Реалізація та оптимізація алгоритмів виділення аудіоознак (MFCC) для систем EDGE AI на базі мікроконтролерів STM32

Abstract

The rapid advancement of Edge AI requires the deployment of complex audio processing and machine learning algorithms directly on resource constrained microcontrollers. This thesis focuses on the implementation and optimization of Mel-Frequency Cepstral Coefficients (MFCC) feature extraction algorithms specifically for STMicroelectronics STM32 platforms. It comprehensively describes the theoretical foundations of the MFCC pipeline alongside practical hardware-software co-design strategies utilizing CMSIS-DSP and X-CUBE-AI tools