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:

" F$ R( W/ ?0 O: E图1
+ L# [4 n0 Y5 q6 _4 _
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：
5 ?  W. x" E; f7 ]: \+ @. W
! Y2 ]3 a9 F& t; J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 m: R- N' Y$ I7 A' o, C9 |; o图3

. m: g% C: _4 k/ D2 }这里暂时之采样1和2的声音。
进入第三步benchmark,如图4所示:
2 N# x. ?: J, S2 P1 p
图4

* M1 T% G: n6 `+ j8 c' \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。
1 N6 Y% V% b3 g' D) K1 x进入第五步，Deployment,选择如图5所示:
+ M5 Q& R1 r/ \! g
图5

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:
0 Y& K+ B6 a" J8 h1 b0 N  \/ H4 g
图11
/ D% h3 E4 v" h, O
# t- s4 Z! G- A* g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。
" G  y4 N% S# t2 E# N3 r3 m3 f' _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
- ]- J, L1 l8 z5 W
$ `# m! b9 n' m$ }- j$ A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:

图8
" i) }' I& E; e0 p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:

# l1 o, i% ~1 y! T- N3 p  z图9
; Q9 c& D' Q) G$ n" [
3 F. V# Z8 q8 \  |3 s7 a# e点击连接，可以看到不断的在输出。如图10所示：
+ `. N2 q5 H7 I( A% i
- }: ?9 \; y3 F2 h图10
8 ]( m5 a; `8 `  {) r2 U% b6 t  }
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。
" T( y3 m& \5 r5 d: V# S: H
4 {* F3 [8 r. Z( s" @