9 k" @3 w5 d3 N- L     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

! b7 u( u2 c% z  L* c* AName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：
2 A1 h, U8 N6 v& l5 E6 j7 t
图2
8 y& Y3 p$ ]$ b* l6 g6 a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:

图3

) ]: J; ]! k$ g# P2 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:
! {! b5 |3 i+ @+ F" x
3 ^, r+ [! m% w! i5 A( [图4

0 i, {8 ~* w4 l1 R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。
. j7 S% K) @( h, v, Z( C: c8 n7 b进入第五步，Deployment,选择如图5所示:
9 i) \  F/ @: E% Z, }+ @
图5
, U2 O% g, j/ v+ A1 U. L, J4 @
9 J' Q# ^- W0 e* @点击compile library,在弹出的对话框出保存库文件。
# V) w. x, Z7 G& r: V: s8 t解压缩库文件后，如图6所示:
- H/ p  p4 ]) @# C2 v
图11
& \; c/ ]6 {. X
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。
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：

6 ?6 ]) K9 \6 |' p' f1 x' {% `  B图7
9 S5 \" A& h9 G" r
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
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:
& I! h, l/ z4 b) _6 T
图9

点击连接，可以看到不断的在输出。如图10所示：

图10
$ R" \2 f8 ]/ c# Q
6 t2 X: _1 l! I& 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。
7 I7 c" W; L& w4 {
" B1 l3 s) S# S9 }( c' ~