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:
' K9 D7 n7 n* ]! c. d3 f6 @4 B6 Z. c
图1
' l' U9 T$ Z9 d' X3 K" O( j5 z
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：
+ Z9 o& Y6 b! u/ ~
图2
! g" P+ @4 w! C: d3 O. j+ a; X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:
8 Z. w& K0 G( {# `( D) u
# I0 \2 A9 A. s2 W3 w6 ^图3
: v, c; Y. H& u- y0 x
* b9 X" U* S. M这里暂时之采样1和2的声音。
% o$ P  b. i8 U9 Y! m进入第三步benchmark,如图4所示:
. U2 i2 F1 U& d; v
图4
* R, `2 X+ _4 E" B& R2 q- {
; g3 G, Z/ Y8 O% M$ P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:

+ a! U, @7 g  l4 F- s& P图5
  B# M0 T7 ^3 U. R+ z3 k
6 R$ B% B& c" [4 v4 u; T点击compile library,在弹出的对话框出保存库文件。
# Q$ G, a& x2 J2 ~. h解压缩库文件后，如图6所示:

图11
) h- A3 J- |" }+ F
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。
" C" a& i# v% b2 T: Q% e1 K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：
% U7 O7 N  L( V) u; m
图7
& K" r; Z2 c" Q7 f% A! X
( T  e% [* q$ u. q# l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:
& y- z+ n7 E6 I! X# ]' ]( g
9 H$ V( j- \) K: q( C: A图8
3 s# }) y9 m; `5 ^* x1 Q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:

图9
8 s6 d, _# o+ Z6 Y5 I' B; `/ V
( a7 ~- n- o4 x点击连接，可以看到不断的在输出。如图10所示：
: r3 u/ {  l1 Q' W9 z# f
9 n/ V1 y$ k% `$ Q* X8 h图10
  s- ]- @0 z1 c+ `+ ^8 I1 Y2 i
- w2 k0 h8 p7 T* C/ [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。
0 {" o8 V+ [- L3 k7 w" C- D
' w2 k- ?4 s& x$ m5 Q