尤克里里和弦分类

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。

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

传感器

加速度计（3 轴）：LSM6DSL