1. 课程导入：TinyML声音检测的应用场景、课程目标、学习路径与平台概览

TinyML（微型机器学习）是边缘计算与嵌入式系统交叉领域中最具活力的方向之一，其核心思想是在功耗受限、算力有限、内存以KB计的微控制器（MCU）上直接运行机器学习推理模型，从而摆脱对云端服务器的依赖。声音检测作为TinyML的典型应用，通过麦克风采集环境音频，在本地完成关键词识别、异常声音分类或声学事件检测，实现毫瓦级功耗下的实时智能感知。本章作为整个课程的开篇，将系统梳理声音检测的应用场景、课程学习目标、从零到部署的完整路径，并对STM32、ESP32、Arduino三大主流平台进行宏观对比，为后续章节的深入实践奠定认知基础。

1.1 TinyML声音检测的应用场景与价值

声音检测在TinyML领域具有独特的工程价值。与图像识别相比，音频数据采样率较低（通常8-16kHz即可覆盖人声和多数环境音），单帧特征维度可控，且麦克风传感器成本极低、功耗极小，非常适合在电池供电的物联网设备中实现常开（Always-on）监听。从实际部署角度看，TinyML声音检测主要覆盖以下四类场景：

• 智能家居与语音交互：在智能音箱、空调、照明系统中嵌入关键词唤醒（如"小度小度"、"Hey Siri"），实现本地唤醒词检测，避免持续向云端传输音频流，既降低延迟又保护隐私。典型参数：模型大小50-200KB，推理时间<50ms，功耗<10mW。
• 工业预测性维护：通过分析电机、轴承、传送带等旋转机械的运行声音，识别异常摩擦、松动或过载信号。工业环境噪声复杂，需要模型具备较强的抗噪能力，通常采用频谱特征+CNN或TinyLSTM架构。
• 医疗健康监测：可穿戴设备通过检测咳嗽频率、鼾声模式、呼吸音异常，辅助慢性病管理或睡眠质量分析。此类场景对数据隐私要求极高，端侧推理是唯一合规方案。
• 安防与公共安全：在智能门锁、监控摄像头、独立式传感器中识别玻璃破碎声、枪声、呼救声等特定事件，实现秒级报警响应。相比视频监控，声音检测不受光照和视角限制，可作为补充感知模态。

1.2 课程目标与学习路径设计

本课程面向具备基础嵌入式开发经验（了解GPIO、UART、I2C等外设操作）和基础机器学习概念（了解分类、特征、训练/测试集）的学员，目标是培养独立完成TinyML声音检测系统从设计到部署的全栈能力。具体学习目标分为四个层级：

目标层级	具体能力描述	对应章节
理论理解	掌握音频信号数字化、MFCC特征提取原理、CNN/RNN在声音识别中的适用性	第2-4章
工具链操作	熟练使用Edge Impulse、TensorFlow Lite for Microcontrollers、STM32Cube.AI等工具链	第5-8章
平台部署	分别在STM32、ESP32、Arduino上完成模型转换、集成、推理与性能调优	第9-24章
综合实战	独立完成一个端到端声音分类项目，并输出平台选型对比报告	第25-30章

学习路径遵循"理论→工具→实践→综合"的递进逻辑。建议学员按照章节顺序学习，每章完成后完成对应的动手实验。特别提醒：不要跳过特征提取章节直接进入模型部署，因为特征参数（如MFCC系数个数、帧长、窗函数）直接影响模型在MCU上的内存占用和推理精度，这是TinyML工程中最容易被忽视的环节。

1.3 三大平台概览与选型思维

STM32、ESP32、Arduino是当前TinyML声音检测最常用的三大硬件平台，它们分别代表了不同的设计哲学和适用场景。理解三者的差异，是合理选型的前提。

对比维度	STM32（以F4/H7系列为例）	ESP32（以ESP32-S3为例）	Arduino（以Nano 33 BLE Sense为例）
主频/算力	168-480MHz，Cortex-M4/M7，带FPU/DSP指令	240MHz，Xtensa LX7双核，带SIMD指令	64MHz，Cortex-M4F，带FPU
SRAM/Flash	192KB-1MB SRAM，1-2MB Flash	512KB SRAM，8MB Flash（外置）	256KB SRAM，1MB Flash
音频采集	需外接I2S麦克风（如INMP441）	内置I2S外设，可接PDM数字麦克风	板载MP34DT05 PDM麦克风
AI部署工具	STM32Cube.AI、X-CUBE-AI	ESP-DL、ESP-WHO、TFLite Micro	TensorFlow Lite Micro、ArduinoBLE
无线通信	无（需外接模块）	Wi-Fi 2.4GHz + BLE 5.0	BLE 5.0（Nano 33系列）
典型功耗	运行模式~100mW，待机~10μW	运行模式~200mW，深度睡眠~10μW	运行模式~50mW，待机~5μW
开发难度	中等偏高，需熟悉HAL库和CubeMX	中等，ESP-IDF或Arduino框架	低，Arduino IDE即刷即用

选型时需考虑三个关键问题：算力是否满足模型推理需求？（可参考CMSIS-NN或TFLite Micro基准测试）；外设接口是否匹配音频采集方案？（I2S/PDM接口、DMA通道）；功耗预算与无线传输需求（是否需要Wi-Fi上传结果）。本课程将在后续章节分别深入每个平台的部署细节，并在第29章给出系统的选型决策框架。

1.4 常见误区与学习建议

在多年TinyML教学和项目评审中，我们发现学员常陷入以下误区，在此提前预警：

1. 误区一：盲目追求高精度模型。在MCU上，一个200KB的模型可能比50KB的模型推理慢4倍，而精度仅提升2%。TinyML的核心是"够用就好"，应根据应用场景设定精度阈值（如唤醒词识别95%即可），而非追求99%。
2. 误区二：忽略特征提取的算力开销。很多学员只关注模型推理时间，却忽略了MFCC特征提取在MCU上可能消耗30-50%的CPU周期。建议使用CMSIS-DSP库优化FFT计算，或采用简化特征（如Mel频谱）替代完整MFCC。
3. 误区三：在PC上训练模型后直接部署。PC端浮点模型与MCU端量化模型之间存在精度损失，必须进行量化感知训练（QAT）或至少做训练后量化（PTQ）验证。
4. 误区四：忽视音频前端硬件设计。麦克风增益设置、采样率选择、抗混叠滤波器都会影响模型输入质量。一个常见的错误是使用16kHz采样率却未配置对应的低通滤波器，导致高频噪声混叠。