[发明专利]使用者与触控笔的互动方法、分类系统以及触控笔产品

权利要求书

1.一种使用者与触控笔的互动方法，其特征在于，所述方法包含：

利用一感测器感测使用者对一触控笔进行敲击而生成的各种敲击事件，以量测出若干个加速度信号；

对每一个加速度信号进行取样，针对每一个加速度信号得出若干个特征值；

将一个加速度信号的这些特征值及根据该加速度信号对应的敲击事件的类型记录的分类标记作为一个样本，生成包含若干个样本的一样本集；

将一个样本中的这些特征值作为输入，自由选取的权重参数组作为调整参数，输入到一深度神经网络中，得出一预测的分类标记；

根据该预测的分类标记与该样本中真实的分类标记的误差，采用向后传播的算法，调整该权重参数组；以及

将该样本集的样本分批读出，训练该深度神经网络，对该权重参数组进行微调，以决定出优化的权重参数组。

2.根据权利要求1所述的方法，其特征在于，所述方法更包含：

将该深度神经网络及该优化的权重参数组作为一敲击分类器，布建到一触控笔产品中；以及

接收对该触控笔产品进行的一敲击操作所产生的加速度信号，并将该敲击操作所产生的加速度信号输入该敲击分类器中，以得出一预测的敲击类型。

3.根据权利要求2所述的方法，其特征在于，所述方法更包含：

利用设置于该触控笔产品中的一惯性测量单元，通过一融合算法，计算该触控笔产品的倾向角;

其中在得出该预测的互动类型的步骤之后，所述方法更包含：

根据该预测的敲击类型及所计算出的倾向角，执行一预定操作。

4.根据权利要求3所述的方法，其特征在于：该预定操作是选自由变更画笔颜色及变更画笔粗细所组成的群组。

5.根据权利要求3所述的方法，其特征在于：该倾斜角是由绕着X轴的翻滚角度、绕着Y轴的俯仰角度及绕着Z轴的偏摆角度之至少一者所构成。

6.根据权利要求1所述的方法，其特征在于：该深度神经网络包含多个卷积层。

7.根据权利要求1所述的方法，其特征在于：该敲击事件的类型包含执行于该触控笔的敲击类型或次数。

8.一种使用者对触控笔进行的敲击事件的分类系统，其特征在于，所述系统包含：

一触控笔，其内设置有一感测器，用以感测使用者对该触控笔进行敲击而生成的各种敲击事件，以量测出若干个加速度信号；以及

一计算机装置，与该触控笔耦接，该计算机装置包含：

一处理器，接收该感测器传来的该等加速度信号；以及

一存储器，与该处理器连接，该存储器包含可由该处理器执行的若干个程序指令，该处理器执行这些程序指令以执行一方法，所述方法包含：

对每一个加速度信号进行取样，针对每一个加速度信号得出若干个特征值；

将一个加速度信号的这些特征值及根据该加速度信号对应的敲击事件的类型记录的分类标记，作为一个样本，生成包含若干个样本的一样本集；

将一个样本中的这些特征值作为输入，自由选取的权重参数组作为调整参数，输入到一深度神经网络中，得出一预测的分类标记；

根据该预测的分类标记与该样本中真实的分类标记的误差，采用向后传播的算法，调整该权重参数组；以及

将该样本集的样本分批读出，训练该深度神经网络，对该权重参数组进行微调，以决定出优化的权重参数组。

9.根据权利要求8所述的系统，其特征在于：该深度神经网络包含多个卷积层。

10.根据权利要求8所述的系统，其特征在于：该敲击事件的类型包含执行于该触控笔的敲击类型或次数。

11.一种触控笔产品，其特征在于，所述触控笔产品包含：

一感测器，用以感测对该触控笔产品进行的一敲击操作而产生的加速度信号，并用以通过一融合算法计算该触控笔产品的倾向角；

一控制器，与该感测器耦接，该控制器中布建有与权利要求1中的深度神经网络对应的深度神经网络，该控制器用以将该对应的深度神经网络及根据权利要求1得出的该优化的权重参数组作为一敲击分类器，并用以将来自该感测器的加速度信号输入该敲击分类器中，以得出一预测的敲击类型；以及

一无线传输模块，与该控制器耦接，用以传送携载该预测的互动类型及该计算出的倾斜角的无线信号。