[发明专利]基于神经网络的智能传感器装置及处理方法

说明书

本发明涉及学习型智能传感器技术领域，具体地说是一种基于神经网络的智能传感器装置及处理方法，其特征在于，包括：数字信号处理器，其设有数据缓存，且其嵌设有RBF神经网络软件；传感器，与所述数字信号处理器的第一信号端连接；内存储设备，与所述数字信号处理器的第二信号端连接；内输入设备，其一个信号端与所述数字信号处理器的第三信号端连接；其另一个信号端用于和外输入设备通信连接；显示设备，其与数字信号处理器的第四信号端连接，用于显示数字信号处理器的输出识别结果。本发明同现有技术相比：结构简单；传感器中引入学习功能，极大地降低了开发模式识别算法的成本；可以非常小的数据量，返回最有效的数据。

技术领域

本发明涉及学习型智能传感器技术领域，具体地说是一种基于神经网络的智能传感器装置及处理方法。

背景技术

普通的传感器，只是把物理信号转换成电信号，所有的智能化或者模式识别都交由主控器，或者传输到云端来进行处理。

1、把智能化的工作交由主控器处理：主控器把传感器的数据进行读取，并且根据应用场景进行对应的数据处理，以实现对应的功能。

2、把智能化的工作交由云端处理：主控器把传感器的数据进行读取，把数据通过有线或者无线网络上传到云服务器，由云服务器进行对应的数据处理，然后把结果发还给主控器，再由主控器进行对应功能的实现。

然而上述两种智能传感器的实现方式却面临着以下问题：

1、前者对于主控器软件的开发要求较高，每次进行不同模式的识别都需要开发对应的算法。比如，做一个饮水识别和跑步识别算法，需要消耗大量的开发时间，同时两种算法的模型不具有通用性，最终得到的识别精度完全取决于开发者的技能水平，有非常强的局限性。

2、后者由于需要连接到云，必须有网络连接以及后端服务器的支持，同时又有数据量的限制以及实时性不高的问题，而且还会有用户对于隐私的担心。

简单来说，现有的传感器不够智能，没有办法满足用户的定制化需求，造成了智能家居不够智能的问题。

RBF神经网络，即径向基函数神经网络(Radical Basis Function)。径向基函数神经网络是一种高效的前馈式神经网络，它具有其他前向网络所不具有的最佳逼近性能和全局最优特性，并且结构简单，训练速度快。同时，它也是一种可以广泛应用于模式识别、非线性函数逼近等领域的神经网络模型。其算法参见如下两个网址：

1、https：//www。cnblogs。com/zhangchaoyang/articles/2591663。html；

2、https：//www。zhihu。com/compatibility/index。html。

发明内容

本发明的目的是克服现有技术的不足，通过内置的神经网络模块进行学习，让传感器本身变得更加智能，降低边缘计算设备的开发成本以及网络流量数据成本。

为实现上述目的，设计一种基于神经网络的智能传感器装置，其特征在于，包括：

数字信号处理器，其设有数据缓存，且其嵌设有RBF神经网络软件；

传感器，与所述数字信号处理器的第一信号端连接；

内存储设备，与所述数字信号处理器的第二信号端连接；

内输入设备，其一个信号端与所述数字信号处理器的第三信号端连接；其另一个信号端用于和外输入设备通信连接；

显示设备，其与数字信号处理器的第四信号端连接，用于显示数字信号处理器的输出识别结果。

所述的内存储设备的容量为16MB。