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:

图1
% G0 @( _. f+ X5 y3 _" J
+ x6 Z  n) Y4 M+ j& LName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：
1 E( Y& v1 W) Q- d- ^
- d0 D! t! s  g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:
2 r3 d% r4 g$ f' c  K
( Q# L! a+ d9 P6 M. n- G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:
7 J4 V2 q% a+ ?5 j" R$ D% Z) X
图4

. I# S8 m8 e9 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。
进入第五步，Deployment,选择如图5所示:

图5

8 |% D3 J+ E; k. `& M. j6 B- U点击compile library,在弹出的对话框出保存库文件。
' ]. a2 z! |; }/ c解压缩库文件后，如图6所示:
& U9 M) f6 S' w9 k! V8 N
图11
9 u( Q. U, _, p
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。
2 g4 R; ?0 u( j3 h& _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
3 x, W* m- @" P  V
' e9 y% ?/ Y' k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:
5 w; y1 z/ X1 t
3 @# h5 _* ?) P. c图8
; U1 f5 B4 Z* r0 y6 S/ Z更新后就OK了。
5 G6 P7 a$ s) Y/ udownload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
6 u* ^' D% {. ^
& c+ \* K6 l- N9 K点击连接，可以看到不断的在输出。如图10所示：

" {, e3 ~1 S* V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。
  e. p5 D% p. g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。

+ S! ]( d3 P- @; d4 {4 X/ h