声学场景分类

如今的产品变得愈发智能，力图为使用者提供额外价值。 为了优化其使用，智能用品需要了解它们的环境。 人工智能可以解密来自各种传感器（如加速度计或麦克风）的数据，使这些数据对人类有意义。 例如，我们教会了一个神经网络如何区分场景（室内、室外、车内），以便能够根据用户所处环境优化设备行为。 经过STM32Cube.AI优化后，AI模型可以在超低功耗微控制器上运行，方便在各种产品中嵌入智能。 通过用新数据重新训练AI模型，此方法可以轻松应用于许多其他用例或环境。

声学场景分类 (ASC) 的目标是将实际环境分为三个预定义类别（室内、室外、车内），这些类别的声学特征由单个数字麦克风进行捕获。 演示在一个小型板载SensorTile上运行，通过蓝牙低功耗与智能手机应用程序连接。

我们使用 FP-AI-SENSING1功能包构建了这个示例，并在 STEVAL-STLKT01 V1电路板上运行。 ASC配置以16 kHz（16位，1通道）的速率使用板载MEMS麦克风捕获音频。 每毫秒都会接收到一个DMA中断，其中包含最后的16个PCM音频样本。 这些样本将在滑动窗口中累积，该窗口包含1024个样本，具有50%的重叠。 每累积512个样本（即32毫秒），缓冲区就将注入ASC预处理，以进行特征提取。 ASC预处理将音频特征提取到LogMel (30×32) 声谱图中。
为了计算效率和内存管理优化，该步骤被划分为两个程序：

• 第一部分利用 FFT 和滤波器组应用软件（30 个梅尔频段），将时域输入信号转换为梅尔音阶，计算出 32 个频谱图列中的一个。
• 第二部分，在计算完所有 32 列后（即 1024 毫秒后），对熔融缩放频谱图进行对数缩放，为 ASC 卷积神经网络创建输入特征。

每1024毫秒，将 (30×32) LogMel声谱图输入到ASC卷积神经网络输入，然后可以将输出标签分类为室内、室外和车内。

数字MEMS麦克风（参考： MP34DT05-A)