[发明专利]一种基于电容按键的人机交互方法和交互系统在审
申请号: | 202010994090.6 | 申请日: | 2020-09-21 |
公开(公告)号: | CN112130709A | 公开(公告)日: | 2020-12-25 |
发明(设计)人: | 伍楷舜;关茂柠 | 申请(专利权)人: | 深圳大学 |
主分类号: | G06F3/044 | 分类号: | G06F3/044;H03K17/96 |
代理公司: | 北京市诚辉律师事务所 11430 | 代理人: | 耿慧敏 |
地址: | 518060 广东*** | 国省代码: | 广东;44 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 基于 电容 按键 人机交互 方法 交互 系统 | ||
1.一种基于电容按键的人机交互方法,包括以下步骤:
获取用户手指触摸电容按键产生的电容充电信号;
对所述电容充电信号进行处理,以提取梅尔倒谱系数特征;
将所述梅尔倒谱系数特征输入经训练的隐马尔可夫模型,识别出用户触摸电容按键的手指类型,进而根据识别结果实现人机交互。
2.根据权利要求1所述的基于电容按键的人机交互方法,其中,所述电容充电信号经由硬件开发板采集和传递。
3.根据权利要求2所述的基于电容按键的人机交互方法,其中,所述硬件开发板是STM32最小系统板,电容触摸按键的TPAD连接到该STM32最小系统板的PA1引脚。
4.根据权利要求1所述的基于电容按键的人机交互方法,其中,提取梅尔倒谱系数特征包括:
对所述电容充电信号进行滤波;
计算滤波后信号的短时能量;
利用短时能量截取出信号的有效部分;
对截取的信号有效部分进行预加重、分帧和加窗;
对每一个短时分析窗,通过短时傅里叶变换得到对应的频谱;
将获得的频谱通过梅尔滤波器组得到梅尔频谱,并在梅尔频谱上进行倒谱分析,获得所述电容充电信号对应的梅尔倒谱系数。
5.根据权利要求4所述的方法,其中,截取信号的有效部分包括:
基于电容充电信号的短时能量标准差σ设置第一切断门限和第二切断门限,其中,第一切断门限是TL=u+σ,第二切断门限是TH=u+3σ,u是背景噪声的平均能量;
找出信号中短时能量最大的一帧信号且该帧信号的能量高于所述第二切断门限;
从该帧信号的前序帧和后序帧,分别找出能量低于所述第一切断门限并且在时序上与该帧信号最近的帧,将获得的前序帧位置作为起点,将获得的后续帧位置作为终点,截取起点和终点之间的部分作为信号的有效部分。
6.根据权利要求5所述的方法,其中,截取信号的有效部分还包括:
对于电容充电信号,设置信号峰之间的最大间隔门限maxInter和最小长度门限minLen;
若电容充电信号的两个信号峰之间的间隔小于所述最大间隔门限maxInter,则将该两个信号峰作为该电容充电信号的一个信号峰;
若电容充电信号的一个信号峰的长度小于所述最小长度门限minLen,则舍弃该信号峰。
7.根据权利要求1所述的基于电容按键的人机交互方法,其中,根据以下步骤训练隐马尔可夫模型:
构建训练样本,所述训练样本用于表征电容充电信号的梅尔倒谱系数和触摸按键的手指类型之间的对应关系;
以电容充电信号的梅尔倒谱系数作为观察序列,使用鲍姆-韦尔奇算法训练隐马尔可夫模型,其中对应于每种手指类型,各训练一个隐马尔可夫模型。
8.根据权利要求1所述的基于电容按键的人机交互方法,其中,该方法还包括:
利用维特比算法计算测试数据对于各个隐马尔可夫模型的输出概率,并给出最佳的状态路径;
输出概率最大的隐马尔可夫模型所对应的类别作为该测试数据的分类结果。
9.一种基于电容按键的人机交互系统,包括:
信号采集单元:用于获取用户手指触摸电容按键产生的电容充电信号;
信号处理单元:用于对所述电容充电信号进行处理,以提取梅尔倒谱系数特征;
分类识别单元:用于将所述梅尔倒谱系数特征输入经训练的隐马尔可夫模型,识别出用户触摸电容按键的手指类型,进而根据识别结果实现人机交互。
10.一种计算机可读存储介质,其上存储有计算机程序,其中,该程序被处理器执行时实现根据权利要求1至8中任一项所述方法的步骤。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于深圳大学,未经深圳大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202010994090.6/1.html,转载请声明来源钻瓜专利网。
- 上一篇:智能人证核验测温消毒装置
- 下一篇:自分层水性树脂及其制备、应用方法