VIP20

本课程属于：009-Arduino Nano 33 BLE Sense TinyML项目实战 嵌入式边缘AI与TinyML · 共 20 门相关课程，组合学习更完整。

查看所属VIP全部课程 →

← 返回所属目录咨询 / 购买

5. Arduino环境声音分类：音频窗口与MFCC特征处理

共计 30 章节

点击此处阅读海量试读课程：100+行业、1000+细分领域

学习目标 · 核心概念 · 整体框架

课程导入学习目标

环境声音分类基础

声音的物理特性 · 数字音频表示 · 常见环境声音类别与分类任务定义

环境声音分类基础声音的物理特性

Arduino音频采集入门

麦克风模块选型 · 模拟信号读取 · 采样率与位深度的基本概念

Arduino音频采集入门

音频窗口化处理

为什么需要分帧 · 窗口长度与步长选择 · 窗函数（汉明窗等）的作用与实现

音频窗口化处理为什么需要分帧

时域特征初步

短时能量 · 过零率 · 振幅统计等简单特征的计算与在分类中的…

时域特征初步短时能量

频域分析基础

傅里叶变换原理 · 频谱计算 · 功率谱密度

频域分析基础傅里叶变换原理

梅尔滤波器组设计

梅尔刻度原理 · 滤波器组构建 · 从频谱到梅尔能量的映射方法

梅尔滤波器组设计梅尔刻度原理

MFCC特征提取流程

预加重 · 分帧 · 加窗

MFCC特征提取流程

MFCC参数详解

系数个数 · 帧长 · 帧移

MFCC参数详解

Arduino上的MFCC实现

使用库（如ArduinoFFT）或手… · 内存与计算资源优化技巧

特征归一化与增强

均值方差归一化 · 差分特征 · 数据增强（噪声

特征归一化增强

数据集构建与标注

录制环境声音 · 类别平衡 · 样本时长

数据集构建标注

分类模型选择

适用于Arduino的轻量级模型（K… · 决策树 · 小型神经网络）对比与选型

分类模型选择Arduino

模型训练与导出

在PC上训练模型（如使用Python… · 转换为Arduino可用的格式（如C…

模型训练导出

Arduino端推理实现

加载模型参数 · 特征输入 · 分类决策与结果输出（LED

Arduino端推理实现

实时分类系统设计

缓冲区管理 · 流水线处理 · 实时性优化与延迟控制

实时分类系统设计缓冲区管理

简单二分类（如拍手声与背景噪声）从采…

案例实战简单二分类

多分类环境声音（如风扇声 · 人声 · 敲门声）的特征对比与模型调优

案例实战多分类环境声音

低功耗与内存受限场景下的MFCC参数…

案例实战MFCC

常见问题与调试

采样率不匹配 · FFT泄漏 · 特征值异常

常见问题调试

性能评估方法

混淆矩阵 · 准确率 · 召回率

性能评估方法混淆矩阵

与外部设备交互

将分类结果用于控制电机 · 灯光 · 报警等

外部设备交互将分类结果用于控…

多麦克风与阵列扩展

多通道采集 · 波束成形简介及其对分类的改善

多麦克风阵列扩展

深度学习在MCU上的应用 · TensorFlow Lite Mi…

自适应分类与在线学习

进阶自适应分类

项目综合实战

设计一个完整的环境声音分类系统（如智… · 从需求分析到部署

项目综合实战设计一个完整的环…

代码优化与最佳实践

模块化编程 · 注释规范 · 版本管理

代码优化最佳实践

硬件选型与电路设计

麦克风放大电路 · 电源滤波 · 抗干扰设计

硬件选型电路设计

课程总结与知识图谱

回顾所有知识点 · 梳理学习路径 · 推荐进阶资源

课程总结知识图谱

综合考核与项目答辩

设计一个创新应用场景 · 完成从特征提取到分类部署 · 并展示成果

综合考核项目答辩