+ b. A5 q- i; K2 @, p+ p( c9 Q: b     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:
! M% J) O6 G0 T1 b( h# c! U
1 ~' A- R7 F/ O% K, G, Y" c0 _" K$ d图1

/ j0 m5 Z( k. k" X  M# \  i9 b! o/ O, P0 bName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：
+ O. |$ V' @* L7 I8 @& C% ~
$ ^: I! B  J% Q0 k1 z  m图2
* v! i; S9 B3 T! }+ B/ y" G* ]* U8 F% v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:

& V4 B2 y. |) t( o) w图3
; F1 w( Y: y3 }0 L9 D" @- `
! o* n' s% v+ X6 M( C( K8 z这里暂时之采样1和2的声音。
进入第三步benchmark,如图4所示:

7 n3 D) s( C! e9 t6 V/ z0 o& P图4

* x! E6 i" o) t2 Z6 |8 i' O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。
3 o; @/ k* _" V: \进入第五步，Deployment,选择如图5所示:
7 P- H9 B( |  Z' z/ q7 ?
图5

点击compile library,在弹出的对话框出保存库文件。
6 I# D2 H" a$ c1 G解压缩库文件后，如图6所示:

图11
4 E) G# e8 u3 _0 `+ e2 j
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。
8 {1 l; L9 Y  G+ r( T- \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。
# _0 }- I  o3 d1 z( j  J8 }' p# v9 X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

, ~) \. y" T: X0 X- x. s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:

& g9 V' A6 |) u* I% _& ~& M7 n2 S图8
更新后就OK了。
" @% F2 q# ~8 Vdownload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:

图9
( \: m5 B* {' h" k, F. o7 |1 L. Q
! p3 n/ e/ F1 u: j) y  B: E点击连接，可以看到不断的在输出。如图10所示：
0 J4 o' a3 B: e
图10

9 i' X# y. U- p' ^0 g' o1 e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。
! l& L& `0 T$ ^) @# M( s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。

! r  @- @% J9 e2 @