音響環境分類

音響環境分類（ASC）の目標は、実際の環境を1つのデジタル･マイクロフォンでキャプチャした音響特性によって特徴付けられる3つの事前定義クラス（屋内、屋外、車内）のいずれかに分類することです。 このデモは、Bluetooth Low Energyを介して接続するスマートフォン･アプリが付属する小型ボード「Sensor Tile」上で動作します。

このサンプルを構築するために、FP-AI-SENSING1ファンクション･パックを使用し、STEVAL-STLKT01V1ボード上で実行しました。 このASC構成は、オンボードMEMSマイクを使用して16kHz（16bit、1チャネル）のサンプリング･レートで音声をキャプチャします。 1ミリ秒間隔でDMA割込みと共に最新の16 PCM音声サンプルを受信します。 その後、これらのサンプルを50%が重複した1024サンプルからなるスライディング･ウィンドウで累積します。 特徴抽出のために、バッファを512サンプル（つまり32ms）間隔でASC前処理に入力します。 ASC前処理で音響特徴を抽出してログメル（30 x 32）スペクトログラムを生成します。
このステップは、計算効率とメモリ管理を最適化するために2つのルーチンに分かれています。

• 最初のパートでは、時間領域の入力信号から32のスペクトログラム列の1つを、FFTとフィルターバンクアプリケーション（30メルバンド）を使ってメルスケールに変換する。
• 2番目のパートでは、32列すべてが計算されたとき（つまり1024ミリ秒後）、メルスケーリングされたスペクトログラムに対数スケーリングが適用され、ASC畳み込みニューラルネットワークの入力特徴量が作成される。

（30 x 32）ログメル･スペクトログラムを1024ms間隔でASC畳込みニューラル･ネットワーク入力に送ると、出力としてラベル（屋内、屋外、車内）を分類できます。