企业官网建设流程全解析

简介：这份PDF是2023年全国大学生电子设计竞赛高职高专组K题「辨音识键奏乐系统」的完整赛题文档，面向备赛的专科与本科参赛队及指导教师，帮助读者快速掌握题目任务、技术指标与评分导向。文档完整给出基本要求与发挥部分：以5个水杯作琴键、敲击棒演奏、识别控制器完成拾音与音高识别，涵盖一键自动演奏、空杯与注水杯的敲击学习识别、8杯打乱后辨识原杯号等任务，并附说明规则与120分评分标准，涉及敲击声特征分析、水量对声音影响、传感器与信号处理电路设计及测控程序设计。资源包仅1个PDF文件，约233KB，轻量便于打印与随时查阅。已有813人学习下载，适合作为赛题解读、方案论证与分工排期的第一手依据。

1. 辨音识键奏乐系统：K题到底考什么，120分怎么切

这道题是2023年全国大学生电子设计竞赛高职高专组K题，名字叫「辨音识键奏乐系统」。很多人第一眼把它当成「做个电子琴」，结果一上手就翻车——它真正考的不是演奏，是在敲击声这种短促、衰减快、噪声大的信号里，把「哪个杯子」和「什么音高」稳定分开。5个水杯当琴键，敲击棒敲，识别控制器负责拾音、分析识别、显示、发声，杯号与音高的对应关系选手自定。总分120分，设计报告20分、基本要求50分、发挥部分50分，基本要求里第（2）项18分、第（3）项22分，发挥部分第（1）项25分是单项最高分。换句话说，识别准确率和限时完成度是命门，方案再花哨，90秒内认不出杯号就是0分。这篇笔记按考点分布、高频考点、真题演练、易错点、答题技巧一路拆，适合正在备赛电赛控制类或信号处理类题目的队伍直接拿去练。

2. 考点分布：120分里哪些是必拿分，哪些是拉分项

2.1 评分表拆解：基本要求50分与发挥部分50分的拿分顺序

先把评分表摊开看，别一上来就冲发挥部分。基本要求三项：第（1）项自动演奏简单乐曲不超过15s，10分；第（2）项3个空杯（1、3、5号位）学习后逐个敲击显示杯号，用时≤90s，18分；第（3）项2、4、5号杯分别注水50、100、150ml，学习后识别显示并同时发出对应音高，22分。发挥部分：第（1）项5个空杯注不同水量、容量差≥20ml，学习后演奏乐曲，25分；第（2）项再加3个注水30、100、150ml的杯子，打乱8杯排序，敲击识别原1~5号杯并显示杯号，敲到新增杯显示0，总用时≤90s，20分；其他5分。

拿分顺序建议是：先把第（1）项10分做稳（这是纯播放，不涉及识别，最容易），再把第（2）项18分吃透（3个空杯、位置固定、无注水变量），然后攻第（3）项22分（开始引入水量变量，但杯数少、水量已知）。发挥部分第（1）项25分是分水岭——5个杯子水量各不相同且差≥20ml，意味着频率分辨率要够；第（2）项20分是真正的拉分题，8个杯子打乱、还要区分「原1~5号」和「新增杯」，本质是多类别分类 + 未知类拒识。

提示：有时间要求的任务超时以0分计，90秒和120秒是硬门槛，训练时按70%时间留余量。

2.2 真题演练：基本要求第（2）项怎么在90秒内稳定显示杯号

题目原文：分别敲击放置在1、3、5号位置上的3个空水杯进行识别学习训练，然后逐个敲击杯子将杯号显示在识别控制器上，用时≤90s。注意这里只学3个杯（1、3、5号位），但识别时是「逐个敲击杯子」——按题意是敲这3个已学习的杯子并显示对应杯号。答题思路分四步：

第一步，学习阶段采集模板。每个杯子在3s内敲击不超过3次，取多次敲击的频谱做平均，得到该杯的特征模板。空杯的共振峰集中且稳定，模板一致性高，这一步翻车概率低。

第二步，特征选择。别直接拿原始频谱做比对，环境噪声和敲击力度会让幅度整体漂移。常用做法是提取频谱峰值位置或梅尔频率倒谱系数（MFCC），再做归一化。对空杯，峰值频率是最稳的判据。

第三步，识别阶段做最近邻匹配。敲击一次，取频谱，与3个模板算距离（欧氏距离或余弦相似度），取最小者输出杯号。代码骨架如下：

import numpy as np def extract_peak_features(spec, top_k=5): # spec: 单次敲击的幅度谱，长度 N idx = np.argsort(spec)[-top_k:] # 取能量最大的 top_k 个频点 return np.sort(idx).astype(float) # 排序后作为特征，消除顺序影响 def recognize(feature, templates): # templates: {杯号: 模板特征} best_id, best_dist = None, float('inf') for cup_id, tpl in templates.items(): d = np.linalg.norm(feature - tpl) # 欧氏距离 if d < best_dist: best_id, best_dist = cup_id, d return best_id

top_k取5左右是因为空杯共振峰通常集中在少数几个频点，取太多会把噪声频点带进来；np.sort是为了让特征对频点顺序不敏感。识别时如果最小距离超过阈值，应判为「无法识别」而不是硬输出一个杯号——这一点在发挥部分第（2）项区分新增杯时直接决定成败。

第四步，显示与计时。杯号显示用数码管或OLED都行，关键是学习阶段和识别阶段的切换要一键完成，别让队员在90秒里还要手动改模式。训练时把整个流程掐表跑，学习+3次识别控制在60秒内，留30秒容错。

2.3 真题演练：基本要求第（3）项注水杯的识别与发声联动

题目原文：在3个空水杯（2、4、5号）中各倒入50、100、150ml的水，分别进行敲击识别学习训练，然后逐个敲击杯子将杯号显示在识别控制器上，用时≤90s，队员敲击水杯，识别控制器同时发出对应音高的声音。这一项比第（2）项多了两个变量：水量改变共振频率，以及识别后要同步发声。

水量对敲击声的影响是这道题的理论分析考点（设计报告里占6分）。杯子加水后，等效振动质量增加、刚度变化，共振频率整体下移，且水量越多下移越明显。50、100、150ml三档在180~220ml杯子里差异足够大，频率可分。答题时理论部分要写清「水量—频率」的单调关系，并给出你的测量方法：固定敲击点（靠近操作队员一侧上沿）、固定敲击棒、多次平均。

发声联动的实现要点是先识别、后发声，且发声不能干扰拾音。常见翻车是扬声器声音被麦克风拾到，造成误识别。做法是识别完成后关闭拾音通道或加静音窗口，再播放对应频率。发声用PWM或DAC产生正弦波即可，题目对声强和音色无特殊要求，别在这上面过度设计。

def play_tone(freq, duration=0.5, fs=8000): # 简单正弦发声，识别完成后调用 t = np.arange(int(fs * duration)) / fs wave = 0.5 * np.sin(2 * np.pi * freq * t) return wave # 送入DAC/PWM播放

freq由杯号映射表给出，映射关系选手自定，但要在设计报告里写清楚；duration取0.5s足够听辨，太长会拖慢90秒的节奏。

3. 高频考点：敲击声特征分析与水量影响怎么答到点上

3.1 理论分析6分：敲击声特征分析与测量分析方法

设计报告「理论分析与计算」占6分，明确要求写敲击声特征分析、水量对敲击声的影响分析、测量分析方法。这三块是评委判断你「懂不懂原理」的地方，光贴波形图拿不到分。

敲击声特征分析要落到时域和频域两个维度：时域上敲击声是短时衰减信号，起振快、衰减时间通常几十到几百毫秒，所以采样窗口不能太长，否则把衰减尾巴的噪声也收进来；频域上玻璃杯是欠阻尼系统，频谱呈现若干共振峰，空杯的峰位置由杯体几何和材料决定，注水后峰位置下移。答题时给出你的采样率、窗长、窗函数选择理由——比如采样率取8kHz以上覆盖主要共振峰，窗长取敲击后前50~100ms，用汉宁窗减少频谱泄漏。

水量影响分析要给出定性关系加实测数据：水量增加，等效质量增加，共振频率下降；不同水量之间的频率差要大于你的频率分辨率，才能稳定区分。发挥部分要求各杯水量差≥20ml，就是在保证可分性。测量分析方法写清楚你怎么标定：用已知水量的杯子测频率，拟合「水量—主峰频率」曲线，作为识别时的辅助判据。

注意：报告里别只写「频率随水量增加而降低」一句话，要附上你实测的几组数据点和拟合方式，这是6分里最容易丢的细节分。

3.2 真题演练：发挥部分第（1）项5杯不同水量演奏乐曲

题目原文：在5个空水杯中由队员注入不同容量的水，各杯中水容量之差不小于20ml，分别进行敲击识别学习训练，然后逐个敲击杯子将杯号显示在识别控制器上，用时≤120s，队员敲击水杯演奏简单乐曲（如起床号），由识别控制器发出乐曲声。这一项25分，是单项最高分，考的是5类分类 + 连续识别 + 实时发声。

答题思路：学习阶段对5个杯子各采集模板，由于水量差≥20ml，主峰频率两两可分，用峰值特征加最近邻就能到较高准确率。演奏阶段是连续敲击，每次敲击都要在几百毫秒内完成识别并发声，所以识别算法要轻——别在嵌入式端跑大模型，峰值提取加距离比对足够。节奏控制上，识别和发声要流水线化：敲击触发采集，采集完立刻识别，识别完立刻播放，播放期间屏蔽拾音。

# 演奏主循环伪代码 while playing: if detect_hit(): # 检测到敲击起振 seg = record(0.1) # 录100ms feat = extract_peak_features(spectrum(seg)) cup = recognize(feat, templates) if cup is not None: display(cup) play_tone(freq_map[cup]) # 发声期间静音拾音

detect_hit用能量阈值加起振检测，阈值要现场标定，因为不同敲击力度能量差异大；record(0.1)的100ms是经验值，太短频谱分辨率不够，太长拖慢演奏节奏。这一项的时间是120s，比基本要求宽松，但演奏乐曲本身有节奏，识别延迟要控制在可接受范围。

3.3 真题演练：发挥部分第（2）项8杯打乱与新增杯拒识

题目原文：在完成发挥部分任务（1）的基础上，再增加3个加有不同水量（30、100、150ml）的杯子，按要求打乱8个杯子排序后并排放置，从其中敲击识别出打乱排序前的1~5号杯子，并在敲击的同时显示其杯号，敲到新增杯子后显示数字0，总用时≤90s。这一项20分，考的是开集识别——不仅要认出学过的5个杯，还要把3个没学过的杯判成0。

这是全题最容易翻车的地方。很多队伍用最近邻硬分类，敲到新增杯时距离最小的仍是某个已学杯，于是输出错误杯号，直接丢分。正确做法是加拒识阈值：识别时算最小距离，若超过阈值则输出0。阈值怎么定？用学习阶段的类内距离分布来标——同一杯子多次敲击的距离最大值作为类内上限，取它的若干倍作为拒识门限。新增杯的水量（30、100、150ml）与已学5杯的水量分布有重叠风险，所以阈值不能拍脑袋，要用实测数据调。

另一个坑是打乱排序后杯号的含义。题目说「识别出打乱排序前的1~5号杯子」，意思是杯底有白板笔标记的编号，打乱的是物理位置，识别依据是杯底编号对应的声学特征。所以学习阶段必须按杯底编号建模板，不能按位置建。测试前用白板笔在杯底外部随机标记编号，按编号放置好杯子后启动测试——这个流程要在训练时完整复现，别到现场才发现模板建错了对象。

4. 易错点：这5个失分点每年都有人踩

4.1 错把「位置号」当「杯号」，学习对象建错

错在哪：基本要求部分杯号是位置号，发挥部分杯号是杯底编号，题目说明第（4）条写得很清楚。有队伍从头到尾按位置建模板，发挥部分一打乱就全错。为什么错：没逐字读说明，把基本要求的习惯带到了发挥部分。怎么答对：学习阶段先确认当前是哪个部分，基本要求按位置建模板，发挥部分按杯底白板笔编号建模板，两套模板分开存储，切换时清空旧模板。

4.2 发声干扰拾音，识别自己把自己带偏

错在哪：识别后播放的声音被麦克风拾到，下一次敲击的采集窗口里混进了上一个音，特征失真。为什么错：拾音和发声没有做时序隔离。怎么答对：发声期间关闭拾音通道或置静音标志，播放结束后留一小段静默再开拾音；硬件上麦克风和扬声器尽量拉开距离、加隔声。

4.3 采样窗口过长，把衰减尾巴的噪声当特征

错在哪：录了整段敲击声做频谱，衰减后的低能量段全是环境噪声，峰值特征被带偏。为什么错：没考虑敲击声是短时衰减信号。怎么答对：窗长取敲击后前50~100ms，加起振检测只截取有效段，窗函数用汉宁窗。

4.4 发挥部分第（2）项没有拒识机制，新增杯全判错

错在哪：最近邻硬分类，敲到30、100、150ml的新增杯仍输出某个已学杯号，题目要求显示0却显示1~5。为什么错：只做了闭集分类，没做开集拒识。怎么答对：加距离阈值，超阈值输出0；阈值用类内距离实测标定，并在训练时专门拿新增杯验证拒识率。

4.5 超时0分，流程没掐表练

错在哪：学习加识别磨蹭到100秒，超过90秒直接0分。为什么错：平时只调算法不掐流程，现场手忙脚乱。怎么答对：把「一键启动学习—敲击—显示」整条链路做成单键流程，训练时按70%时间目标练，基本要求90秒的项练到60秒内完成。

5. 答题技巧：从设计报告到现场测试的押题思路

设计报告20分里，方案论证3分、理论分析与计算6分、电路与程序设计6分、测试方案与测试结果3分、结构规范性2分。押题思路是：理论分析那6分必须配实测数据，把「水量—主峰频率」的几组测量值列成表，比写十句定性描述管用；电路与程序设计6分要画清信号链——拾音传感器、放大滤波、ADC、处理器、显示、发声，每一级写清器件选择和参数理由；测试方案3分要写你怎么验证识别率，比如每个杯子敲20次统计正确次数，附上结果分析。

现场测试的押题点集中在三个动作：一是学习阶段的一键化，评委看的是你90秒内能不能利索完成，不是看你现场改代码；二是敲击规范性，题目要求敲杯子靠近操作队员一侧的上沿，敲击棒有3cm敲击区标记，训练时就按这个约束练，别养成敲杯壁中部的习惯；三是发挥部分第（2）项的打乱流程，白板笔标编号、按编号放置、启动测试，这套动作要练到不用想。

代码层面，把识别核心做成一个可调阈值的函数，现场用按键或串口改阈值，比重新烧录快得多：

THRESHOLD = 0.35 # 拒识阈值，现场可调 def recognize_with_reject(feature, templates, thr=THRESHOLD): best_id, best_dist = None, float('inf') for cup_id, tpl in templates.items(): d = np.linalg.norm(feature - tpl) if d < best_dist: best_id, best_dist = cup_id, d return best_id if best_dist <= thr else 0 # 超阈值判为新增杯

THRESHOLD的初值来自训练集类内距离的统计，现场根据误判情况微调；返回0对应题目要求的「敲到新增杯显示数字0」。这个函数把闭集分类和开集拒识合成一步，是发挥部分第（2）项的核心。

最后说个血泪经验：这类题最贵的不是算法，是流程的确定性。我见过方案很漂亮的队伍，因为学习阶段多按了一次键、模板被覆盖，90秒里重来两遍直接超时。从那以后我每次备赛都强制走一遍「断电重启—一键学习—连续识别—超时掐表」的完整链路，把每个按键的时序写进检查表。希望帮到你。

本文还有配套的精品资源，点击获取