CN104246669B

CN104246669B - 通过不规则电极进行电容测量的方法及实施该方法的装置

Info

Publication number: CN104246669B
Application number: CN201380013800.0A
Authority: CN
Inventors: 布鲁诺·隆
Original assignee: Fogale Nanotech SA
Current assignee: Fogale Nanotech SA
Priority date: 2012-03-13
Filing date: 2013-03-08
Publication date: 2018-02-13
Anticipated expiration: 2033-03-08
Also published as: JP6231025B2; EP2724216B1; US20140379287A1; FR2988175B1; US9360512B2; CN104246669A; JP2015510210A; FR2988175A1; KR101899632B1; WO2013135575A1; KR20140138750A; US20170031519A1; US10949036B2; EP2724216A1

Abstract

本发明涉及对象相对于集成到用于检测所述对象的人机界面装置中的至少两个独立电极的绝对电容测量的方法。该方法包括以下步骤：a)对于每个电极，测量电极和对象之间的绝对电容的值，a’)通过对绝对电容的实际值应用多变量非线性预测模型进行预测，以获得概率密度的图像，这些概率密度被认为是用于检测所述对象的实际校正值。例如，多变量非线性预测模型可以通过以下方式来获得：基于对于多个对象位置相对于所述至少两个电极获得的绝对电容的实际值的非线性回归，和基于对于多个对象位置相对于理想化电极获得的概率密度的图像的非线性回归。

Description

通过不规则电极进行电容测量的方法及实施该方法的装置

本发明涉及测量在多个独立电极附近的对象的绝对电容(自电容)的方法，这些电极具有不规则表面。本发明还涉及实施所述方法的电子手势界面装置。

更具体地，但非限制性地，本发明的领域是用于人机界面指令的触摸敏感和3D电容式的表面的领域。

通信和工作装置正越来越多地使用触摸敏感的控制界面，如面板或屏幕。例如，可以提及的是移动电话、智能手机、具有触摸敏感屏幕的计算机、平板电脑、个人电脑、鼠标装置、触摸面板、宽屏显示器等。

这些界面中的多种使用电容技术。

触摸敏感表面配备有配有连接至电子元件的导电电极，这使得能够测量在电极和待检测对象之间出现的电容变化以给出指令。

目前在触摸敏感界面中使用的电容技术通常使用行和列形式的两层导电电极。最广泛使用的几何拓扑结构是每一行和每一列都由菱形构成，所述菱形在垂直方向上连接到一起以形成列，并且在水平方向上连接到一起以形成行。

使用该几何拓扑结构可以产生两种操作模式用来检测在表面前方的对象的存在：

1.电子设备测量在这些行和列之间存在的耦合电容。当手指非常接近活动表面时，手指附近的耦合电容被改变，电子设备可以由此在活动表面的平面中定位2D位置(XY)。这些技术使得能够通过电介质检测手指的存在和位置。它们具有在一个或更多个手指在敏感表面的平面(XY)中的定位中实现非常好的分辨率的优势。然而，这些技术具有在电极和电子设备的水平处基本上产生原理上大的泄漏电容的缺点。此外，由于老化、材料变形或环境温度变化的影响，这些泄漏电容可以随时间漂移。这些变化会可能降低电极的敏感度，或甚至可能以不合时宜的方式触发指令。该技术的另外一个缺点是：在行和列之间产生的电场仍然主要集中在表面周围，而耦合电容的变化仅在对象非常接近表面或甚至接触表面时发生。这限制了该技术仅为用于触摸和2D的使用。

2.对于电极的每一行和每一列，电子设备测量在对象和所讨论的电极之间出现的绝对电容。该方法的优点是：电场从表面更远地辐射，使得能够测量位于屏幕上方几厘米处的对象。该方法的缺点是：由于两个对象的位置模糊，限制检测多个对象，实际上即使置换这些对象的X或Y坐标，所测量的电容也将是相同的。对本领域技术人员而言，这种现象被称为“鬼影(ghosting)”。

还已知使得能够测量在电极和将待检测对象之间出现的绝对电容的技术。例如，已知Rozière的文献FR 2 844 349，其公开了一种包括会被独立地激发并测量的多个电极的电容式接近检测器。该检测器使得能够测量电极与附近对象之间的绝对电容和距离。

这些技术使得能够实现具有高分辨率和高灵敏度的电极与对象之间的电容的测量。这使得能够检测例如在距离几厘米处的手指而不模糊。检测可以在三维空间(XYZ)中完成，也可以在平面(XY)中的表面上完成。这些技术提供了开发真正非接触的手势界面的可能性，并使得能够改善触摸敏感界面的性能。

为了便于说明测量方法、可靠地检测对象的存在并准确地判断其位置，理想的是电极理想地规则地设置在表面上，这优选地导致以具有相同矩形几何结构的构造来设置电极。电极的尺寸近似等于待检测对象的尺寸或比待检测对象的尺寸小50％。通常，范围在0.35至0.65cm²的电极表面积很适合于人机界面型应用，其中待检测对象是人类手指。该类型的常规分区很适合于虚拟2D/3D按钮型的界面，所述界面中电极被刻蚀在电子印刷电路板(PCB)上并且由位于导电表面层下方的电源供电。

然而，由于与“智能手机”型的特定应用中表面的透明度有关的约束，其中检测表面必须允许最大量的来自显示器的光通过，电极的表面与其与电子激发和采集电路的电连接设置在相同的层上。电连接使得能够将位于屏幕中央的电极连接至屏幕的边缘，然后，如果有必要的话，这些连接沿着屏幕周边向下。可以通过用隔离表面将周边上的连接覆盖、然后在附近设置导体来保护周边上的连接免受环境的电容干扰，或可以不保护该连接，所述导体被称为保护导体，所述保护导体利用与电极的电势相同的电势来激发。如果轨道是“受保护的”，则它们被认为是非测量的并且不认为是电容测量的一部分。在相反的情况下，这些轨道是测量的一个组成部分。将中央电极连接至边缘外围的连接导致每个单独的测量不再被定位在矩形表面中。其不仅测量对象在主表面上方时的响应，还测量对象一接近连接轨道时的响应，所述连接轨道可以在远离该主测量表面处。

然而，屏幕更好的透明度的约束使得必须将电极及其连接设置在相同的表面上。这使得能够降低制造成本。这种简化使得能够通过消除中间层连接元件而具有较大的可靠性。

本发明的一个目的是一种限制由于连接轨道产生的干扰的新测量方法。

本发明的另一目的是降低设计包括手势人机界面的装置的成本。

所述目的中的至少一个是用测量对象相对于集成在用于检测所述对象的人机界面装置中的至少两个独立电极的绝对电容的方法来实现的。根据本发明，该方法包括以下步骤：

a)对于每个电极，测量电极和对象之间的绝对电容的值，

a’)通过对绝对电容的实际值应用多变量非线性预测模型进行预测，以获得概率密度的图像(在测量时，实时地进行)，这些概率密度被认为是用于检测所述对象的经校正的绝对电容值。

利用根据本发明的这种方法，使用多变量非线性预测模型用于校正实际的绝对电容值。该校正使得能够将这些实际值变换成校正值，使得能够补偿电极设计中的各种缺陷。这些缺陷可能是由于会特别地限制检测分辨率的电极的非优化几何形状造成的。例如，该几何形状可能是由于从电极平面的外围出发至设置在电极平面中央区域的电极的连接轨道产生的。这种不适宜的几何形状可被描述为不规则表面。“不规则表面”是指没有规则几何形状如方形、矩形、圆形或任何其它形状的表面。举例来说，这样的表面是包括邻接薄带如连接轨道的矩形的表面。

如下文会看到的，概率密度的图像可以是通过在理想电极平面上测量获得的虚拟值的图像，或是由理想电极平面的高斯分布获得的函数的图像。该理想电极平面可以是对高分辨率的电极布置的理论设计，其具有与实际电极的数目和形状不同的电极数目和形状。

优选地，多变量非线性预测模型是通过以下方式获得的：

-基于对于多个对象位置相对于所述至少两个电极获得的绝对电容的实际值的非线性回归，和

-基于对于多个对象位置相对于理想化电极获得的概率密度的图像的非线性回归。

通过非线性回归进行的确定可以通过人工神经网络模型来获得。存在利用神经网络的不同方式，并且其为本领域技术人员所知的。

优选地，本发明提供以下实施方式：在步骤a)中，由所测量的绝对电容值建立矢量V_raw，步骤a’)中的预测包括以下步骤：

b)对至少矢量V_raw应用第一非线性变换F2以获得矢量X2，

c)应用仿射变换以通过将矢量X2乘以矩阵M2并加上平移矢量Y02来获得矢量Y2；矩阵M2是对象存在下在具有不规则表面的电极上获得的绝对电容的实际值的矢量与对象存在下对于理想化电极获得的虚拟值的矢量之间的变换的矩阵，

d)对至少矢量Y2应用与第一非线性变换F2相逆的第二非线性变换，以获得校正矢量V_corr，和

e)使用校正矢量V_corr作为用于检测所述对象的绝对电容的值。

利用该实施方式，实施绝对电容的测量值的校正。这些值已经被修改以特别地消除连接轨道的影响，这些连接轨道是实际电极与虚拟电极之间的差别。通过矩阵M2和变换矢量Y02，在实际电极与被认为理想的虚拟电极之间使用模型。

由于根据本发明的方法，可以准确地检测在电极前或在电极附近移动一定体积的对象。这使得能够容易地设想设置在相同层上作为连接的电极的矩阵阵列的设计。

根据本发明的有利特征，可以使用不同的函数F2，例如：

-F2(V_raw)＝1/V_raw；

-F2(V_raw)＝1/(V_raw/Vmax+β)，Vmax为预定的最大电压，β为正数；或

-F2(V_raw)＝V_raw/Vmax，Vmax为预定的最大电压。

根据本发明的一个有利实施方案，在步骤a)之后，实施以下步骤：

-筛选矢量V_raw的值以获得矢量V_{inf_raw}

-对矢量V_{inf_raw}应用非线性变换F1以获得矢量X1，

-应用仿射变换以通过将矢量X1乘以矩阵M1并加上平移矢量Y01来获得矢量Y1；矩阵M1是在不存在检测对象的情况下在具有不规则表面的电极上获得的绝对电容的实际值的矢量与不存在检测对象的情况下虚拟值的矢量之间的变换的矩阵，和

-对矢量Y1应用与非线性变换F1相逆的非线性变换，以获得校正矢量Vinf_corr，

-然后实施步骤b)至e)，其中，在步骤b)中，对矢量V_raw和V_{inf_raw}应用非线性变换F2以获得作为V_raw和V_{inf_raw}的函数的矢量X2；和在步骤d)中，对矢量Y2和Vinf_corr应用与第一非线性变换F2相逆的第二非线性变换以获得作为Y2和Vinf_corr的函数的校正矢量V_corr。

利用该实施方案，首先在不考虑关注对象的条件下校正了与实际电极相关的一组值，而所述筛选使得能够消除关注对象的影响。第二校正在考虑关注对象的条件下利用第一校正的结果校正与实际电极相关的值。

根据本发明，函数F1还可以具有不同的形式，如：

-F1(V_raw)＝1/V_raw，

-F1(V_raw)＝1/(V_raw/Vmax+β)，Vmax为预定的最大电压，β为正数；或

-F1(V_raw)＝V_raw/Vmax，Vmax为预定的最大电压。

在该实施方案中，函数F2可以使得：

-F2(V_raw,V_inf*)＝V_raw/V_inf*；V_inf*在步骤b)中的非线性变换期间等于V_{inf_raw}，而在步骤d)中的逆非线性变换期间等于Vinf_corr，或

-F2(V_raw,V_inf*)＝1-(V_raw/V_inf*)；V_inf*在步骤b)中的非线性变换期间等于V_{inf_raw}，而在步骤d)中的逆非线性变换期间等于Vinf_corr。

在步骤e)期间，还可以设想使校正矢量V_corr归一化的步骤，在该步骤期间进行以下步骤：

-筛选校正矢量V_corr以获得经筛选的矢量V_corr_f，和

-利用经筛选的矢量V_corr_f使校正矢量归一化，以获得归一化的矢量V_corr_nor。

根据本发明的一个有利特征，该筛选是根据下式之一获得的：

V(t0)＝max{V(t):t∈(-∞,t0)}；t0为测量时间，V(t)为进行筛选的矢量，t是时间指数，或

V(t0)＝max{V(t):t∈(t0-窗口大小,t0)}，其中窗口大小为自动校准窗口的时间段-即其中任何不变的干扰会被认为是由非关注对象引起的时间段-t0为测量时间，V(t)为进行筛选的矢量，t是时间指数。

筛选也可以通过用预定矢量替代进行筛选的矢量来简单地获得。

根据本发明，矩阵M可以通过偏最小二乘法获得，虚拟值的矢量是对于理想化电极获得的值的矢量。这些是在一定距离处没有连接轨道的规则电极。

另一方面，可以为从来源于相对于电极的多个准确对象位置的概率密度函数的抽样中获得矩阵M做准备，虚拟值的矢量是其值为存在的概率的矢量。在这种情况下，概率密度函数可以有利地是集中在每一水平对象位置的2D高斯分布，其宽度取决于对象的垂直位置，该高斯分布是由下式定义的：

Gj(t)＝A(z0)*exp[-((xj–xo)²+(yj–yo)²)/σ(zo)²]，

其中，(xj,yj)为包括电极的检测表面上的规则网格的坐标；(xo(t),yo(t),zo(t))为最接近检测表面的对象的端部的3D坐标；A(zo)和σ(zo)为以单调方式取决于距离z0的两个预定函数，A(z)递减而σ(zo)递增。

根据本发明的另一方面，提供了一种电子装置，其包括：

-集成在人机界面装置中的两个独立电极，

-用于通过测量对象相对于电极的绝对电容来检测所述对象的位置的处理单元。根据本发明，处理单元配置为实施上述步骤中的至少一个。

该装置可包括或不包括触摸敏感的屏幕。

一般而言，检测可以是屏幕上的二维方向或是在或不在屏幕附近的三维体积的手势检测(例如，设置在木制面板后面的检测平板等)。

本发明的电子设备的一个实施方案可以是专利WO 2011/015795 A1所描述的一个实施方案。在该实施方案中，已经放置了主动保护装置，以使电容泄漏最小化并提供更好的关注对象的测量品质。如果不提供主动保护装置，则应对电容泄漏进行校准和扣除。

电极优选地基于掺锡氧化铟(ITO)来设计。也可以使用对光透明的其它材料，如掺铝氧化锌(AZO)或掺锡氧化镉.

通过查阅非限制性实施方案的详细描述和附图，本发明的其它优点和特征会变得明显，其中：

-图1a和图1b是根据本发明的装置的示意图；

-图2是说明电势随关注对象在根据本发明的装置上方的移动而变化的示意图；

-一方面，图3a是说明具有不规则划分的实际电极，另一方面，图3b是说明具有规则表面划分的虚拟电极的示意图；

-图4是说明圆形虚拟电极的示意图；

-一方面，图5a是说明具有不规则划分的实际电极，另一方面，图5b是说明具有规则表面划分但电极朝边缘具有更高集中度的虚拟电极的示意图；

-图6是说明根据本发明的“智能手机”型装置的示意图；

-图7a和图7b分别是说明经过编号的实际电极的示意图和电极之一的图像放大；

-图8是说明根据本发明的步骤的流程图的示意图；和

-图9是根据本发明的一般方法的示意图。

一般而言，在图1a和1b中可以看到根据本发明的装置AP。它可以是“智能手机”型的电话或具有触摸敏感屏幕的数字平板。该装置AP包括检测表面SD，所述检测表面SD是特别地电极的平面(平坦的或弯曲的)位于其下方的触摸敏感部分。该检测表面SD从其顶部开始包括由透明材料制成的几个层，例如：

-外部窗口VE，

-防碎片膜FAD，

-透明黏合剂CT，和

-起偏器P，

-由透明材料如掺锡氧化铟(ITO)制成的电极E，

-电极的玻璃支撑体S，

-保护装置G，其为由透明导电材料如掺锡氧化铟(ITO)制成的层，和

-显示屏EC，其必须是通过外部窗口VE可以从外部看见的。

因此，电极和保护装置位于检测表面下方，并且由具有高电阻率的透明导电材料制成。

还可以看到非检测表面SND，其在该情况下围绕在检测表面SD周围。该表面从外部看通常是不透明的，并且没有电极但具有连接轨道PT和弹性连接器CF，所述弹性连接器CF是金属的，由此实际上具有零电阻率。

尽管本发明不限于此，但是现在会描述其中回归和预测利用以下三种变换的根据本发明的方法：非线性变换、线性变换和第二非线性变换。如先前所陈述的，可以使用其它相关技术，特别是在神经网络的家族内的技术。

本发明可以用于第一校准步骤以确定仿射变换的矩阵和平移矢量。根据一个实施方案，在实际绝对电容值和虚拟绝对电容值之间建立模型。根据定义，由每个电极精确测量的绝对电容C_j(t)与该电极的表面Aj上的电荷密度的积分在数学上成比例，图3a说明了这样的电极：

其中，N为实际电极的数目，n为垂直于测量表面的矢量，Ф为时间t时的电势，ds为表面的无穷小元素。法向导数为表面电荷密度。

电势符合以下静电方程：

·在Ω中ΔФ＝0，其中Ω为表示敏感区域所位于的三维半体积的3D体积，

·平板(slab)，Γ(t)为在装置前运动的对象的表面的函数，其中平板为对其施加激发电势的整个活动表面。

·在无穷远处的辐射条件，

在Γ(t)上Ф＝0，

在平板的表面上Ф＝1。

图2显示以在检测表面上前进的曲线形式的函数Γ(t)的图示。例如，该曲线表示手指在屏幕上方的移动。电势取决于对象的形状和位置。

总的电容表面被划分成N个电极。以举例的方式给出两个数值0伏特和1伏特。数值0是地电势，1是激发电势的参考值。在通过例如在文件WO2011/015795中所描述的电容式浮桥技术测量的情况下，其为浮动激发值；所述文件的内容通过引用并入本文。

在通过具有不规则形状的实际电极的真实装置进行测量{Cj(t)}的同时，考虑经受与真实装置相同的电势和相同的电场的“虚拟”装置的响应。区别在于“虚拟”装置具有更规则的电极划分，由此具有图像形式的电容响应，所述图像如实地反应了对象在一定位置处展现的概率密度函数。通过各电极所测量的虚拟绝对电容Cv_j(t)与表面Bj上的电荷密度的积分在数学上成比例，所述表面Bj是电极的理想表面，即没有连接轨道的表面，图3b说明了这种电极：

其中，Nv为虚拟电极的数目，Ф为时间t时的相同电势，而ds为表面的无穷小元素。

虚拟电极的数目可以等于或大于实际电极的数目。这样是为了增加彼此非常接近的两个或更多个对象的检测分辨率。

为了确定从实际转变为虚拟(＝理想电极)的模型，问题的关键是通过包括在处理单元中的数字元件由{C_j(t)}计算{Cv_j(t)}。从一个转变为另一个的函数可以以多种方式确定。

1.首先，选择检测体积上的一组对象位置。该组必须是有代表性的以充分涵盖所有可设想的装置使用情况。

2.凭借计算机通过数字模拟来计算该组位置上的电势。这提供了涵盖装置使用情况的一组电势。

3.通过对各个表面Aj和Bj上的相同电荷密度进行积分来计算该组上的实际装置{C_j(t)}和虚拟装置{Cv_j(t)}的响应。

4.统计回归或模型识别方法使得能够确定能够大致作为{C_j(t)}的函数来计算{Cv_j(t)}的模型。

以上步骤2和步骤3可以通过数字模拟或通过实验方法来进行：具有不规则电极的装置和具有理想化规则电极的另一装置测量在步骤1中固定的组中的对象的相同位置。这两个装置可以按顺序测量相同的序列，或者以机械同步的方式测量相同的序列以使测量误差最小化。

在步骤4中，可以使用回归方法，如“偏最小二乘”(PLS)法。PLS法使得能够利用线性模型、通过被称为潜在变量的第三变量来将实际电极响应和虚拟电极响应联系起来。PLS法被称为双线性的。可以使用其它模型识别技术如利用Ridge正则化的最小二乘法或Lasso回归等代替PLS法。

图3a显示实际电极的图示。它们都具有至两个侧面边缘之一的访问轨道。这些电极的表面是不规则的。在图3b中，虚拟电极表现为将测量表面划分成规则的矩形；可以设想虚拟电极的表面具有其它形状，例如具有相同表面积的重叠圆盘。图4中示出了这种实施方案。每个电极的形状为圆盘的事实使得能够在与检测表面平行的平面中具有更多同位素响应。通过模拟而不是实验地实施这种重叠虚拟电极更为实际。

以与对形状相同的方式，虚拟电极的分布可以与实际电极的分布不同。可以在边缘设想更高的集中度，以更好地捕捉检测表面边缘上的概率密度函数的形状，如在图5b中可以看到的；图5a是实际点电极的图示。因此，虚拟电极的形状和分布可以与实际电极的形状和分布不同。还可以设想例如在检测表面的中央具有更密的网格，在该处需要更高的检测精确度。

根据本发明的另一实施方案，可以使用不一定具有物理意义的一组图像作为期望的输出，来代替使用虚拟电极的响应Cv_j(t)作为期望的输出响应。例如，图像可以是直接来源于对象的确切位置的概率密度函数的抽样，例如置中的2D高斯分布、对象上方的水平位置、高斯分布的宽度，其取决于对象的垂直位置。

Gj(t)＝A(z0)*exp[-((xj–xo)²+(yj–yo)²)/σ(zo)²],

根据本发明，通过将测量值C_j(t)转换成输出Cv_j(t)}、或可替代地转换成输出Gj(t)的变换，可以获得使得能够获得放射函数的乘法矩阵和平移矢量的模型。

本发明还包括在其期间使用者使用具有屏幕和检测装置的装置的操作阶段。这种装置可以是图6中的1所示的“智能手机”型的智能电话。该装置1包括显示屏2和电容检测装置。所述电容检测装置包括如文件WO2011/015795中所述的浮桥电路(未显示)。特别地，这种电路包括电容测量电极和保护电极，以限制为干扰源的寄生电容的影响。换言之，该装置可以包括用作防电容泄漏的主动保护装置的导电平面，该导电平面可为如Rozière的文件FR 2 844 349中描述的浮桥技术或其它技术。该装置也可以没有保护装置。一般而言，保护装置是其电势基本上与测量电极的电势相同的导电平面。

在图6中，电容测量电极3的矩阵阵列设置在显示屏2上方。电容电极3是由掺锡氧化铟(ITO)制成的。

图7a显示从1至60编号的电容电极3的矩阵阵列。提供各电极用于从装置的左侧或右侧外围连接至电路(未显示)。如图7b中可以看到的，每个电容电极都包括通常为矩形形状的工作部6，和使得能够将工作部6连接至装置1的内侧外围的连接轨道7。然后，连接轨道向下延伸到装置的内侧直至电路。本发明使得能够限制连接轨道7的影响，以使检测到的电容等同于由仅包括有用的工作部6的理想电极会检测到的电容。

图6显示控制装置1的所有部件的处理单元5。该处理单元可以是用于特别地控制电极3的显示屏和矩阵阵列的装备有常规硬件和软件元件的微处理器或微控制器。该电极的矩阵阵列被设计为检测显示屏2上方一定体积内的手指4的手势。

使用者移动其手指4，其手指4凭借电极3的矩阵阵列通过处理单元5来检测。特别地，通过显示屏2，处理单元分析这些手势，以在装置内提供活动的软件应用。

为了可以有效地进行手指4的检测而没有由于连接轨道产生的干扰，处理单元5根据本发明配置用于进行例如图8中所描述的操作。

目的是通过使用在校准期间获得的虚拟参数来校正电极的实时操作模式中采集的电容值。

现在描述通过如图8中所示的根据本发明的方法的操作模式中所使用的不同操作。

采集

这是电极的矩阵阵列的绝对电容的测量。采集以下项目：N电压Vraw_i＝k/C_i，其中C_i为在实际电极i上测得的绝对电容，N为电极的数目，k为选择为使得max(Vraw_i)＝Vmax伏特的增益，Vmax为预先选择的阈值，例如Vmax＝5V。

筛选

这是被称为最大值筛选的筛选操作，例如在文件FR1059203中所描述的。特别地，这种筛选的两个实例是：

Vinf_raw(t0)＝max{Vraw(t):t∈(-∞,t0)}，或

Vinf_raw(t0)＝max{Vraw(t):t∈(t0–窗口大小,t0)}，其中窗口大小为自动校准窗口的时间段-即其中任何不变的干扰会被认为是由非关注对象引起的时间段-t0为测量时间。

可替代地，最大值筛选可以由工厂校准代替，所述工厂校准提供在工厂中测量并存储在存储区中的Vinf_raw的值

校正A

对电极的自然泄漏电容进行校正。

该校正的原理为应用以下三个连续的变换：

·对N电压逐个应用非线性函数X1＝F1(Vinf_raw)，然后

·利用矩阵[M1]和被称为偏移矢量Y01的平移矢量对X1应用线性变换：

Y1＝[M1].X+Y01，Y01可以是0；矩阵M1和矢量Y01是从校准阶段期间所确定的变换模型中获得的。

该变换通过矩阵M1将实际值彼此结合，然后

·应用逆非线性变换Vinf_corr＝F1^-1(Y1)。

可以使用几个函数F1，其中有：

·F11(V):＝1/V

·F12(V):＝1/(V/Vmax+β)，其中β>0，是为了避免当V≈0时的奇异点而引入的数，例如可以选择β＝0.1、0.2或0.3。

·F13(V):＝V/Vmax。

校正B

在此，对在实际电极附近存在关注对象的条件下的绝对电容进行校正。

再次使用之前校正的原理，但具有不同的输入矢量。也应用三个连续的变换：

·对N电压逐个应用非线性函数X2＝F2(Vraw,Vinf_raw)，然后

·利用矩阵[M2]和被称为偏移矢量Y02的平移矢量对X2应用线性变换：

Y2＝[M2].X+Y02，Y02可以是0；矩阵M2和矢量Y02是从校准阶段期间所确定的变换模型中获得的。

·应用逆非线性变换V_corr＝F2^-1(Y2,Vinf_corr)。当非线性函数F2被认为是其第一参数F2(Vraw)的函数时，函数F2^-1与非线性函数F2相逆；第二参数Vinf_raw被认为是固定的。

可以使用几个F2，其中有：

·F21(V):＝1/V

·F22(V):＝V/Vinf*

·F23(V):＝1-V/Vinf*

·F24(V):＝1/(V/Vmax+β)

·F25(V):＝V/Vmax。

关于函数F22和F23以及其逆函数的计算，对于直接非线性变换，Vinf*＝Vinf_raw，或对于逆非线性变换，Vinf*＝Vinf_corr。

利用函数F21、F24和F25，可以直接进行校正B，并获得经校正的实际值的矢量V_corr。

矩阵[M1][M2]和偏移Y1和Y2是通过数字回归方法、例如PLS(偏最小二乘)法从对具有实际电极的装置和具有虚拟电极的第二装置的模拟中估算的，对于校正B(矩阵M2和矢量Y2)期间的回归，在装置上方有在一定体积之上的位于几个位置上的手指。换言之，M1,Y1和M2,Y2是不同的，并且通过以下两种PLS回归得到：

-(M1,Y1)对自然电容泄漏的倒数(1/Cinf)的回归，Cinf为装置的自然泄漏电容(在不存在关注对象的情况下)。

-(M2,Y2)对具有以检测量体积放置的对象的绝对电容的回归。

归一化

最大值筛选用于计算：

V_corr_f(t0)＝max{Vcorr(t):t∈(-∞，t0)}，或

V_corr_f(t0)＝max{Vcorr(t):t∈(t0-窗口大小,t0)}，其中窗口大小为自动校准窗口的时间段，即其中任何不变的干扰会被认为是由非关注对象引起的时间段，t0为测量时间。

在以上描述的实例中，非线性变换A和B分解为：(1)独立于输入的非线性变换，然后是(2)仿射变换，然后是(3)另一个独立非的线性变换。变换A和B的另一个可能的实施方案是人工神经网络模型。输入V_raw和Vinf_raw与输出V_corr和Vinf_corr会被用于网络的学习。

可替代地，最大值筛选可以由工厂校准代替，所述工厂校准提供在工厂中测量并存储在存储区中的V_corr_f的值

然后，产生被称为归一化图像的图像以提供最终图像。该归一化取决于V_corr和V_corr_f。例如，图像的值为两个图像V_corr与V_corr_f的比例：

V_corr_nor＝V_corr/V_corr_f

由此计算的归一化图像给出关注对象存在下的概率密度函数。其被处理单元使用以检测关注对象的存在和位置，例如通过用重心法或概率密度函数的MODE(最常采用的数值)来计算分布的期望。“样条”型插值可以用于MODE的子像素分辨率(MODE：具有最大出现几率的随机变量的值，其为概率密度函数的最大值的位置)。

一般而言，如图9中可以看到的，本发明可以包括校准阶段，在其期间通过进行基于以下的非线性回归来确定多变量非线性预测模型：

-相对于电极平面的多个对象位置获得的绝对电容的实际值，和

-相对于理想化电极平面的多个对象位置获得的概率密度的图像。

此外，本发明包括(常规)操作阶段，在其期间在各检测处使用在校准阶段获得的模型。为此，在电极上已经进行测量后，通过对绝对电容的实际值应用该非线性多变量预测模型进行预测，以获得概率密度的图像，这些概率密度的图像被认为是用于检测对象的经校正的绝对电容值。

优选地，该校准只进行一次，该模型被保存在各装置的存储器中。

当然，本发明不限于以上描述的实例，可以对这些实例进行大量调整而不超出本发明的范围。

Claims

1.一种测量对象相对于集成在用于检测所述对象的人机界面装置中的至少两个独立电极的绝对电容的方法，其特征在于，所述方法包括：

a)对于每个电极，测量所述电极和所述对象之间的绝对电容的值，

a’)通过对绝对电容的实际值应用多变量非线性预测模型进行预测，以获得概率密度的图像，这些概率密度被认为是用于检测所述对象相对于所述界面装置的位置和距离中的一个或多个的经校正的绝对电容值。

2.根据权利要求1所述的方法，其特征在于，所述多变量非线性预测模型是通过以下方式获得的：

3.根据权利要求1或2所述的方法，其特征在于，在a)中由所测量的绝对电容值建立矢量V_raw，并且a’)中的所述预测包括：

b)对至少所述矢量V_raw应用第一非线性变换F2以获得矢量X2，

c)应用仿射变换以通过将矢量X2乘以矩阵M2并加上平移矢量Y02来获得矢量Y2；所述矩阵M2是在对象存在下在具有不规则表面的电极上获得的绝对电容的实际值的矢量与对象存在下对理想化电极获得的虚拟值的矢量之间的变换的矩阵，

d)对至少所述矢量Y2应用与所述第一非线性变换F2相逆的第二非线性变换，以获得校正矢量V_corr，和

e)使用所述校正矢量V_corr作为用于所述对象的检测的绝对电容的值。

4.根据权利要求3所述的方法，其特征在于，函数F2使得F2(V_raw)＝1/V_raw。

5.根据权利要求3所述的方法，其特征在于，函数F2使得F2(V_raw)＝1/(V_raw/Vmax+β)，Vmax为预定的最大电压，β为正数。

6.根据权利要求3所述的方法，其特征在于，函数F2使得F2(V_raw)＝V_raw/Vmax，Vmax为预定的最大电压。

7.根据权利要求3所述的方法，其特征在于，在a)之后，所述方法还包括：

-筛选所述矢量V_raw的值以获得矢量V_{inf_raw}，

-对所述矢量V_{inf_raw}应用非线性变换F1以获得矢量X1，

-应用仿射变换以通过将所述矢量X1乘以矩阵M1并加上平移矢量Y01来获得矢量Y1；所述矩阵M1是在不存在检测对象的情况下在具有不规则表面的电极上获得的绝对电容的实际值的矢量与不存在检测对象的情况下虚拟值的矢量之间的变换的矩阵，和

-对所述矢量Y1应用与所述非线性变换F1相逆的非线性变换，以获得校正矢量Vinf_corr，

-然后实施b)至e)，其中，在b)中，对所述矢量V_raw和V_{inf_raw}应用所述非线性变换F2以获得为V_raw和V_{inf_raw}的函数的矢量X2；和在d)中，对所述矢量Y2和Vinf_corr应用与第一非线性变换F2相逆的第二非线性变换以获得为Y2和Vinf_corr的函数的校正矢量V_corr。

8.根据权利要求7所述的方法，其特征在于，函数F1使得F1(V_raw)＝1/V_raw。

9.根据权利要求7所述的方法，其特征在于，函数F1使得F1(V_raw)＝1/(V_raw/Vmax+β)，Vmax为预定的最大电压，β为正数。

10.根据权利要求7所述的方法，其特征在于，函数F1使得F1(V_raw)＝V_raw/Vmax，Vmax为预定的最大电压。

11.根据权利要求7所述的方法，其特征在于，函数F2使得F2(V_raw,V_inf*)＝V_raw/V_inf*；V_inf*在b)中的所述非线性变换期间等于V_{inf_raw}，而在d)中的逆非线性变换期间等于Vinf_corr。

12.根据权利要求7所述的方法，其特征在于，函数F2使得F2(V_raw,V_inf*)＝1-(V_raw/V_inf*)；V_inf*在b)中的所述非线性变换期间等于V_{inf_raw}，而在d)中的逆非线性变换期间等于Vinf_corr。

13.根据权利要求3所述的方法，其特征在于，e)另外包括使校正矢量V_corr归一化，其包括：

-筛选所述校正矢量V_corr以获得经筛选的矢量V_corr_f，和

-利用所述经筛选的矢量V_corr_f使所述校正矢量归一化，以获得归一化的矢量V_corr_nor。

14.根据权利要求7所述的方法，其特征在于，所述筛选是根据以下公式获得的：

V(t0)＝max{V(t):t∈(-∞,t0)}；t0为测量时间，V(t)为进行所述筛选的矢量，t为时间指数。

15.根据权利要求7所述的方法，其特征在于，所述筛选是根据以下公式获得的：

V(t0)＝max{V(t):t∈(t0-窗口大小,t0)}，其中窗口大小为自动校准窗口的时间段，t0为测量时间，V(t)为进行所述筛选的矢量，t为时间指数。

16.根据权利要求7所述的方法，其特征在于，所述筛选是通过用预定矢量替代进行所述筛选的所述矢量来获得的。

17.根据权利要求3所述的方法，其特征在于，矩阵M是通过偏最小二乘法获得的，所述虚拟值的矢量为对理想化电极获得的值的矢量。

18.根据权利要求3所述的方法，其特征在于，矩阵M是由来源于多个准确对象位置相对于所述电极的概率密度函数的抽样获得的，所述虚拟值的矢量是其值为存在的概率的矢量。

19.根据权利要求18所述的方法，其特征在于，所述概率密度函数是集中在每个水平对象位置的2D高斯分布，所述2D高斯分布的宽度取决于所述对象的垂直位置，该高斯分布由下式定义：

Gj(t)＝A(zo)*exp[-((xj–xo)²+(yj–yo)²)/σ(zo)²]，

其中，(xj,yj)为包括所述电极的检测表面上的规则网格的坐标；(xo,yo,zo)为最接近所述检测表面的对象的端部的3D坐标；A(zo)和σ(zo)为以单调方式取决于距离zo的两个预定函数，A(zo)递减而σ(zo)递增。

20.根据权利要求1或2所述的方法，其特征在于，所述电极具有不规则表面。

21.一种电子装置，其包括：

-集成在人机界面装置中的两个独立电极，

-用于通过测量对象相对于所述电极的绝对电容来检测所述对象的位置的处理单元，其特征在于，所述处理单元配置为实施如下操作，包括：

a)对于每个电极，测量所述电极和所述对象之间的绝对电容的值，和

a’)通过对绝对电容的实际值应用多变量非线性预测模型进行预测，以获得概率密度的图像，这些概率密度被认为是用于检测所述对象相对于所述界面装置的位置和距离中的一个或多个的经校正的实际值。

22.根据权利要求21所述的装置，其特征在于，所述多变量非线性预测模型是通过以下方式获得的：

-基于对于多个对象位置相对于所述两个独立电极获得的绝对电容的实际值的非线性回归，和

23.根据权利要求21或22所述的装置，所述操作还包括：

-在a)中，由所测量的绝对电容值建立矢量V_raw，并且a’)中的所述预测包括：

b)对至少所述矢量V_raw应用第一非线性变换F2以获得矢量X2，

c)应用仿射变换以通过将所述矢量X2乘以矩阵M2并加上平移矢量Y02来获得矢量Y2；所述矩阵M2是在对象存在下在具有不规则表面的电极上获得的绝对电容的实际值的矢量与对象存在下对理想化电极获得的虚拟值的矢量之间的变换的矩阵，

e)使用所述校正矢量V_corr作为用于检测所述对象的绝对电容的值。

24.根据权利要求21或22所述的装置，其特征在于，所述电极是基于掺锡氧化铟设计的。

25.根据前述权利要求21或22所述的装置，其特征在于，所述电极具有不规则表面。