最近ST(意法半导体)公布了一个演示视频：在STM32上使用机器学习算法进行动作识别。视频如下(小编自己翻译的双语字幕，如果喜欢请关注本公众号，谢谢支持！)

视频中使用的硬件是SensorTile开发板，SensorTile由一颗STM32L476JGY微控制器，一颗LSM6DSM MEMS加速度和陀螺仪芯片，一颗LSM303AGR加速度和地磁芯片，一颗LPS22HB气压传感器芯片和一颗MP34DT04麦克风组成。SensorTile开发板的功能结构如下图所示：

ST(意法半导体)专门针对SensorTile开发套件做了相应的培训课程，该课程一共有13节，均已PDF的形式公开发布，发布地址为：

https://sites.google.com/view/ucla-stmicroelectronics-iot/home

无法访问官网的同学，请在本微信公众号后台发送“ML”获取课程全部资源。对机器学习(边缘计算)感兴趣的同学，可以重点关注下教程10~教程13。教程目录如下：

教程1：介绍ST的开发环境和DataLog 示例项目

Tutorial 1: Introduction to STMicroelectronics Development Environment and DataLog Project Example.

教程2：传感器信号采集，事件检测和相关配置

Tutorial 2: Sensor System Signal Acquisition, Event Detection and Configuration

教程3：加速度传感器的方向和事件检测

Tutorial 3: Accelerometer Sensor Systems and Orientation and Event Detection

教程4：接收音频信号的采集和处理

Tutorial 4: Introduction to Audio Sampling and Signal Processing

教程5：SensorTile固件编程

Tutorial 5: SensorTile Firmware Programming

教程6：介绍低功耗蓝牙无线接口

Tutorial 6: Introduction to Bluetooth Low Energy Wireless Interfaces

教程7：介绍低功耗蓝牙通信和GATT协议

Tutorial 7: Introduction to Bluetooth Low Energy Communication and the GATT Profile

教程8：介绍通过低功耗蓝牙通信采集运动数据

Tutorial 8: Introduction to Motion Data Acquisition via Bluetooth Low Energy Communication

教程9：介绍惯性传感

Tutorial 9: Introduction to Inertial Sensing

教程10：介绍EmbeddedML机器学习

Tutorial 10: Introduction to EmbeddedML Machine Learning

EmbeddedML专门为嵌入式边缘设备设计的一个神经网络库，已在Github开源：

https://github.com/merrick7/EmbeddedML

教程11：识别运动事件的机器学习算法

Tutorial 11: IoT Machine Learning for Recognition of Motion Events

教程12：识别多步动作模式的机器学习算法    

Tutorial 12: IoT Machine Learning for Recognition of Multiple Step Motion Patterns

教程13：基于陀螺仪的旋转角度运动模式识别的机器学习算法

Tutorial 13: IoT Machine Learning of Rotation Angle Motion Patterns by Gyroscope Sensing

除了教程，ST还提供了参考设计、FAQ和一些学生的设计可供参考。再次提醒：无法访问官网的同学，请在本微信公众号后台发送“ML”获取课程全部资源。

更多精彩资讯，请扫码关注!