回复了主题帖： 【2024 DigiKey 创意大赛】+基于Teensy4.1环境温湿度和气压监测

底板有开源吗

加入了学习《基于 Arduino?Nano RP2040 Connect?开发板的机器学习系列示例应用》，观看 基于 ArduinoNano RP2040 Connect开发板的机器学习系列示例应用

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

干得好

回复了主题帖： 【得捷电子Follow Me第二季第4期】Nano RP2040 Connect 的机器学习实...

你真棒

回复了主题帖： 【Follow me第二季第4期】Arduino Nano RP2040 Connect之GPIO与PWM控制

酱油

发表了主题帖： 【Follow me第二季第4期】Arduino connect nano 物联网综合应用

本帖最后由 L物恩纶 于 2024-12-31 21:33 编辑 【Follow me第二季第4期】Arduino connect nano 物联网综合应用       本项目基于Arduino connect nano的项目任务，涉及音频处理、传感器数据展示及机器学习应用等领域。包括利用PDM麦克风采集音频数据，计算RMS值控制LED亮灭。通过回调函数采集数据，主循环计算RMS并平滑处理。移动平均技术能减少噪声、提升稳定性，依据平滑后的RMS值分级控制LED。 利用板载的LSM6DS3传感器采集数据，在OLED屏实时显示加速度和角速度，还以柱状图展示加速度大小。PDM麦克风采集音频数据，经格式转换、进行FFT变换和幅值计算，最后在OLED屏以柱状图实时显示频谱。基于STMicroelectronics扩展板的LSM6DSOX传感器，初始化配置后，加载振动监测程序到MLC，实时监测并将振动状态分类。   任务一、点灯+麦克风测试 任务1使用 PDM（Pulse Density Modulation）麦克风 采集音频数据，并通过计算音频信号的 RMS（均方根）值 来控制板载 LED 的亮灭。实时采集音频信号，计算其 RMS 值，并对 RMS 值进行平滑处理，以减少噪声对 LED 控制的影响。      1. 音频采集：    当 PDM 麦克风有新的音频数据时，回调函数 onPDMdata 会被触发。该函数从 PDM 麦克风读取数据到缓冲区 sampleBuffer，并更新已读取的样本数量 samplesRead。 2. 音频处理：    在主循环中，程序检查是否有新的音频数据。如果有，调用 calculateRMS 函数计算音频信号的 RMS 值。RMS 值反映了音频信号的强度，通过计算样本的平方和的平均值，再取平方根得到。为了减少噪声的影响，调用 calculateMovingAverage 函数对 RMS 值进行平滑处理。该函数使用移动平均算法，对最近的若干个 RMS 值进行平均，返回平滑后的 RMS 值。平滑处理的核心原理是通过对数据进行平均或加权平均，减少噪声和瞬时波动的影响，从而得到更加稳定和可靠的结果。  (1)移动平均的基本原理 移动平均是一种常用的平滑技术，它通过对最近若干个数据点进行平均，来减少噪声和瞬时波动的影响。移动平均的基本思想是： - 维护一个固定大小的窗口（即缓冲区），用于存储最近的数据点。 - 每次有新的数据点时，将其加入窗口，并移除最旧的数据点。 - 计算窗口中所有数据点的平均值，作为当前平滑后的值。  (2)平滑处理的效果 - 减少噪声：通过移动平均，瞬时噪声对 RMS 值的影响被显著减小，因为噪声通常表现为短时波动，而移动平均会将其与多个数据点进行平均，从而平滑掉这些波动。 - 提高稳定性：平滑后的 RMS 值更加稳定，能够更好地反映音频信号的整体强度，减少因瞬时噪声导致的 LED 误触发。 - 响应速度与平滑效果的权衡：窗口大小决定了平滑效果和响应速度的平衡。窗口越大，平滑效果越好，但响应速度会变慢；窗口越小，响应速度越快，但平滑效果会减弱。 3. LED 控制：    根据平滑后的 RMS 值，调用 controlLEDs 函数控制 LED 的亮灭状态。RMS 值越大，表示音频信号越强，LED 的亮灭状态会根据设定的阈值进行分级控制。例如，RMS 值较小时点亮红色 LED，中等时点亮绿色 LED，较大时点亮蓝色 LED，极大时点亮所有 LED。   // 初始化 RMS 缓冲区 void initRMSBuffer() { for (int i = 0; i < windowSize; i++) { rmsBuffer[i] = 0.0; } } // 计算移动平均 float calculateMovingAverage(float newRMS) { rmsBuffer[rmsIndex] = newRMS; // 将新 RMS 值存入缓冲区 rmsIndex = (rmsIndex + 1) % windowSize; // 更新索引 float sum = 0.0; for (int i = 0; i < windowSize; i++) { sum += rmsBuffer[i]; // 计算缓冲区中所有 RMS 值的总和 } return sum / windowSize; // 返回移动平均值 } void onPDMdata() { int bytesAvailable = PDM.available(); PDM.read(sampleBuffer, bytesAvailable); samplesRead = bytesAvailable / 2; } float calculateRMS(short *buffer, int length) { long sum = 0; for (int i = 0; i < length; i++) { sum += (long)buffer[i] * buffer[i]; } float mean = (float)sum / length; return sqrt(mean); } void loop() { if (samplesRead) { float rms = calculateRMS(sampleBuffer, samplesRead); float smoothedRMS = calculateMovingAverage(rms); // 计算移动平均 controlLEDs(smoothedRMS); // 使用平滑后的 RMS 值控制 LED Serial.println(smoothedRMS); samplesRead = 0; } static unsigned long lastTime = 0; if (millis() - lastTime >= 1000) { lastTime = millis(); Serial.println("Hello DigiKey & EEWorld!"); } }        任务二、加速度传感器数据展示   这个项目是一个基于 Arduino 平台的 IMU（惯性测量单元） 数据采集与可视化系统。项目使用 LSM6DS3 传感器（包含加速度计和陀螺仪）来采集设备的加速度和角速度数据，并通过 OLED 显示屏 实时显示这些数据。 将采集到的加速度和角速度数据通过 OLED 显示屏实时显示，并以柱状图的形式直观展示加速度的大小。      - 柱状图绘制：通过 drawBarGraph 函数将加速度数据映射到 OLED 屏幕的高度范围，并以柱状图的形式显示。柱状图的高度与加速度的大小成正比，直观反映了设备在各个方向上的加速度变化。   void loop() { // 获取加速度数据 float accelX = 0.0; // 读取 X 轴加速度 float accelY = 0.0; float accelZ = 0.0; if (IMU.accelerationAvailable()) { IMU.readAcceleration(accelX, accelY, accelZ); Serial.print(accelX * CONVERT_G_TO_MS2,4); Serial.print('\t'); Serial.print(accelY * CONVERT_G_TO_MS2,4); Serial.print('\t'); Serial.println(accelZ * CONVERT_G_TO_MS2,4); } float x, y, z; if (IMU.gyroscopeAvailable()) { IMU.readGyroscope(x, y, z); Serial.print(x, 2); Serial.print('\t'); Serial.print(y, 2); Serial.print('\t'); Serial.println(z, 2); } // 显示加速度数据 display.clearDisplay(); // 在 OLED 显示实时加速度数据 display.setTextSize(1); display.setTextColor(SSD1306_WHITE); display.setCursor(0, 0); display.print("Accel X: "); display.println(accelX, 2); display.print("Accel Y: "); display.println(accelY, 2); display.print("Accel Z: "); display.println(accelZ, 2); // 绘制柱状图 drawBarGraph(accelX, accelY, accelZ); display.display(); delay(100); // 延迟100毫秒更新 } void drawBarGraph(float x, float y, float z) { // 映射加速度值到 OLED 高度范围 int barHeightX = map(abs(x * 50), 0, 100, 0, SCREEN_HEIGHT); // 放大倍数调整灵敏度 int barHeightY = map(abs(y * 50), 0, 100, 0, SCREEN_HEIGHT); int barHeightZ = map(abs(z * 50), 0, 100, 0, SCREEN_HEIGHT); // 限制范围，避免超出屏幕 barHeightX = constrain(barHeightX, 0, SCREEN_HEIGHT); barHeightY = constrain(barHeightY, 0, SCREEN_HEIGHT); barHeightZ = constrain(barHeightZ, 0, SCREEN_HEIGHT); // 绘制 X 轴柱状图 display.fillRect(10, SCREEN_HEIGHT - barHeightX, 20, barHeightX, SSD1306_WHITE); // 绘制 Y 轴柱状图 display.fillRect(50, SCREEN_HEIGHT - barHeightY, 20, barHeightY, SSD1306_WHITE); // 绘制 Z 轴柱状图 display.fillRect(90, SCREEN_HEIGHT - barHeightZ, 20, barHeightZ, SSD1306_WHITE); }      任务三、声音FFT频谱分析与显示 本任务是一个基于 Arduino 平台的音频频谱分析系统，使用 PDM（Pulse Density Modulation）麦克风 采集音频数据，并通过 FFT（快速傅里叶变换） 对音频信号进行频谱分析。     （1）音频数据采集：通过 PDM 麦克风采集音频数据，并将其存储在缓冲区中。    - PDM 数据读取：在主循环中，检查 PDM 麦克风是否有新的音频数据可用。如果有，读取音频数据到缓冲区 pdmBuffer 中。    - 数据转换：将 PDM 数据转换为 FFT 输入格式，存储在 vReal 数组中，并将虚数部分 vImag 数组置零。 （2）FFT 频谱分析：对采集到的音频数据进行 FFT 变换，计算音频信号的频谱。    - 加窗处理：对音频数据进行加窗处理（使用汉明窗），以减少频谱泄漏。    - FFT 计算：对加窗后的音频数据进行 FFT 变换，计算频谱。    - 幅值计算：将 FFT 结果转换为幅值，存储在 vReal 数组中。 3. 频谱可视化：将计算得到的频谱通过 OLED 显示屏 实时显示，以柱状图的形式展示不同频率成分的幅值。    - OLED 显示：在 OLED 显示屏上绘制频谱图，将不同频率成分的幅值映射为柱状图的高度，并显示在屏幕上。    - 刷新显示：每 10 毫秒更新一次 OLED 显示屏，确保频谱图的实时性。 void loop() { // 读取麦克风数据 int amplesRead = PDM.available(); if (amplesRead > 0) { PDM.read(pdmBuffer, SAMPLES); // 将 PDM 数据转换为 FFT 输入 for (int i = 0; i < SAMPLES; i++) { vReal[i] = pdmBuffer[i] ; // 转换为浮点数 vImag[i] = 0.0; // 虚数部分置零 } // 执行 FFT FFT.windowing(FFT_WIN_TYP_HAMMING, FFT_FORWARD); // 汉明窗 FFT.compute(FFT_FORWARD); // 计算 FFT FFT.complexToMagnitude(); // 计算幅值 // 映射到 OLED 显示 displayFFTOnOLED(); // showSignal2(); delay(10); // 控制刷新率 } } // 绘制频谱图 void displayFFTOnOLED() { display.clearDisplay(); // 显示频谱 for (int i = 0; i < SAMPLES / 2; i++) { // 只显示正频部分 // 映射幅值到 OLED 高度 int barHeight = map(vReal[i], 0, 10000, 0, SCREEN_HEIGHT*3/4); // barHeight = constrain(barHeight, 0, SCREEN_HEIGHT); // 限制高度范围 display.drawLine(i, SCREEN_HEIGHT, i, SCREEN_HEIGHT - barHeight, SSD1306_WHITE); } display.display(); } void showSignal2() { int y; display.clearDisplay(); for (int n = 0; n < 128; n++) { // y = vReal[n]*10; y = map(vReal[n],-2000, 2000, 5, 60); // display.drawPixel(n, oldy[n], BLACK); display.drawPixel(n, y, WHITE); oldy[n] = y; } display.display(); }   任务四、震动强度机器学习     本任务基于 STMicroelectronics X-NUCLEO-IKS01A3 扩展板的 LSM6DSOX 传感器的机器学习核心（MLC）应用示例。LSM6DSOX 传感器内置了一个机器学习核心（MLC），能够在不依赖外部处理器的情况下，执行简单的机器学习算法。MLC 可以用于实时监测传感器数据，并根据预定义的规则进行分类或决策。     1. 传感器初始化与配置：初始化 LSM6DSOX 传感器，并配置其加速度计和陀螺仪。 2. 机器学习核心（MLC）应用：将预定义的机器学习程序加载到 LSM6DSOX 的 MLC 中，用于振动监测。    项目中加载了一个预定义的机器学习程序（lsm6dsox_vibration_monitoring），该程序专门用于振动监测。程序通过分析加速度计和陀螺仪的数据，判断设备的振动状态。    - 程序验证：逐行加载程序，并检查是否加载成功。如果加载失败，程序将停止运行，并通过 LED 闪烁提示错误。 -通过 MLC 实时监测设备的振动状态，并将振动状态分类为“无振动”、“低振动”和“高振动”。 void loop() { if (mems_event) { mems_event=0; LSM6DSOX_MLC_Status_t status; AccGyr.Get_MLC_Status(&status); if (status.is_mlc1) { uint8_t mlc_out[8]; AccGyr.Get_MLC_Output(mlc_out); printMLCStatus(mlc_out[0]); } } } void INT1Event_cb() { mems_event = 1; } void printMLCStatus(uint8_t status) { switch(status) { case 0: SerialPort.println("no vibration"); display.clearDisplay(); display.setCursor(10,25); display.print("no vibration"); display.display(); break; case 1: SerialPort.println("low vibration"); display.clearDisplay(); display.setCursor(10,25); display.print("low vibration"); display.display(); break; case 2: SerialPort.println("high vibration"); display.clearDisplay(); display.setCursor(10,25); display.print("high vibration"); display.display(); break; } }     总结：   这次活动围绕Arduino connect nano展开，在音频处理、传感器应用及机器学习等方面各有探索，展现了多样化的功能与技术应用： 音频处理与控制：“点灯+麦克风测试”项目利用PDM麦克风采集音频，通过计算RMS值控制LED；实现音频采集、FFT频谱分析与可视化展示，提供音频频谱信息。借助LSM6DS3传感器采集加速度和角速度数据，并以直观的柱状图在OLED屏呈现；运用LSM6DSOX传感器的MLC进行振动监测与分类，体现传感器在数据采集和分析上的不同应用方式。 各项目结合Arduino等平台，综合运用多种技术实现特定功能，为相关领域的技术应用和开发提供了实践范例，展示硬件技术在不同场景下的可行性和创新性。