System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本公开涉及电子设备,尤其涉及一种超声波接近检测方法、系统、电子设备、介质及程序产品。
技术介绍
1、在通话熄屏(靠近耳朵灭屏、远离耳朵亮屏),手势识别(例如靠近表示下一页、远离表示上一页,再如靠近表示增大音量、远离表示减小音量)等应用场景终端会应用超声波接近检测功能。终端可以是手机、平板、手表等等。该功能需要终端的扬声器发射超声波,然后使用终端的麦克风接收超声直达波和反射回波,分析接收信号的特征(主要是多普勒频移特征),实现接近检测。
2、现有方案会将所有频率作为一个整体判断(“多频整体判断”),例如通过stft(短时傅立叶变换)预处理信号频率后,截取一整块包含所有发射频率区间的时频图切片输入分类器,但会出现以下问题:
3、一、对接收信号特征的分类器采用基于状态的两分类输出,导致特征难以区分的两种情况(停在近处和停在远处)被分到两个不同的类别,不利于算法判断。以通话熄屏功能为例,如果对接收信号特征的分类器采用基于屏幕状态的两分类输出(on/off),会导致特征难以区分的两种情况(手机停在耳边和停在远处)被分到两个不同的类别,不利于算法判断,算法准确率低。
4、二、发射信号为多个单频信号混合而成,分类器将所有频率作为一个整体判断(“多频整体判断”),如果使用ai(人工智能)模型作为分类器,需要的模型尺寸较大,而且分类器的迁移能力不足。即多频整体判断在分类器训练或调参时,新的设备由于频响、干扰等因素,必须使用不同于原始数据的频率分布,则多频整体判断的分类器往往不能直接使用,而是需要以新的发射频率分
5、三、使用现有的手势识别方案时,定义多种差异很大的手势,实现多种不同的功能,会导致分类器比较复杂,计算量大。
技术实现思路
1、本公开要解决的技术问题是为了克服现有技术中存在接近检测准确率低、分类器迁移能力差、计算量大的缺陷,提供一种超声波接近检测方法、系统、电子设备、介质及程序产品。
2、本公开是通过下述技术方案来解决上述技术问题:
3、本公开提供一种超声波接近检测方法,应用于终端设备,所述超声波接近检测方法包括:
4、接收超声波;其中,所述超声波通过若干个不同发射频率的发射信号叠加而成;
5、对所述超声波进行频率分离,以获得所述发射信号对应的接收信号;
6、将每个接收信号分别输入分类器,以输出对应的所述终端设备的状态特征类别;其中,所述状态特征类别包括静止特征、靠近特征和远离特征;
7、汇总所有接收信号对应的状态特征类别,并根据汇总后的状态特征类别确定所述终端设备的最终状态特征。
8、优选地,所述对所述超声波进行频率分离的步骤前包括:
9、对所述超声波进行预处理,以得到所述超声波的时频图;
10、所述对所述超声波进行频率分离的步骤包括:
11、以每个发射频率为中心,截取所述时频图的频域切片。
12、优选地,所述对所述超声波进行频率分离的步骤包括:
13、通过峰值滤波器对所述超声波进行频率分离。
14、优选地,所述根据汇总后的状态特征类别确定所述终端设备的最终状态特征的步骤包括:
15、响应于每个接收信号对应输出的状态特征类别不唯一,则获取每个输出的状态特征类别的置信度;
16、将所述置信度与接收信号的频率进行加权求和,以获得每个接收信号对应的加权求和值;
17、将第一和值对应的状态特征类别确定为所述终端设备的最终状态特征;
18、其中,所述第一和值为所述加权求和值中的最大值;
19、或,
20、响应于每个接收信号对应输出的状态特征类别唯一,则统计所述状态特征类别的数量;
21、响应于第一特征类别的数量大于第二特征类别的数量,且第一特征类别的数量大于第三特征类别的数量,则确定第一特征类别为所述终端设备的最终状态特征;其中,第一特征类别、第二特征类别以及第三特征类别为静止特征、靠近特征和远离特征中任一项;
22、响应于靠近特征的数量与远离特征的数量相同,则确定静止特征为所述终端设备的最终状态特征;
23、响应于靠近特征的数量与静止特征的数量相同,且远离特征的数量小于靠近特征的数量,则确定靠近特征为所述终端设备的最终状态特征;
24、响应于远离特征的数量与静止特征的数量相同,且靠近特征的数量小于远离特征的数量,则确定远离特征为所述终端设备的最终状态特征;
25、或,
26、响应于远离特征的数量大于静止特征的数量,且远离特征的数量大于靠近特征的数量,则确定远离特征为所述终端设备的最终状态特征;
27、响应于靠近特征的数量大于静止特征的数量,且靠近特征的数量大于远离特征的数量,则确定靠近特征为所述终端设备的最终状态特征;
28、反之,则确定静止特征为所述终端设备的最终状态特征;
29、或,
30、获取所述终端设备的当前状态特征;
31、响应于所述当前状态特征为第一状态,则将静止特征的数量与靠近特征的旧数量之和确定为靠近特征的新数量;
32、响应于所述当前状态特征为第二状态,则将静止特征的数量与远离特征的旧数量之和确定为远离特征的新数量;
33、响应于所述靠近特征的新数量大于所述远离特征的新数量,则确定靠近特征为所述终端设备的最终状态特征;
34、响应于所述远离特征的新数量大于所述靠近特征的新数量,则确定远离特征为所述终端设备的最终状态特征;
35、响应于所述靠近特征的新数量等于所述远离特征的新数量,则确定静止特征为所述终端设备的最终状态特征;
36、响应于所述靠近特征的新数量等于所述远离特征的新数量,且靠近特征的旧数量等于所述远离特征的旧数量,则确定静止特征为所述终端设备的最终状态特征;
37、响应于所述靠近特征的新数量等于所述远离特征的新数量,且靠近特征的旧数量大于所述远离特征的旧数量,则确定靠近特征为所述终端设备的最终状态特征;
38、响应于所述靠近特征的新数量等于所述远离特征的新数量,且远离特征的旧数量大于所述靠近特征的旧数量,则确定远离特征为所述终端设备的最终状态特征。
39、优选地,所述超声波接近检测方法还包括:
40、根据所述最终状态特征对所述终端设备进行相应的控制;
41、或,
42、响应于所述终端设备的所述最终状态特征连续出现预设次数,则对所述终端设备进行相应的控制。
43、优选地,所述将每个接收信号分别输入分类器,以输出对应的所述终端设备的状态特征类别;其中,所述状态特征类别包括静止特征、靠近特征和远离特征的步骤包括:
44、响应于所述接收信号的频率大于所述发射频率,输出本文档来自技高网...
【技术保护点】
1.一种超声波接近检测方法,其特征在于,应用于终端设备,所述超声波接近检测方法包括:
2.如权利要求1所述的超声波接近检测方法,其特征在于,所述对所述超声波进行频率分离的步骤前包括:
3.如权利要求1所述的超声波接近检测方法,其特征在于,所述对所述超声波进行频率分离的步骤包括:
4.如权利要求1所述的超声波接近检测方法,其特征在于,所述根据汇总后的状态特征类别确定所述终端设备的最终状态特征的步骤包括:
5.如权利要求1所述的超声波接近检测方法,其特征在于,所述超声波接近检测方法还包括:
6.如权利要求1所述的超声波接近检测方法,其特征在于,所述将每个接收信号分别输入分类器,以输出对应的所述终端设备的状态特征类别;其中,所述状态特征类别包括静止特征、靠近特征和远离特征的步骤包括:
7.一种超声波接近检测系统,其特征在于,应用于终端设备,所述超声波接近检测系统包括:
8.一种电子设备,包括存储器、处理器及存储在存储器上并用于在处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利
9.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至6中任一项所述的超声波接近检测方法。
10.一种芯片,应用于电子设备,其特征在于,所述芯片用于执行如权利要求1-6中任一项所述的超声波接近检测方法。
11.一种芯片模组,应用于电子设备,其特征在于,包括收发组件和芯片,所述芯片,用于执行如权利要求1-6中任一项所述的超声波接近检测方法。
12.一种计算机程序产品,包括计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1-6中任一项所述的超声波接近检测方法。
...【技术特征摘要】
1.一种超声波接近检测方法,其特征在于,应用于终端设备,所述超声波接近检测方法包括:
2.如权利要求1所述的超声波接近检测方法,其特征在于,所述对所述超声波进行频率分离的步骤前包括:
3.如权利要求1所述的超声波接近检测方法,其特征在于,所述对所述超声波进行频率分离的步骤包括:
4.如权利要求1所述的超声波接近检测方法,其特征在于,所述根据汇总后的状态特征类别确定所述终端设备的最终状态特征的步骤包括:
5.如权利要求1所述的超声波接近检测方法,其特征在于,所述超声波接近检测方法还包括:
6.如权利要求1所述的超声波接近检测方法,其特征在于,所述将每个接收信号分别输入分类器,以输出对应的所述终端设备的状态特征类别;其中,所述状态特征类别包括静止特征、靠近特征和远离特征的步骤包括:
7.一种超声波接近检测系统,其特征在于,应用于终端...
【专利技术属性】
技术研发人员:李璟,董斐,
申请(专利权)人:展讯通信上海有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。