系统会发射各种信号，通过这种形式与所在环境交互。 这些信号包含着能够反映设备运行状况的相关信息。 如果能了解这些信号的意义，就能大幅优化设备的运行。 机器学习可以将系统产生的数据转化为对人类有意义的数据。
例如在本用例中，一个ML库用于对振动模式进行分类以识别音乐和弦。 这种方法可以便捷应用到其他领域，对各种事件进行分类，然后创造出更智能的解决方案。
例如在本用例中，一个ML库用于对振动模式进行分类以识别音乐和弦。 这种方法可以便捷应用到其他领域，对各种事件进行分类，然后创造出更智能的解决方案。
方法
通过测量振动而不是乐器发出的声音，我们可以减少背景噪声的影响
经过分析，2000 Hz的频率可以识别一个和弦。 我们将加速度计设置为3300 Hz（最小传感器频率）
我们记录了20种不同和弦的示例（每个和弦100个信号）
我们在 NanoEdge AI Studio中创建了一个“N类分类”模型，并在 NUCLEO-L432KC上（和配有LSM6DSL的STEVAL-MKI178V1）对其进行实时测试
经过分析，2000 Hz的频率可以识别一个和弦。 我们将加速度计设置为3300 Hz（最小传感器频率）
我们记录了20种不同和弦的示例（每个和弦100个信号）
我们在 NanoEdge AI Studio中创建了一个“N类分类”模型，并在 NUCLEO-L432KC上（和配有LSM6DSL的STEVAL-MKI178V1）对其进行实时测试
传感器
加速度计（3 轴）： LSM6DSL
数据
20 类数据20 个尤克里里和弦
信号长度3072（1024* 3 轴）
数据速率3300 赫兹
信号长度3072（1024* 3 轴）
数据速率3300 赫兹
结果
20 类分类：
99.58% 的准确率，13.9 kB RAM，82.9 kB 闪存
绿点表示分类正确的信号。红点表示分类不正确的信号。 类别位于横坐标，预测置信度显示在纵坐标上
资源 ![NanoEdge AI Studio]()
![NanoEdge AI Studio]()
![STM32]()
![STM32]()
模型创建工具 NanoEdge AI Studio
一款免费的AutoML软件，用于向嵌入式项目添加AI，并逐步引导用户轻松找到符合其需求的最佳AI模型。
兼容 STM32
STM32系列32位微控制器基于Arm Cortex®-M处理器，旨在为MCU用户提供新的开发自由度。它包括一系列产品，集高性能、实时功能、数字信号处理、低功耗/低电压操作、连接性等特性于一身，同时还保持了集成度高和易于开发的特点。