继续昨天的分享。打开NanoEge AI studio后，单击n-Class Classification选择它作为项目类型，新建项目；然后单击“CREATE NEW PROJECT”来创建项目。不同的软件版本，界面会有一些差别。建立新的项目名称，如图1所示:
2 x. g- R( u* z# {
: h) _# w7 {- J- l" e' o图1
) W9 i5 G( F! W8 ]% y# n
Name中输入项目名称，暂输入STWIN-DTMF。 选择板卡，选择麦克风，点击Next，进入第二步signals,点击Add signals,弹出的对话框中选择From serial(USB).然后弹出import signal窗口，如图2所示：
; n$ |) u8 }4 ]' b
. x' g1 z* F: v# L图2
选择端口，波特率选择921600，maximum number of lines 选择200，采样数选大一点会更好。class name 修改为key1,如果这个地方是file name，可能有些步骤有点问题，会影响会面的程序。OK，打开手机音频发生器，长按1，放到板卡的麦克风附近，静止或移动都可以。点击软件的START/STOP开始采样，直到采样完毕，点击Continue。采样完毕如图3所示:

8 {2 V# x% P6 `6 F2 L% I3 y图3
- r$ Y- z5 Q2 Y- \7 E2 B0 ^
/ R, H" L: x: \; K; x* l这里暂时之采样1和2的声音。
9 n) y$ [- @( x. m. v0 |进入第三步benchmark,如图4所示:
; o6 i% l1 D2 H
. ], D6 F7 @4 J1 }) C6 Y图4

; U! ?4 }* N+ D. T) r点击开始，自动基准测试，当达到所需性能时，可以停止基准测试。进入第四步Validation,选择最好的一个可以进行验证，这里测试跳过。
进入第五步，Deployment,选择如图5所示:

图5
8 q. t7 [# |  [0 n: C* D3 [
, A, V" `0 Y2 B: `5 Z点击compile library,在弹出的对话框出保存库文件。
解压缩库文件后，如图6所示:
3 ^: _0 R$ E) J5 Q2 d& ?# _8 }. J
- F! C  P* R: n: |! R图11
8 J0 Y- J2 S8 E/ R4 R( b; o
4 j" H) Q. f! C用于分类的 NanoEdge AI 静态库是包含 AI 模型（例如，作为信号处理、机器学习模型、优化调整的超参数等的集合）的代码，旨在识别某一类中的传感器模式。所有类别均由用户在 NanoEdge™ AI Studio 中定义，并在 AI 模型的训练过程中使用。
文件里libneai.a是分类器的C/C++静态库，knowledge.h是包含知识缓冲区声明的头文件，NanoEdgeAI.h是包含函数原型和示例声明的头文件。copy这三个文件替换掉下载STWIN_DTMF_Classifier\Core里的文件。使用STM32CubeIDE打开项目。
将NanoEdgeAI.h中的部分代码copy到main函数/* USER CODE BEGIN PV */和/* USER CODE END PV */之间，如图7所示：

图7
$ f) X: E  O6 T& T; `9 O
然后进行编译，这里花了不少时间，一直提示no st-link detected。更新libusb-1.0.dll也不管用，最后AI提示在IDE的Help中有一个ST-LINK Upgrade,如图8所示:
& t! P$ \3 N1 r7 k! \: W7 X
图8
更新后就OK了。
download程序后，打开Tera term，在选项用有一个串口，选择端口，波特率，如图9所示:
+ A( g; m1 D$ J
, U+ S) G8 P+ q+ E! ]4 s* T图9

# l8 C$ }2 Z! a+ ~/ |& f点击连接，可以看到不断的在输出。如图10所示：
1 a; b  k% a. T* @$ P
图10

打开声音发生器，靠近板卡，播放1，就会key1的位置，播放2，就会听到key2的位置。
这就是整个的音频分类器的实现过程，可扩展性很强，代码可以自己继续修改，实现更好的显示和功能，也可以使用其他传感器，比如加速度，比如震动传感器继续学习，测试。期待下一个测试项目。

" {4 Z+ r; D8 n. h* u* z