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

* m( _1 E& Q/ \& c8 TName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：
' @& l+ n' n% X, F
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:
0 w8 x5 D. r2 a; K( H
图3

, [' A& U- C" \) b7 E/ @这里暂时之采样1和2的声音。
% N2 @# b) N2 Z" A进入第三步benchmark,如图4所示:
: ~) ?% {6 `6 o
图4

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:
" z) k" Z# A) T
4 Q' z& u4 A+ L! c4 S4 J图5

' Z+ z: k$ {$ T, ?点击compile library,在弹出的对话框出保存库文件。
! y2 F+ Z4 J) s0 c8 q( T; B6 t# K4 G解压缩库文件后，如图6所示:
* t% v$ k2 `3 [9 \/ G
图11
9 E- p! o; l  z$ y# P8 @
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。
4 D5 x8 E1 x: p3 W0 o/ H+ f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

" x# w0 M4 l9 Q( v/ q1 s8 a; v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:
! E% j7 D9 o% e3 `! Q
图8
, H% K: w4 I" R5 V4 m2 E! p6 X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:

1 G/ ]7 ~( h" [图9

点击连接，可以看到不断的在输出。如图10所示：

# i6 @6 e3 ]& ~9 ~图10

# H: E( X# A2 L' }/ Q! @7 ?! {  q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。
- ^; w, T. s* w( r/ Z. V/ e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。