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。

方法

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。

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：使用FFT和筛选器组应用，从时域输入信号计算32列声谱图中的一列，将其转换为梅尔标度（30个梅尔带）。
– 第二部分：当所有32列都已完成计算（即经过1024毫秒后），对梅尔标度声谱图应用对数标度，创建ASC卷积神经网络的输入特征。

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。

传感器

数字MEMS麦克风（参考：MP34DT05-A)