的組成部分，就像它們現在可以在一張照片中準確地區分不同的物體一樣。「我們在音頻方面還沒有達到同樣的水平。」他說。

分解聲波的更好方法

聲源分離長期以來一直吸引著科學家。1953 年，英國認知科學家科林‧切爾瑞（Colin Cherry）創造了「雞尾酒會效應」這個詞語，用來描述人類在擁擠嘈雜的房間裡專注於一次談話的能力。

工程師們首先試圖透過調整立體聲錄音中的左右聲道，或調整均衡器設置來提高或降低某些頻率，進而隔離歌曲的人聲或吉他聲。

基於聲譜圖的人工智慧系統，在分離出以單一頻率響起或共振的樂器的音符方面相對有效，例如鋼琴或小提琴旋律。

這些旋律在聲譜圖上顯示為清晰、連續的水平線，但是隔離那些產生殘餘噪音的撞擊聲，比如鼓、低音拍擊，是一項非常艱鉅的任務。鼓點感覺像一個單一的、即時的整體事件，但它實際上包含了不同的部分。對於鼓來說，它包括覆蓋較高頻率範圍的初始撞擊，隨後是在較低頻率範圍內的無音高衰減。笛福茲說，一般的小鼓「就頻率而言，到處都是」。

聲譜圖只能將聲波表現為時間和頻率的組合，無法捕捉到這樣的細微差別。因此，他們將鼓點或拍子低音處理成幾條不連續的垂直線，而不是一個整齊、無縫的聲音。這就是為什麼透過聲譜圖分離出來的鼓和低音軌道，聽起來常常是模糊不清的。

夠聰明的系統來重建缺失

基於人工智慧的波形模型避免了這些問題，因為它們不試圖將一首歌放到時間和頻率的僵化結構中。笛福茲解釋，波形模型的工作方式與電腦視覺相似，電腦視覺是人工智慧的研究領域，旨在讓電腦學會從數位圖像中辨識模式，進而獲得對視覺世界的高級理解。

電腦視覺使用神經網路來檢測基本模式──類似於在圖像中發現角落和邊緣──然後推斷更高級或更複雜的模式。「波形模型的工作方式非常相似」，笛福茲說。他解釋了波形模型如何需要幾秒鐘來適應歌曲中的突出頻率──人聲、低音、鼓或吉他──並為每一個元素生成單獨的波形。然後，它開始推斷更高比例的結構，以增加細微差別，並精細雕刻每個波形。

笛福茲說，他的系統也可以比做探測和記錄地震的地震儀。地震時，地動儀的底座會移動，但懸掛在上面的重物不會移動，這使得附著在重物上的筆可以畫出記錄地面運動的波形。人工智慧模型可以探測到同時發生的幾個不同地震，然後推斷出每個地震的震級和強度的細節。同樣，笛福茲的系統分析並分離出一首歌曲的本來面目，而不是根據預先設定的聲譜圖結構來分割它。

笛福茲解釋，構建這個系統需要克服一系列複雜的技術挑戰。他首先使用了 Wave-U-Net 的底層架構，這是一個為音樂源分離開發的早期人工智慧波形模型。然後他還有很多工作要做，因為聲譜圖模型的表現優於 Wave-U-Net。他透過添加線性單元來微調波形網路中分析模式的演算法參數。笛福茲還增加了長短期記憶，這種結構允許網路處理整個數據序列，如一段音樂或一段視頻，而不僅是一個數據點，如圖像。笛福茲還提高了 Wave-U-Net 的速度和記憶體使用率。

這些修改幫助 Demucs 在一些重要方面勝過 Wave-U-Net，比如它如何處理一種聲音壓倒另一種聲音的問題。「你可以想像一架飛機起飛，引擎噪音會淹沒一個人的聲音」，笛福茲說。

以前的波形模型，透過簡單地移除原始音頻源文件的一部分來處理這個問題，但是它們不能重建丟失材料的重要部分。笛福茲增強了 Demucs 解碼器的能力，「Demucs 可以重新創建它認為存在但卻迷失在混音中的音頻​​」，這意味著他的模型可以重新合成可能被響亮的鐃鈸聲影響而遺失的柔和鋼琴音符，因為它理解應該呈現什麼樣的聲音。

這種重構和分離的能力使 Demucs 比其他波形模型有優勢。笛福茲說，Demucs 已經與最好的波形技術相匹配，並且「遠遠超出」最先進的聲譜技術。

在盲聽測試中，38 名參與者從 50 首測試曲目中隨機抽取 8 秒鐘進行聽音，這 50 首曲目由 3 個模型分開：Demucs、領先波形、頻譜圖技術。聽眾認為 Demucs 在品質和無偽影（如背景噪音或失真）方面表現最佳。

Demucs 已經引起了人工智慧愛好者的興趣，精通技術的讀者可以從 GitHub 下載 Demucs 的代碼，代碼用 MusDB 數據集來分離音樂源。

笛福茲解釋，隨著 Demucs 的發展，它將為人們在家中創作音樂的數位音頻工作站帶來聲音的真實性。這些工作站提供了能夠喚起特定時代或風格的合成儀器，通常需要對原始硬體進行大量的數位化改造。

想像一下，如果音樂源分離技術能夠完美地捕捉 20 世紀 50 年代搖滾歌曲中用電子管放大器演奏的老式空心電吉他的聲音，Demucs 讓音樂愛好者和音樂家離這個能力更近了一步。

資料來源：https://technews.tw/2020/03/11/using-ai-for-music-source-separation/?fbclid=IwAR1C-0LhFNEkIFUg9QS3xRQK8VKeqKIkPEx9kh7QdGamcsCfUViwyeXyqXg