1 M3 H  n7 A, [& T. m     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:
& ^+ t2 x8 K# S3 W) H
6 r7 }, f1 M, q3 C5 T+ _图1
' L, m  r! d% e7 H" o
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：

# C- Q. V: y/ N6 Q$ y  y图2
. i' v; Q; Q. n! i1 E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:
: p& B8 c! U4 S$ C. ?# y- ~
图3

这里暂时之采样1和2的声音。
进入第三步benchmark,如图4所示:
/ w, h$ a  l4 q% ~! d
& x! x* ]* H6 h( _# z* K$ X" a图4

) S& u4 {. @9 _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:
: j7 H/ \' I8 k7 O  E3 S
图5

; }. b6 w' \2 G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:

图11

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。
* x% W! c+ m0 |  b0 |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：

. O0 |6 S; |) K7 C图7
( _6 V4 w8 f6 f2 ~( d) h
( W$ \5 T: {! {: J% s: x6 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:

; I. }5 ^8 ^$ @* r( x: 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:
0 I5 A( Z# M' `1 `5 u) j7 C! {7 ]
5 J! d- U$ A* Y. s1 d: L图9
. b; B6 z) C( f1 |
6 \$ ~4 |/ N# d6 T: z点击连接，可以看到不断的在输出。如图10所示：

图10
! n" |9 |3 E2 @2 ]  R/ v! l+ K
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。
* K# G2 L9 K3 j# k( Y# d0 f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。
, Q7 b. l! j- X, t* j' ~9 e( f. V
# e  w; v; G7 M: Y