发表了主题帖： 【Follow me第三季第1期】任务汇总

本帖最后由 eew_uscYT9 于 2025-6-30 23:56 编辑 【Follow me第三季第1期】 任务一，搭建开发环境、串口输出 https://bbs.eeworld.com.cn/thread-1319161-1-1.html 【Follow me第三季第1期】 任务二 LED控制 https://bbs.eeworld.com.cn/thread-1319162-1-1.html 【 Follow me第三季第1期】+ 任务三：运动传感器数据读取 https://bbs.eeworld.com.cn/thread-1319175-1-1.html 【Follow me第三季第1期】任务五-光线强度检测 https://bbs.eeworld.com.cn/thread-1319176-1-1.html   课时管理 - 课程管理 - EEWORLD大学堂        

上传了资料： 【Follow me第三季第1期】代码

加入了学习《DK FollowMe: STM32F429I-DISC1及任务讲解》，观看 STM32F429I-DISC1及任务讲解

发表了主题帖： 【 Follow me第三季第1期】+ 任务三：运动传感器数据读取

本帖最后由 eew_uscYT9 于 2025-6-29 16:47 编辑 任务要求：运动传感器数据读取——读取运动传感器的数据，并通过串口数据；   借鉴了Oliver_c大佬的帖子，Follow me第三季第1期】+ 任务三：运动传感器数据读取 https://bbs.eeworld.com.cn/thread-1317081-1-1.html   实现了对运动传感器数据的读取，并且通过串口输出到电脑上 实现步骤： 开启SPI5 ->读取I3G4250D的数据->通过串口1输出到电脑上   BSP_GYRO_Init(); 对运动传感器进行初始化 进行数据的获取 BSP_GYRO_GetXYZ(xyz);     printf("data:%f,%f,%f\r\n",xyz[0],xyz[1],xyz[2]);  

发表了主题帖： 【Follow me第三季第1期】 任务一，搭建开发环境、串口输出

本帖最后由 eew_uscYT9 于 2025-6-29 01:35 编辑 下面是我的开发环境     keil加上stm32cubemx， 安装过程就不再详细的描述了， 我是通过cubemx快速生成板子的工程代码，快速开发，下面是生成代码步骤   选择第一个，根据芯片开发，在搜索框内输入STM32F429ZIT6，找到开发板对应的芯片，点击   点击start，开始新建项目   勾上外部晶振和对应的sw烧录接口     勾上串口1，用串口1进行输出   系统时钟选择8mhz的外部晶振输入，主频为180mhz   接着选择工程对应的位置，然后点击右上角的generate coede就能生成对应的工程了   在工程里加入下面的代码就能用printf输出内容了 int fputc(int ch, FILE *f){ uint8_t temp[1] = {ch}; HAL_UART_Transmit(&huart1, temp, 1, 0xffff); return ch; }   串口1输出的结果      

发表了主题帖： 【Follow me第三季第1期】任务五-光线强度检测

本帖最后由 eew_uscYT9 于 2025-6-29 22:33 编辑     Grove-Light传感器集成了一个光电阻（依赖光强调整电阻）来检测光强。 当光强度增加时，光电阻的电阻降低。 板上的双OpAmp芯片LM358产生与光强度相对应的电压（即基于电阻值）。 输出信号为模拟值，亮度越亮，值越大。 该模块可用于构建光控开关，通过ADC读取对应的数据，实现在白天关闭灯，并在夜间开启灯。   cubenmx配置如下，打开ADC1，选择通道5     通过ADC1读取Grove-Light传感器的数据，对数据进行判断就能实现在光强的时候关灯，光弱的时候开灯 HAL_ADC_Start(&hadc1); HAL_ADC_PollForConversion(&hadc1,100); adcdata =HAL_ADC_GetValue(&hadc1); voltage = adcdata*(3.3/4096); if(voltage > 1.5) { HAL_GPIO_WritePin(GPIOG, GPIO_PIN_14, GPIO_PIN_RESET); } else { HAL_GPIO_WritePin(GPIOG, GPIO_PIN_14, GPIO_PIN_SET); }    演示视频 [localvideo]db44e73662a8344c2e82a00987c07b29[/localvideo]    

发表了主题帖： 【Follow me第三季第1期】 任务二 LED控制

本帖最后由 eew_uscYT9 于 2025-6-29 01:52 编辑 任务二(必做)：LED控制——控制板载LED灯，并实现呼吸灯效果   通过查看板子的原理图，发现LED对应的引脚没有PWM功能，所以我用GPIO模拟PWM   利用定时器中断进行计数，根据计数值控制灯的亮灭时间，达到PWM的效果 void breatheLED(void) { if(count >= 100) { count = 0; if(dir == 0) { dir_count++; } else if(dir == 1) { dir_count--; } } if(dir_count <= 0) { dir = 0; } else if(dir_count >= 100) { dir = 1; } if(count < dir_count) { HAL_GPIO_WritePin(GPIOG, GPIO_PIN_14, GPIO_PIN_SET); } else { HAL_GPIO_WritePin(GPIOG, GPIO_PIN_14, GPIO_PIN_RESET); } } 效果如下 [localvideo]93b03f016de8ba6a3ac05009e920e6e9[/localvideo]  

回复了主题帖： 【Follow me第二季第4期】基于 Edge Impulse 的语音识别

lugl4313820 发表于 2024-12-30 22:25 咱们这个语音识别，是要联网？还是把算法下载到本地就可以识别了？ 把算法下载到了单片机上

回复了主题帖： 【Follow me第二季第4期】任务汇总

【Follow me第二季第4期】代码-嵌入式开发相关资料下载-EEWORLD下载中心

上传了资料： 【Follow me第二季第4期】代码

加入了学习《任务提交》，观看 任务提交

加入了学习《fm4任务展示》，观看 fm4任务展示

回复了主题帖： 【Follow me第二季第4期】任务二 学习IMU基础知识，通过串口打印六轴原始数据

补充一下演示视频 [localvideo]9de5480931303ec0416d695adf902631[/localvideo]  

加入了学习《Follow me第二季第4期 Arduino? Nano RP2040 Connect活动项目总结》，观看 Follow me第二季第4期项目总结

回复了主题帖： 【Follow me第二季第4期】任务汇总

【Follow me第二季第4期】基于 Edge Impulse 的语音识别 https://bbs.eeworld.com.cn/thread-1302947-1-1.html

发表了主题帖： 【Follow me第二季第4期】基于 Edge Impulse 的语音识别

本帖最后由 eew_uscYT9 于 2024-12-28 23:23 编辑 本项目教你如何做出自己的语音识别 本项目的大体流程  我的语音识别是识别开灯和关灯两个声音，听到对应的声音就对板子上的灯进行开和关   https://studio.edgeimpulse.com/ 先去这个网站注册好账号 然后创建一个新的项目     输入项目名字，其他保存不动 接着到了数据的采集，我通过对Edge Impulse的文档查阅，发现可以用Arduino Nano主板进行数据的采集，其他的数据采集方式有手机、Edge Impulse CLI（该方式比较复杂） 先下载Edge Impulse准备好的固件 然后把该固件下载到nano板子上 接着点左边的data acquisition   点击下面所指的图标就能进行数据的采集，数据分为训练数据集和测试数据集，一般是8、2开，   数据采集完之后点击creat impulse进行训练的设置，如下面所示，设置完之后点击save impulse   点击mfcc进行参数的设置，直接默认设置，然后保存参数   然后点击上方的generate features进行生成特征 ，根据feature explorer能够看出我的数据区分度还是挺高的   接着点击classifier 进行训练，参数都可以用默认设置   点击model  testing进行模型测试 我的模型训练还是可以的  接下来进行模型的部署，我们现在arduino，然后进行build，把生成的文件下载下来，打开arduino ide进行添加   我的代码如下 /* Edge Impulse ingestion SDK * Copyright (c) 2022 EdgeImpulse Inc. * * Licensed under the Apache License, Version 2.0 (the "License"); * you may not use this file except in compliance with the License. * You may obtain a copy of the License at * http://www.apache.org/licenses/LICENSE-2.0 * * Unless required by applicable law or agreed to in writing, software * distributed under the License is distributed on an "AS IS" BASIS, * WITHOUT WARRANTIES OR CONDITIONS OF ANY KIND, either express or implied. * See the License for the specific language governing permissions and * limitations under the License. * */ // If your target is limited in memory remove this macro to save 10K RAM #define EIDSP_QUANTIZE_FILTERBANK 0 /* ** NOTE: If you run into TFLite arena allocation issue. ** ** This may be due to may dynamic memory fragmentation. ** Try defining "-DEI_CLASSIFIER_ALLOCATION_STATIC" in boards.local.txt (create ** if it doesn't exist) and copy this file to ** `<ARDUINO_CORE_INSTALL_PATH>/arduino/hardware/<mbed_core>/<core_version>/`. ** ** See ** (https://support.arduino.cc/hc/en-us/articles/360012076960-Where-are-the-installed-cores-located-) ** to find where Arduino installs cores on your machine. ** ** If the problem persists then there's not enough memory for this model and application. */ /* Includes ---------------------------------------------------------------- */ #include <rp2040_inferencing.h> #include <PDM.h> #include "WiFiNINA.h" #define led1 LEDB #define led2 LEDG #define led3 LEDR /** Audio buffers, pointers and selectors */ typedef struct { int16_t *buffer; uint8_t buf_ready; uint32_t buf_count; uint32_t n_samples; } inference_t; static inference_t inference; static signed short sampleBuffer[2048]; static bool debug_nn = false; // Set this to true to see e.g. features generated from the raw signal static volatile bool record_ready = false; /** * [url=home.php?mod=space&uid=159083]@brief[/url] Arduino setup function */ void setup() { // put your setup code here, to run once: Serial.begin(115200); pinMode(led3, OUTPUT); pinMode(led2, OUTPUT); // comment out the below line to cancel the wait for USB connection (needed for native USB) while (!Serial); Serial.println("Edge Impulse Inferencing Demo"); // summary of inferencing settings (from model_metadata.h) ei_printf("Inferencing settings:\n"); ei_printf("\tInterval: "); ei_printf_float((float)EI_CLASSIFIER_INTERVAL_MS); ei_printf(" ms.\n"); ei_printf("\tFrame size: %d\n", EI_CLASSIFIER_DSP_INPUT_FRAME_SIZE); ei_printf("\tSample length: %d ms.\n", EI_CLASSIFIER_RAW_SAMPLE_COUNT / 16); ei_printf("\tNo. of classes: %d\n", sizeof(ei_classifier_inferencing_categories) / sizeof(ei_classifier_inferencing_categories[0])); if (microphone_inference_start(EI_CLASSIFIER_RAW_SAMPLE_COUNT) == false) { ei_printf("ERR: Could not allocate audio buffer (size %d), this could be due to the window length of your model\r\n", EI_CLASSIFIER_RAW_SAMPLE_COUNT); return; } } /** * @brief Arduino main function. Runs the inferencing loop. */ void loop() { ei_printf("Starting inferencing in 2 seconds...\n"); delay(2000); ei_printf("Recording...\n"); bool m = microphone_inference_record(); if (!m) { ei_printf("ERR: Failed to record audio...\n"); return; } ei_printf("Recording done\n"); signal_t signal; signal.total_length = EI_CLASSIFIER_RAW_SAMPLE_COUNT; signal.get_data = &microphone_audio_signal_get_data; ei_impulse_result_t result = { 0 }; EI_IMPULSE_ERROR res = run_classifier_continuous(&signal, &result, debug_nn); if (res != EI_IMPULSE_OK) { ei_printf("ERR: Failed to run classifier (%d)\n", res); return; } // print inference return code ei_printf("run_classifier returned: %d\r\n", res); print_inference_result(result); //ei_printf(" %s: ", ei_classifier_inferencing_categories[i]); } /** * @brief PDM buffer full callback * Copy audio data to app buffers */ static void pdm_data_ready_inference_callback(void) { int bytesAvailable = PDM.available(); // read into the sample buffer int bytesRead = PDM.read((char *)&sampleBuffer[0], bytesAvailable); if ((inference.buf_ready == 0) && (record_ready == true)) { for(int i = 0; i < bytesRead>>1; i++) { inference.buffer[inference.buf_count++] = sampleBuffer[i]; if(inference.buf_count >= inference.n_samples) { inference.buf_count = 0; inference.buf_ready = 1; break; } } } } /** * @brief Init inferencing struct and setup/start PDM * * @param[in] n_samples The n samples * * [url=home.php?mod=space&uid=784970]@return[/url] { description_of_the_return_value } */ static bool microphone_inference_start(uint32_t n_samples) { inference.buffer = (int16_t *)malloc(n_samples * sizeof(int16_t)); if(inference.buffer == NULL) { return false; } inference.buf_count = 0; inference.n_samples = n_samples; inference.buf_ready = 0; // configure the data receive callback PDM.onReceive(pdm_data_ready_inference_callback); PDM.setBufferSize(2048); delay(250); // initialize PDM with: // - one channel (mono mode) if (!PDM.begin(1, EI_CLASSIFIER_FREQUENCY)) { ei_printf("ERR: Failed to start PDM!"); microphone_inference_end(); return false; } // optionally set the gain, defaults to 24 // Note: values >=52 not supported //PDM.setGain(40); return true; } /** * @brief Wait on new data * * @return True when finished */ static bool microphone_inference_record(void) { bool ret = true; record_ready = true; while (inference.buf_ready == 0) { delay(10); } inference.buf_ready = 0; record_ready = false; return ret; } /** * Get raw audio signal data */ static int microphone_audio_signal_get_data(size_t offset, size_t length, float *out_ptr) { numpy::int16_to_float(&inference.buffer[offset], out_ptr, length); return 0; } /** * @brief Stop PDM and release buffers */ static void microphone_inference_end(void) { PDM.end(); ei_free(inference.buffer); } void print_inference_result(ei_impulse_result_t result) { // Print how long it took to perform inference ei_printf("Timing: DSP %d ms, inference %d ms, anomaly %d ms\r\n", result.timing.dsp, result.timing.classification, result.timing.anomaly); ei_printf("Predictions:\r\n"); for (uint16_t i = 0; i < EI_CLASSIFIER_LABEL_COUNT; i++) { if(result.classification[i].value>0.7) { switch (i) { case 0: digitalWrite(led3, LOW); break; case 1: digitalWrite(led3, HIGH); break; default: digitalWrite(led2, LOW); } } ei_printf(" %s: ", ei_classifier_inferencing_categories[i]); ei_printf("%.5f\r\n", result.classification[i].value); } // Print anomaly result (if it exists) #if EI_CLASSIFIER_HAS_ANOMALY == 1 ei_printf("Anomaly prediction: %.3f\r\n", result.anomaly); #endif } #if !defined(EI_CLASSIFIER_SENSOR) || EI_CLASSIFIER_SENSOR != EI_CLASSIFIER_SENSOR_MICROPHONE #error "Invalid model for current sensor." #endif   演示视频 [localvideo]d8177a49fca202d9ad2e38951857c1aa[/localvideo]      

回复了主题帖： 【Follow me第二季第4期】任务三 学调试PDM麦克风，通过串口打印收音数据和音频波形

本帖最后由 eew_uscYT9 于 2024-12-29 23:27 编辑 [localvideo]2d950ac4b69a1ed58dc86b1ceae90a16[/localvideo] 对应的视频展示 还有一个和pico2联动，通过打响指能控制nano板子和pico2板子的灯进行变化 [localvideo]2d51811098e155c28760aee1191550e6[/localvideo]  

加入了学习《【Follow me第二季第4期】ARDUINO NANO RP2040 CONNECT》，观看 Arduino NANO RP2040演示合集

回复了主题帖： 【Follow me第二季第4期】任务三 学调试PDM麦克风，通过串口打印收音数据和音频波形

Jacktang 发表于 2024-12-24 07:45 结果输出的曲线为什么是下降的 截的是做完之后的数据

加入了学习《Arduino? Nano RP2040 Connect 任务视频》，观看 PDM 数据打印及音频波形