CN104992553B - 一种家电红外遥控波形的复制学习方法及系统 - Google Patents
一种家电红外遥控波形的复制学习方法及系统 Download PDFInfo
- Publication number
- CN104992553B CN104992553B CN201510456459.7A CN201510456459A CN104992553B CN 104992553 B CN104992553 B CN 104992553B CN 201510456459 A CN201510456459 A CN 201510456459A CN 104992553 B CN104992553 B CN 104992553B
- Authority
- CN
- China
- Prior art keywords
- level
- data
- sampled data
- characteristic value
- low level
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 64
- 238000005070 sampling Methods 0.000 claims abstract description 43
- 238000000605 extraction Methods 0.000 claims abstract description 19
- 230000006835 compression Effects 0.000 claims abstract description 9
- 238000007906 compression Methods 0.000 claims abstract description 9
- 241001269238 Data Species 0.000 claims description 27
- 238000010606 normalization Methods 0.000 claims description 23
- 238000012545 processing Methods 0.000 claims description 23
- 239000000284 extract Substances 0.000 claims description 16
- 230000005611 electricity Effects 0.000 claims description 9
- 230000008569 process Effects 0.000 claims description 7
- 238000004458 analytical method Methods 0.000 abstract description 4
- 238000010921 in-depth analysis Methods 0.000 abstract description 3
- 238000004378 air conditioning Methods 0.000 description 12
- 238000010586 diagram Methods 0.000 description 11
- 230000002045 lasting effect Effects 0.000 description 7
- 230000008859 change Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 238000012937 correction Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 241000208340 Araliaceae Species 0.000 description 2
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 2
- 235000003140 Panax quinquefolius Nutrition 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 2
- 235000008434 ginseng Nutrition 0.000 description 2
- 238000003672 processing method Methods 0.000 description 2
- 230000003362 replicative effect Effects 0.000 description 2
- 230000033458 reproduction Effects 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000036244 malformation Effects 0.000 description 1
- VIKNJXKGJWUCNN-XGXHKTLJSA-N norethisterone Chemical compound O=C1CC[C@@H]2[C@H]3CC[C@](C)([C@](CC4)(O)C#C)[C@@H]4[C@@H]3CCC2=C1 VIKNJXKGJWUCNN-XGXHKTLJSA-N 0.000 description 1
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08C—TRANSMISSION SYSTEMS FOR MEASURED VALUES, CONTROL OR SIMILAR SIGNALS
- G08C23/00—Non-electrical signal transmission systems, e.g. optical systems
- G08C23/04—Non-electrical signal transmission systems, e.g. optical systems using light waves, e.g. infrared
-
- G—PHYSICS
- G08—SIGNALLING
- G08C—TRANSMISSION SYSTEMS FOR MEASURED VALUES, CONTROL OR SIMILAR SIGNALS
- G08C19/00—Electric signal transmission systems
- G08C19/16—Electric signal transmission systems in which transmission is by pulses
- G08C19/28—Electric signal transmission systems in which transmission is by pulses using pulse code
-
- G—PHYSICS
- G08—SIGNALLING
- G08C—TRANSMISSION SYSTEMS FOR MEASURED VALUES, CONTROL OR SIMILAR SIGNALS
- G08C2201/00—Transmission systems of control signals via wireless link
- G08C2201/20—Binding and programming of remote control devices
-
- G—PHYSICS
- G08—SIGNALLING
- G08C—TRANSMISSION SYSTEMS FOR MEASURED VALUES, CONTROL OR SIMILAR SIGNALS
- G08C2201/00—Transmission systems of control signals via wireless link
- G08C2201/90—Additional features
- G08C2201/92—Universal remote control
-
- H—ELECTRICITY
- H05—ELECTRIC TECHNIQUES NOT OTHERWISE PROVIDED FOR
- H05B—ELECTRIC HEATING; ELECTRIC LIGHT SOURCES NOT OTHERWISE PROVIDED FOR; CIRCUIT ARRANGEMENTS FOR ELECTRIC LIGHT SOURCES, IN GENERAL
- H05B47/00—Circuit arrangements for operating light sources in general, i.e. where the type of light source is not relevant
- H05B47/10—Controlling the light source
- H05B47/175—Controlling the light source by remote control
- H05B47/19—Controlling the light source by remote control via wireless transmission
- H05B47/195—Controlling the light source by remote control via wireless transmission the transmission using visible or infrared light
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Selective Calling Equipment (AREA)
Abstract
本发明提供一种家电红外遥控波形的复制学习方法，该方法包括：利用直接采样法对家电红外遥控波形中的数据码进行采样，获得采样数据；对采样数据进行特征提取，获得特征值；将电平长度小于最小的特征值的电平长度达到预设范围的电平取反，并将取反的电平的电平长度与前后电平的电平长度相加，完成对家电红外声波中的毛刺的去除；前后电平为位于取反的电平的前方和后方的电平的统称；最小的特征值为电平长度最小的特征值。本发明通过对空调遥控编码波形的深入分析，使用了数据统计分析的方法来进行空调遥控编码特征值的求取，解决了毛刺干扰问题，而且对超长遥控编码进行了大比例的压缩，大大提高了红外遥控编码复制的成功率。
Description
技术领域
本发明属于信号处理技术领域，涉及一种信号处理方法，特别是涉及一种家电红外遥控波形的复制学习方法及系统。
背景技术
目前智能家居市场很火热，其中的很大一个部分就是用手机实现对家电，如电视，空调等电器的控制。所以智能家居厂商需要把原来电视和空调等家电的遥控器复制过来，以实现远程或者本地的控制。
但是目前市面上的厂商做出的控制器一般是内含WIFI，ZIGBEE或者其他无线通信模块的，和原始的遥控器简单的电路结构相差很大，里面的电磁环境也复杂很多。在对传统遥控器的红外波形进行采样的时候，会出现较多的干扰电平，导致控制器中的MCU复制波形失败，从而无法控制家电。
电视机的遥控编码相对简单，而且也有相对公开的协议，所以这部分的干扰可以使用已知的红外控制协议来进行软件方面的规避。但是空调控制波形的复制一直是业界的难点，由于其长度远长于电视遥控的波形，而且各个空调厂家都会用自己定义的波形结构来进行控制，现在传统的智能家居控制器采用的是利用MCU的一个IO口进行全部采样。这样，对干扰电平就无法去除，导致学习波形的成功率很低，严重影响了开发进度和后续的用户体验。
现有的去除干扰的算法简单粗暴，无法准确定位异常电平，即他不知道怎样的电平为异常，多短的电平为异常，只能是在毛刺电平和正常电平基本一致的情况下，才能判断此为干扰，再进行人工干预。而且，在毛刺电平比较多的时候，就无法判断，也更不可能纠错了。
目前大多数厂家使用的无线传输是基于ZIGBEE，BT等低速率的传输方式。而日系的空调遥控器的遥控编码一般都非常长，普遍达到500MS以上。对于这样的编码，使用传统的采样处理方法显然是没办法使用低速率的传输协议进行传输的。
发明内容
鉴于以上所述现有技术的缺点，本发明的目的在于提供一种家电红外遥控波形的复制学习方法及系统，用于解决现有复制技术只能复制编码较简单的电视机遥控信号，无法成功复制编码复杂的空调遥控信号的问题。
为实现上述目的及其他相关目的，本发明提供一种家电红外遥控波形的复制学习方法，所述家电红外遥控波形的复制学习方法包括：利用直接采样法对所述家电红外遥控波形中的数据码进行采样，获得采样数据；所述采样数据的结构包括电平类型和电平持续时间；所述电平类型包括高电平和低电平；对所述采样数据进行特征提取，获得特征值；所述特征值包括高电平特征值和低电平特征值；所述特征值包括电平值和电平长度；所述电平长度即为电平的持续时间；所述电平值为1或0；将电平长度小于最小的特征值的电平长度达到预设范围的电平取反，并将取反的电平的电平长度与前后电平的电平长度相加，完成对所述家电红外声波中的毛刺的去除；所述前后电平为位于所述取反的电平的前方和后方的电平的统称；所述最小的特征值为电平长度最小的特征值。
可选地，对所述采样数据进行特征提取，获得特征值的一种实现过程包括：将电平类型为高电平的采样数据归类于高电平采样数据；对所述高电平采样数据的电平持续时间进行处理，处理过程包括：去掉第一预设数目的持续时间最长的高电平采样数据和第二预设数目的持续时间最短的高电平采样数据；将剩余的高电平采样数据划分为时间间隔相等的4组高电平采样数据；从所述4组高电平采样数据中选取出数据量最大的一组数据的持续时间平均值作为高电平采样数据的第一特征值t4；从所述4组数据中选取出数据量第二大的一组数据的持续时间平均值作为高电平采样数据的第二特征值t2。
可选地，对所述采样数据进行特征提取，获得特征值的一种实现过程包括：将电平类型为低电平的采样数据归类于低电平采样数据；对所述低电平采样数据的电平持续时间进行处理，处理过程包括：去掉第一预设数目的持续时间最长的低电平采样数据和第二预设数目的持续时间最短的低电平采样数据；将剩余的低电平采样数据划分为时间间隔相等的4组低电平采样数据；从所述4组低电平采样数据中选取出数据量最大的一组数据的持续时间平均值作为低电平采样数据的第一特征值t3；从所述4组低电平采样数据中选取出数据量第二大的一组数据的持续时间平均值作为低电平采样数据的第二特征值t1。
可选地，所述家电红外遥控波形的复制学习方法还包括对所述采样数据进行压缩编码，所述压缩编码的方法包括：将高电平采样数据与所述高电平采样数据的第一特征值t4和第二特征值t2进行比较，将电平长度处于特征值50％范围内的高电平采样数据归一化为对应的高电平特征值；将低电平采样数据与所述低电平采样数据的第一特征值t3和第二特征值t1进行比较，将电平长度处于特征值50％范围内的低电平采样数据归一化为对应的低电平特征值；归一化后的电平采样数据成为了利用四个特征值t1，t2，t3，t4来进行表示的数据。
可选地，所述压缩编码的方法还包括：将所述四个特征值t1，t2，t3，t4分别利用二进制数00，01，10，11来表示，所述采样数据被压缩为4个二进制数00，01，10，11表示。
本发明还提供一种家电红外遥控波形的复制学习系统，所述家电红外遥控波形的复制学习系统包括：采样模块，利用直接采样法对所述家电红外遥控波形中的数据码进行采样，获得采样数据；所述采样数据的结构包括电平类型和电平持续时间；所述电平类型包括高电平和低电平；特征提取模块，与所述采样模块相连，对所述采样数据进行特征提取，获得特征值；所述特征值包括高电平特征值和低电平特征值；所述特征值包括电平值和电平长度；所述电平长度即为电平的持续时间；所述电平值为1或0；去毛刺模块，与所述特征提取模块和采样模块分别相连，将电平长度小于最小的特征值的电平长度达到预设范围的电平取反，并将取反的电平的电平长度与前后电平的电平长度相加，完成对所述家电红外声波中的毛刺的去除；所述前后电平为位于所述取反的电平的前方和后方的电平的统称；所述最小的特征值为电平长度最小的特征值。
可选地，所述特征提取模块包括：归类单元，将电平类型为高电平的采样数据归类于高电平采样数据；第一处理单元，与所述归类单元相连，对所述高电平采样数据的电平持续时间进行处理；所述第一处理单元包括：第一剔除子单元，与所述归类单元相连，去掉第一预设数目的持续时间最长的高电平采样数据和第二预设数目的持续时间最短的高电平采样数据；第一分组子单元，与所述第一剔除子单元和所述归类单元分别相连，将剩余的高电平采样数据划分为时间间隔相等的4组高电平采样数据；第一特征值提取子单元，与所述第一分组子单元相连，从所述4组高电平采样数据中选取出数据量最大的一组数据的持续时间平均值作为高电平采样数据的第一特征值t4；第二特征值提取子单元，与所述第一分组子单元相连，从所述4组数据中选取出数据量第二大的一组数据的持续时间平均值作为高电平采样数据的第二特征值t2。
可选地，所述特征提取模块还包括：所述归类单元将电平类型为低电平的采样数据归类于低电平采样数据；第二处理单元，与所述归类单元相连，对所述低电平采样数据的电平持续时间进行处理；所述第二处理单元包括：第二剔除子单元，与所述归类单元相连，去掉第一预设数目的持续时间最长的低电平采样数据和第二预设数目的持续时间最短的低电平采样数据；第二分组子单元，与所述第一剔除子单元和所述归类单元分别相连，将剩余的低电平采样数据划分为时间间隔相等的4组低电平采样数据；第三特征值提取子单元，与所述第一分组子单元相连，从所述4组低电平采样数据中选取出数据量最大的一组数据的持续时间平均值作为低电平采样数据的第一特征值t3；第四特征值提取子单元，与所述第一分组子单元相连，从所述4组低电平采样数据中选取出数据量第二大的一组数据的持续时间平均值作为低电平采样数据的第二特征值t1。
可选地，所述家电红外遥控波形的复制学习系统还包括一与所述特征提取模块相连的压缩编码模块，所述压缩编码模块包括：高电平归一化单元，将高电平采样数据与所述高电平采样数据的第一特征值t4和第二特征值t2进行比较，将电平长度处于特征值50％范围内的高电平采样数据归一化为对应的高电平特征值；低电平归一化单元，将低电平采样数据与所述低电平采样数据的第一特征值t3和第二特征值t1进行比较，将电平长度处于特征值50％范围内的低电平采样数据归一化为对应的低电平特征值；归一化表示单元，归一化后的电平采样数据成为了利用四个特征值t1，t2，t3，t4来进行表示的数据。
可选地，所述压缩编码模块还包括：二进制表示单元，与所述归一化表示单元相连，将所述四个特征值t1，t2，t3，t4分别利用二进制数00，01，10，11来表示，所述采样数据被压缩为4个二进制数00，01，10，11表示。
如上所述，本发明的家电红外遥控波形的复制学习方法及系统，具有以下有益效果：
本发明通过对空调遥控编码波形的深入分析，使用了数据统计分析的方法来进行空调遥控编码特征值的求取，解决了毛刺干扰问题，而且对超长遥控编码进行了大比例的压缩，大大提高了红外遥控编码复制的成功率。
附图说明
图1a显示为本发明实施例所述的家电红外遥控波形的复制学习方法的一种实现流程示意图。
图1b显示了一种空调遥控信号的波形示意图。
图1c显示为本发明实施例所述的数据码的单位信号的示意图。
图2a显示为本发明实施例所述的家电红外遥控波形的复制学习方法的步骤S12的高电平部分实现流程示意图。
图2b显示为本发明实施例所述的家电红外遥控波形的复制学习方法的步骤S12的低电平部分实现流程示意图。
图3显示为本发明实施例所述的直方图分析方法示意图。
图4显示为本发明实施例所述的家电红外遥控波形的复制学习方法的另一种实现流程示意图。
图5显示为本发明实施例所述的家电红外遥控波形的复制学习系统的一种实现结构示意图。
图6显示为本发明实施例所述的家电红外遥控波形的复制学习系统的另一种实现结构示意图。
图7显示为本发明实施例所述的家电红外遥控波形的复制学习系统的第三种实现结构示意图。
元件标号说明
100 家电红外遥控波形的复制学习系统
110 采样模块
120 特征提取模块
121 归类单元
122 第一处理单元
1221 第一剔除子单元
1222 第一分组子单元
1223 第一特征值提取子单元
1224 第二特征值提取子单元
123 第二处理单元
1231 第二剔除子单元
1232 第二分组子单元
1233 第三特征值提取子单元
1234 第四特征值提取子单元
130 去毛刺模块
140 压缩编码模块
141 高电平归一化单元
142 低电平归一化单元
143 归一化表示单元
S11～S13 步骤
S21～S22 步骤
S221～S224 步骤
S31～S32 步骤
S321～S324 步骤
S41～S42 步骤
具体实施方式
以下通过特定的具体实例说明本发明的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本发明的精神下进行各种修饰或改变。需说明的是，在不冲突的情况下，以下实施例及实施例中的特征可以相互组合。
需要说明的是，以下实施例中所提供的图示仅以示意方式说明本发明的基本构想，遂图式中仅显示与本发明中有关的组件而非按照实际实施时的组件数目、形状及尺寸绘制，其实际实施时各组件的型态、数量及比例可为一种随意的改变，且其组件布局型态也可能更为复杂。
请参阅图1a，本发明提供一种家电红外遥控波形的复制学习方法，所述家电红外遥控波形的复制学习方法包括：
S11，利用直接采样法对所述家电红外遥控波形中的数据码进行采样，获得采样数据。所述采样数据的结构包括电平类型和电平持续时间；所述电平类型包括高电平和低电平。例如，参见图1b所示，其显示了一种空调遥控信号的波形，现有的空调遥控编码通常由引导码、数据码和结束码构成，引导码和结束码比较特殊，本文暂且不讨论，而数据码一般由图1c所示的两种单位信号组成，第一种单位信号的低电平持续时间设为t1，高电平持续时间设为t2；第二种单位信号的低电平持续时间设为t3，高电平持续时间设为t4；且t4大于t2，t3大于t1。数据码里面的数据结构可以表示为第一位表示高低电平，后面计算长度，这种方法叫做直接采样法，数据量很大。参见表1所示，其为对格力空调遥控信号采样后获得的部分采样数据，其中，H表示高电平，L表示低电平，数值表示电平的持续时间，单位为毫秒。
表1：采样数据
S12，对所述采样数据进行特征提取，获得特征值。所述特征值包括高电平特征值和低电平特征值；所述特征值包括电平值和电平长度；所述电平长度即为电平的持续时间；所述电平值为1或0。采样数据的特征值可以有多种变形，例如电平长度平均值、电平长度最大值、电平长度最小值等等。
S13，将电平长度小于最小的特征值的电平长度达到预设范围的电平取反，并将取反的电平的电平长度与前后电平的电平长度相加，完成对所述家电红外声波中的毛刺的去除；所述前后电平为位于所述取反的电平的前方和后方的电平的统称；所述最小的特征值为电平长度最小的特征值。其中，电平取反的含义为：若为高电平，取反后则为低电平；若为低电平，取反后则为高电平。例如：预设范围可以选取50％、30％等根据实际需要设置的百分比范围。本步骤即是利用原始采样数据与特征值进行比较，将与特征值差别太大的原始数据去除或滤波，即将其中可能是干扰电平的数值进行纠错，进而实现对所述家电红外声波中的毛刺的去除。
进一步，参见图2a所示，步骤S12对所述采样数据进行特征提取，获得特征值的一种实现过程包括：
S21，将电平类型为高电平的采样数据归类于高电平采样数据。
S22，对所述高电平采样数据的电平持续时间进行处理，处理过程包括：
S221，去掉第一预设数目的持续时间最长的高电平采样数据和第二预设数目的持续时间最短的高电平采样数据。例如，去除10个持续时间最长的高电平采样数据和10个持续时间最短的高电平采样数据。
S222，将剩余的高电平采样数据划分为时间间隔相等的4组高电平采样数据。例如：将剩余的高电平采样数据中持续时间最大值减去持续时间最小值，得到所述剩余的高电平采样数据所占用的持续时间段，然后将该持续时间段等分为4段，利用直方图的形式(参见图3所示)分析出每个时间段中高电平采样数据的出现频率，从而获知剩余的高电平采样数据在每个时间段的出现频率。
S223，从所述4组高电平采样数据中选取出数据量最大的一组数据的持续时间平均值作为高电平采样数据的第一特征值t4。例如：将采样数据出现频率最高的时间段或时间点作为高电平采样数据的第一特征值t4。
S224，从所述4组数据中选取出数据量第二大的一组数据的持续时间平均值作为高电平采样数据的第二特征值t2。例如：将采样数据出现频率第二高的时间段或时间点作为高电平采样数据的第二特征值t2。
进一步，参见图2b所示，步骤S12对所述采样数据进行特征提取，获得特征值的一种实现过程还包括：
S31，将电平类型为低电平的采样数据归类于低电平采样数据。
S32，对所述低电平采样数据的电平持续时间进行处理，处理过程包括：
S321，去掉第一预设数目的持续时间最长的低电平采样数据和第二预设数目的持续时间最短的低电平采样数据。例如，去除10个持续时间最长的低电平采样数据和10个持续时间最短的低电平采样数据。
S322，将剩余的低电平采样数据划分为时间间隔相等的4组低电平采样数据。例如：将剩余的低电平采样数据中持续时间最大值减去持续时间最小值，得到所述剩余的低电平采样数据所占用的持续时间段，然后将该持续时间段等分为4段，利用直方图的形式(参见图3所示)分析出每个时间段中低电平采样数据的出现频率，从而获知剩余的低电平采样数据在每个时间段的出现频率。
S323，从所述4组低电平采样数据中选取出数据量最大的一组数据的持续时间平均值作为低电平采样数据的第一特征值t3。例如：将采样数据出现频率最高的时间段或时间点作为低电平采样数据的第一特征值t4。
S324，从所述4组低电平采样数据中选取出数据量第二大的一组数据的持续时间平均值作为低电平采样数据的第二特征值t1。例如：将采样数据出现频率第二高的时间段或时间点作为低电平采样数据的第二特征值t2。
进一步，参见图4所示，所述家电红外遥控波形的复制学习方法还包括对所述采样数据进行压缩编码，所述压缩编码的方法包括：
S41，将高电平采样数据与所述高电平采样数据的第一特征值t4和第二特征值t2进行比较，将电平长度处于特征值50％范围内的高电平采样数据归一化为对应的高电平特征值。例如：当t2为394.9，t4为1234.7时，若原始高电平采样数据的电平长度为1000.5，那么则将其归一化为1234.7；若原始高电平采样数据的电平长度为422.5，那么则将其归一化为394.9。
S42，将低电平采样数据与所述低电平采样数据的第一特征值t3和第二特征值t1进行比较，将电平长度处于特征值50％范围内的低电平采样数据归一化为对应的低电平特征值。例如：当t1为180.9，t3为680.7时，若原始低电平采样数据的电平长度为102.2，那么则将其归一化为180.9；若原始低电平采样数据的电平长度为542.2，那么则将其归一化为680.7。
S43，归一化后的电平采样数据成为了利用四个特征值t1，t2，t3，t4来进行表示的数据。
S44，将所述四个特征值t1，t2，t3，t4分别利用二进制数00，01，10，11来表示，所述采样数据被压缩为4个二进制数00，01，10，11表示。通过所述压缩方法，可以将数据位的波形直接使用压缩为4个二进制数来表示。在传输这个波形的时候，在包头加上对特征值长度的说明，对方就可以直接解压缩整个波形。对于起始位和结束位，本发明依然使用直接采样法加入到整个数据包里面。
本发明使用了统计学中频率直方图来进行波形中特征值的求取，在这个过程中，可以有效的去除毛刺电平，恢复出正常波形，和对超长空调的编码进行大比例压缩，大大提高了空调遥控波形采样的成功率。
本发明所述的家电红外遥控波形的复制学习方法的保护范围不限于本实施例列举的步骤执行顺序，凡是根据本发明的原理所做的现有技术的步骤增减、步骤替换所实现的方案都包括在本发明的保护范围内。
本发明还提供一种家电红外遥控波形的复制学习系统，所述家电红外遥控波形的复制学习系统可以实现本发明所述的家电红外遥控波形的复制学习方法，但本发明所述的家电红外遥控波形的复制学习方法的实现装置包括但不限于本实施例列举的家电红外遥控波形的复制学习系统的结构，凡是根据本发明的原理所做的现有技术的结构变形和替换，都包括在本发明的保护范围内。
参见图5所示，所述家电红外遥控波形的复制学习系统100包括：采样模块110，特征提取模块120，去毛刺模块130，压缩编码模块140。
所述采样模块110利用直接采样法对所述家电红外遥控波形中的数据码进行采样，获得采样数据；所述采样数据的结构包括电平类型和电平持续时间；所述电平类型包括高电平和低电平。例如，参见图1b所示，其显示了一种空调遥控信号的波形，现有的空调遥控编码通常由引导码、数据码和结束码构成，引导码和结束码比较特殊，本文暂且不讨论，而数据码一般由图1c所示的两种单位信号组成，第一种单位信号的低电平持续时间设为t1，高电平持续时间设为t2；第二种单位信号的低电平持续时间设为t3，高电平持续时间设为t4；且t4大于t2，t3大于t1。数据码里面的数据结构可以表示为第一位表示高低电平，后面计算长度，这种方法叫做直接采样法，数据量很大。参见表1所示，其为对格力空调遥控信号采样后获得的部分采样数据，其中，H表示高电平，L表示低电平，数值表示电平的持续时间，单位为毫秒。
所述特征提取模块120与所述采样模块110相连，对所述采样数据进行特征提取，获得特征值；所述特征值包括高电平特征值和低电平特征值；所述特征值包括电平值和电平长度；所述电平长度即为电平的持续时间；所述电平值为1或0。采样数据的特征值可以有多种变形，例如电平长度平均值、电平长度最大值、电平长度最小值等等。
所述去毛刺模块130与所述特征提取模块120和采样模块110分别相连，将电平长度小于最小的特征值的电平长度达到预设范围的电平取反，并将取反的电平的电平长度与前后电平的电平长度相加，完成对所述家电红外声波中的毛刺的去除；所述前后电平为位于所述取反的电平的前方和后方的电平的统称；所述最小的特征值为电平长度最小的特征值。本发明即是利用原始采样数据与特征值进行比较，将与特征值差别太大的原始数据去除或滤波，即将其中可能是干扰电平的数值进行纠错，进而实现对所述家电红外声波中的毛刺的去除。
进一步，参见图6所示，所述特征提取模块120包括：归类单元121，第一处理单元122，第二处理单元123。
所述归类单元121将电平类型为高电平的采样数据归类于高电平采样数据，将电平类型为低电平的采样数据归类于低电平采样数据。
所述第一处理单元122与所述归类单元121相连，对所述高电平采样数据的电平持续时间进行处理。
所述第二处理单元123与所述归类单元121相连，对所述低电平采样数据的电平持续时间进行处理。
所述第一处理单元122包括：第一剔除子单元1221，第一分组子单元1222，第一特征值提取子单元1223，第二特征值提取子单元1224。
所述第一剔除子单元1221与所述归类单元121相连，去掉第一预设数目的持续时间最长的高电平采样数据和第二预设数目的持续时间最短的高电平采样数据。例如，去除10个持续时间最长的高电平采样数据和10个持续时间最短的高电平采样数据。
所述第一分组子单元1222与所述第一剔除子单元和所述归类单元分别相连，将剩余的高电平采样数据划分为时间间隔相等的4组高电平采样数据。例如：将剩余的高电平采样数据中持续时间最大值减去持续时间最小值，得到所述剩余的高电平采样数据所占用的持续时间段，然后将该持续时间段等分为4段，利用直方图的形式(参见图3所示)分析出每个时间段中高电平采样数据的出现频率，从而获知剩余的高电平采样数据在每个时间段的出现频率。
所述第一特征值提取子单元1223，与所述第一分组子单元相连，从所述4组高电平采样数据中选取出数据量最大的一组数据的持续时间平均值作为高电平采样数据的第一特征值t4。例如：将采样数据出现频率最高的时间段或时间点作为高电平采样数据的第一特征值t4。
所述第二特征值提取子单元1224，与所述第一分组子单元相连，从所述4组数据中选取出数据量第二大的一组数据的持续时间平均值作为高电平采样数据的第二特征值t2。例如：将采样数据出现频率第二高的时间段或时间点作为高电平采样数据的第二特征值t2。
所述第二处理单元123包括：第二剔除子单元1231，第二分组子单元1232，第三特征值提取子单元1233，第四特征值提取子单元1234。
所述第二剔除子单元1231与所述归类单元121相连，去掉第一预设数目的持续时间最长的低电平采样数据和第二预设数目的持续时间最短的低电平采样数据。例如，去除10个持续时间最长的低电平采样数据和10个持续时间最短的低电平采样数据。
所述第二分组子单元1232与所述第一剔除子单元和所述归类单元分别相连，将剩余的低电平采样数据划分为时间间隔相等的4组低电平采样数据。例如：将剩余的低电平采样数据中持续时间最大值减去持续时间最小值，得到所述剩余的低电平采样数据所占用的持续时间段，然后将该持续时间段等分为4段，利用直方图的形式(参见图3所示)分析出每个时间段中低电平采样数据的出现频率，从而获知剩余的低电平采样数据在每个时间段的出现频率。
所述第三特征值提取子单元1233与所述第一分组子单元相连，从所述4组低电平采样数据中选取出数据量最大的一组数据的持续时间平均值作为低电平采样数据的第一特征值t3。例如：将采样数据出现频率最高的时间段或时间点作为低电平采样数据的第一特征值t4。
所述第四特征值提取子单元1234与所述第一分组子单元相连，从所述4组低电平采样数据中选取出数据量第二大的一组数据的持续时间平均值作为低电平采样数据的第二特征值t1。例如：将采样数据出现频率第二高的时间段或时间点作为低电平采样数据的第二特征值t2。
进一步，参见图7所示，所述压缩编码模块140与所述特征提取模块120相连，包括：高电平归一化单元141，低电平归一化单元142，归一化表示单元143，二进制表示单元144。
所述高电平归一化单元141将高电平采样数据与所述高电平采样数据的第一特征值t4和第二特征值t2进行比较，将电平长度处于特征值50％范围内的高电平采样数据归一化为对应的高电平特征值。例如：当t2为394.9，t4为1234.7时，若原始高电平采样数据的电平长度为1000.5，那么则将其归一化为1234.7；若原始高电平采样数据的电平长度为422.5，那么则将其归一化为394.9。
所述低电平归一化单元142将低电平采样数据与所述低电平采样数据的第一特征值t3和第二特征值t1进行比较，将电平长度处于特征值50％范围内的低电平采样数据归一化为对应的低电平特征值。例如：当t1为180.9，t3为680.7时，若原始低电平采样数据的电平长度为102.2，那么则将其归一化为180.9；若原始低电平采样数据的电平长度为542.2，那么则将其归一化为680.7。
所述归一化表示单元143归一化后的电平采样数据成为了利用四个特征值t1，t2，t3，t4来进行表示的数据。
所述二进制表示单元144与所述归一化表示单元相连，将所述四个特征值t1，t2，t3，t4分别利用二进制数00，01，10，11来表示，所述采样数据被压缩为4个二进制数00，01，10，11表示。通过所述压缩方法，可以将数据位的波形直接使用压缩为4个二进制数来表示。在传输这个波形的时候，在包头加上对特征值长度的说明，对方就可以直接解压缩整个波形。对于起始位和结束位，本发明依然使用直接采样法加入到整个数据包里面。
本发明通过对空调遥控编码波形的深入分析，使用了数据统计分析的方法来进行空调遥控编码特征值的求取，解决了毛刺干扰问题，而且对超长遥控编码进行了大比例的压缩，大大提高了红外遥控编码复制的成功率。
综上所述，本发明有效克服了现有技术中的种种缺点而具高度产业利用价值。
上述实施例仅例示性说明本发明的原理及其功效，而非用于限制本发明。任何熟悉此技术的人士皆可在不违背本发明的精神及范畴下，对上述实施例进行修饰或改变。因此，举凡所属技术领域中具有通常知识者在未脱离本发明所揭示的精神与技术思想下所完成的一切等效修饰或改变，仍应由本发明的权利要求所涵盖。
Claims (10)
1.一种家电红外遥控波形的复制学习方法，其特征在于，所述家电红外遥控波形的复制学习方法包括：
利用直接采样法对所述家电红外遥控波形中的数据码进行采样，获得采样数据；所述采样数据的结构包括电平类型和电平持续时间；所述电平类型包括高电平和低电平；
对所述采样数据进行特征提取，获得特征值；所述特征值包括高电平特征值和低电平特征值；所述特征值包括电平值和电平长度；所述电平长度即为电平的持续时间；所述电平值为1或0；
将电平长度小于最小的特征值的电平长度达到预设范围的电平取反，并将取反的电平的电平长度与前后电平的电平长度相加，完成对所述家电红外声波中的毛刺的去除；所述前后电平为位于所述取反的电平的前方和后方的电平的统称；所述最小的特征值为电平长度最小的特征值。
2.根据权利要求1所述的家电红外遥控波形的复制学习方法，其特征在于，对所述采样数据进行特征提取，获得特征值的一种实现过程包括：
将电平类型为高电平的采样数据归类于高电平采样数据；
对所述高电平采样数据的电平持续时间进行处理，处理过程包括：
去掉第一预设数目的持续时间最长的高电平采样数据和第二预设数目的持续时间最短的高电平采样数据；
将剩余的高电平采样数据划分为时间间隔相等的4组高电平采样数据；
从所述4组高电平采样数据中选取出数据量最大的一组数据的持续时间平均值作为高电平采样数据的第一特征值t4；
从所述4组数据中选取出数据量第二大的一组数据的持续时间平均值作为高电平采样数据的第二特征值t2。
3.根据权利要求2所述的家电红外遥控波形的复制学习方法，其特征在于，对所述采样数据进行特征提取，获得特征值的一种实现过程包括：
将电平类型为低电平的采样数据归类于低电平采样数据；
对所述低电平采样数据的电平持续时间进行处理，处理过程包括：
去掉第一预设数目的持续时间最长的低电平采样数据和第二预设数目的持续时间最短的低电平采样数据；
将剩余的低电平采样数据划分为时间间隔相等的4组低电平采样数据；
从所述4组低电平采样数据中选取出数据量最大的一组数据的持续时间平均值作为低电平采样数据的第一特征值t3；
从所述4组低电平采样数据中选取出数据量第二大的一组数据的持续时间平均值作为低电平采样数据的第二特征值t1。
4.根据权利要求3所述的家电红外遥控波形的复制学习方法，其特征在于，所述家电红外遥控波形的复制学习方法还包括对所述采样数据进行压缩编码，所述压缩编码的方法包括：
将高电平采样数据与所述高电平采样数据的第一特征值t4和第二特征值t2进行比较，将电平长度处于特征值50％范围内的高电平采样数据归一化为对应的高电平特征值；
将低电平采样数据与所述低电平采样数据的第一特征值t3和第二特征值t1进行比较，将电平长度处于特征值50％范围内的低电平采样数据归一化为对应的低电平特征值；
归一化后的电平采样数据成为了利用四个特征值t1，t2，t3，t4来进行表示的数据。
5.根据权利要求4所述的家电红外遥控波形的复制学习方法，其特征在于，所述压缩编码的方法还包括：
将所述四个特征值t1，t2，t3，t4分别利用二进制数00，01，10，11来表示，所述采样数据被压缩为4个二进制数00，01，10，11表示。
6.一种家电红外遥控波形的复制学习系统，其特征在于，所述家电红外遥控波形的复制学习系统包括：
采样模块，利用直接采样法对所述家电红外遥控波形中的数据码进行采样，获得采样数据；所述采样数据的结构包括电平类型和电平持续时间；所述电平类型包括高电平和低电平；
特征提取模块，与所述采样模块相连，对所述采样数据进行特征提取，获得特征值；所述特征值包括高电平特征值和低电平特征值；所述特征值包括电平值和电平长度；所述电平长度即为电平的持续时间；所述电平值为1或0；
去毛刺模块，与所述特征提取模块和采样模块分别相连，将电平长度小于最小的特征值的电平长度达到预设范围的电平取反，并将取反的电平的电平长度与前后电平的电平长度相加，完成对所述家电红外声波中的毛刺的去除；所述前后电平为位于所述取反的电平的前方和后方的电平的统称；所述最小的特征值为电平长度最小的特征值。
7.根据权利要求6所述的家电红外遥控波形的复制学习系统，其特征在于，所述特征提取模块包括：
归类单元，将电平类型为高电平的采样数据归类于高电平采样数据；
第一处理单元，与所述归类单元相连，对所述高电平采样数据的电平持续时间进行处理；
所述第一处理单元包括：
第一剔除子单元，与所述归类单元相连，去掉第一预设数目的持续时间最长的高电平采样数据和第二预设数目的持续时间最短的高电平采样数据；
第一分组子单元，与所述第一剔除子单元和所述归类单元分别相连，将剩余的高电平采样数据划分为时间间隔相等的4组高电平采样数据；
第一特征值提取子单元，与所述第一分组子单元相连，从所述4组高电平采样数据中选取出数据量最大的一组数据的持续时间平均值作为高电平采样数据的第一特征值t4；
第二特征值提取子单元，与所述第一分组子单元相连，从所述4组数据中选取出数据量第二大的一组数据的持续时间平均值作为高电平采样数据的第二特征值t2。
8.根据权利要求7所述的家电红外遥控波形的复制学习系统，其特征在于，所述特征提取模块还包括：
所述归类单元将电平类型为低电平的采样数据归类于低电平采样数据；
第二处理单元，与所述归类单元相连，对所述低电平采样数据的电平持续时间进行处理；
所述第二处理单元包括：
第二剔除子单元，与所述归类单元相连，去掉第一预设数目的持续时间最长的低电平采样数据和第二预设数目的持续时间最短的低电平采样数据；
第二分组子单元，与所述第一剔除子单元和所述归类单元分别相连，将剩余的低电平采样数据划分为时间间隔相等的4组低电平采样数据；
第三特征值提取子单元，与所述第一分组子单元相连，从所述4组低电平采样数据中选取出数据量最大的一组数据的持续时间平均值作为低电平采样数据的第一特征值t3；
第四特征值提取子单元，与所述第一分组子单元相连，从所述4组低电平采样数据中选取出数据量第二大的一组数据的持续时间平均值作为低电平采样数据的第二特征值t1。
9.根据权利要求8所述的家电红外遥控波形的复制学习系统，其特征在于，所述家电红外遥控波形的复制学习系统还包括一与所述特征提取模块相连的压缩编码模块，所述压缩编码模块包括：
高电平归一化单元，将高电平采样数据与所述高电平采样数据的第一特征值t4和第二特征值t2进行比较，将电平长度处于特征值50％范围内的高电平采样数据归一化为对应的高电平特征值；
低电平归一化单元，将低电平采样数据与所述低电平采样数据的第一特征值t3和第二特征值t1进行比较，将电平长度处于特征值50％范围内的低电平采样数据归一化为对应的低电平特征值；
归一化表示单元，归一化后的电平采样数据成为了利用四个特征值t1，t2，t3，t4来进行表示的数据。
10.根据权利要求9所述的家电红外遥控波形的复制学习系统，其特征在于，所述压缩编码模块还包括：
二进制表示单元，与所述归一化表示单元相连，将所述四个特征值t1，t2，t3，t4分别利用二进制数00，01，10，11来表示，所述采样数据被压缩为4个二进制数00，01，10，11表示。
Priority Applications (4)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510456459.7A CN104992553B (zh) | 2015-07-29 | 2015-07-29 | 一种家电红外遥控波形的复制学习方法及系统 |
| US15/580,680 US10140853B2 (en) | 2015-07-29 | 2015-11-20 | Household appliances infrared remote waveform replication learning method and system |
| EP15899459.0A EP3301658A4 (en) | 2015-07-29 | 2015-11-20 | Household appliances infrared remote waveform replication learning method and system |
| PCT/CN2015/095171 WO2017016107A1 (zh) | 2015-07-29 | 2015-11-20 | 一种家电红外遥控波形的复制学习方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510456459.7A CN104992553B (zh) | 2015-07-29 | 2015-07-29 | 一种家电红外遥控波形的复制学习方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN104992553A CN104992553A (zh) | 2015-10-21 |
| CN104992553B true CN104992553B (zh) | 2018-05-01 |
Family
ID=54304361
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201510456459.7A Active CN104992553B (zh) | 2015-07-29 | 2015-07-29 | 一种家电红外遥控波形的复制学习方法及系统 |
Country Status (4)
| Country | Link |
|---|---|
| US (1) | US10140853B2 (zh) |
| EP (1) | EP3301658A4 (zh) |
| CN (1) | CN104992553B (zh) |
| WO (1) | WO2017016107A1 (zh) |
Families Citing this family (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104992553B (zh) * | 2015-07-29 | 2018-05-01 | 上海斐讯数据通信技术有限公司 | 一种家电红外遥控波形的复制学习方法及系统 |
| CN107545717B (zh) * | 2016-06-23 | 2019-10-25 | 瑞昱半导体股份有限公司 | 红外线学习装置 |
| CN107331147A (zh) * | 2017-07-28 | 2017-11-07 | 杭州聪普智能科技有限公司 | 一种智能家居控制系统的高效红外编解码方法 |
| CN107564266B (zh) * | 2017-08-25 | 2021-05-14 | 广东美的制冷设备有限公司 | 一种遥控器编码学习方法和遥控器学习装置 |
| CN108182795B (zh) * | 2018-01-11 | 2020-08-14 | 鹤壁天海电子信息系统有限公司 | 一种红外数据学习方法、装置及电子设备 |
| CN114495477A (zh) * | 2020-11-11 | 2022-05-13 | 西安诺瓦星云科技股份有限公司 | 红外学习方法、装置和系统以及计算机可读存储介质 |
| CN115037421B (zh) * | 2022-05-31 | 2023-08-22 | 国网湖南省电力有限公司 | 用电信息采集设备的远程监控方法、装置及系统 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101320516A (zh) * | 2008-07-09 | 2008-12-10 | 四川长虹电器股份有限公司 | 波形学习电路对红外线解码的方法 |
| CN103000172A (zh) * | 2011-09-09 | 2013-03-27 | 中兴通讯股份有限公司 | 信号分类方法和装置 |
| CN103400494A (zh) * | 2013-07-23 | 2013-11-20 | 恬家（上海）信息科技有限公司 | 红外信号的学习方法 |
| CN104753538A (zh) * | 2015-03-19 | 2015-07-01 | 惠州华阳通用电子有限公司 | 曼彻斯特编码信号解码方法和装置 |
Family Cites Families (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2003259464A (ja) * | 2002-03-05 | 2003-09-12 | Sony Corp | 通信装置および方法、記録媒体、並びにプログラム |
| JP2004328713A (ja) * | 2003-04-09 | 2004-11-18 | Sharp Corp | 波形整形方法、波形整形装置、電子機器、波形整形プログラムおよび記録媒体 |
| JP4018047B2 (ja) * | 2003-09-11 | 2007-12-05 | シャープ株式会社 | リモコン信号受信回路、リモコン信号受信方法、リモコン信号受信プログラム及びそれを記録したコンピュータ読み取り可能な記録媒体 |
| KR100710306B1 (ko) * | 2005-01-20 | 2007-04-23 | 엘지전자 주식회사 | 코드 포맷 구조를 갖는 리모콘과 그의 송수신 방법 및 장치 |
| TWI389064B (zh) * | 2008-12-09 | 2013-03-11 | Mstar Semiconductor Inc | 紅外線遙控控制指令解碼方法與裝置 |
| KR101563487B1 (ko) * | 2009-05-11 | 2015-10-27 | 엘지전자 주식회사 | 가전기기를 제어하는 휴대 단말기 |
| US8786413B2 (en) * | 2011-11-02 | 2014-07-22 | EchoStar Technologies, L.L.C. | Assisting use of control devices with different electronic devices |
| CN103236154B (zh) * | 2013-03-27 | 2016-03-02 | 深圳创维数字技术有限公司 | 一种红外串口通信方法和装置 |
| CN103927864B (zh) * | 2014-03-28 | 2017-10-20 | 小米科技有限责任公司 | 红外信号发送方法、装置和遥控器 |
| US9159217B1 (en) * | 2014-04-10 | 2015-10-13 | Twin Harbor Labs, LLC | Methods and apparatus notifying a remotely located user of the operating condition of a household appliance |
| CN104992553B (zh) * | 2015-07-29 | 2018-05-01 | 上海斐讯数据通信技术有限公司 | 一种家电红外遥控波形的复制学习方法及系统 |
-
2015
- 2015-07-29 CN CN201510456459.7A patent/CN104992553B/zh active Active
- 2015-11-20 US US15/580,680 patent/US10140853B2/en not_active Expired - Fee Related
- 2015-11-20 EP EP15899459.0A patent/EP3301658A4/en not_active Withdrawn
- 2015-11-20 WO PCT/CN2015/095171 patent/WO2017016107A1/zh active Application Filing
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101320516A (zh) * | 2008-07-09 | 2008-12-10 | 四川长虹电器股份有限公司 | 波形学习电路对红外线解码的方法 |
| CN103000172A (zh) * | 2011-09-09 | 2013-03-27 | 中兴通讯股份有限公司 | 信号分类方法和装置 |
| CN103400494A (zh) * | 2013-07-23 | 2013-11-20 | 恬家（上海）信息科技有限公司 | 红外信号的学习方法 |
| CN104753538A (zh) * | 2015-03-19 | 2015-07-01 | 惠州华阳通用电子有限公司 | 曼彻斯特编码信号解码方法和装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| EP3301658A4 (en) | 2018-06-27 |
| US10140853B2 (en) | 2018-11-27 |
| US20180190107A1 (en) | 2018-07-05 |
| WO2017016107A1 (zh) | 2017-02-02 |
| EP3301658A1 (en) | 2018-04-04 |
| CN104992553A (zh) | 2015-10-21 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN104992553B (zh) | 一种家电红外遥控波形的复制学习方法及系统 | |
| AU2015306582B2 (en) | Context awareness control device, system and method | |
| CN108694826B (zh) | 一种红外编解码方法 | |
| CN104615017B (zh) | 空气净化家电的控制方法和控制系统 | |
| CN104090176A (zh) | 一种基于耗电特征曲线的家用电器智能识别方法 | |
| CN111864896A (zh) | 一种电力负荷监测方法及系统 | |
| CN103428965A (zh) | 一种基于脑波控制的智能led变色灯及其智能控制方法 | |
| CN105208355A (zh) | 一种冰箱数据采集方法、系统及冰箱 | |
| CN108199937A (zh) | 一种自动控制的智能家具 | |
| CN105068437A (zh) | 基于电力载波的语音识别智能控制系统 | |
| CN208689542U (zh) | 面向智能家居场景的手势识别控制系统 | |
| CN107833573B (zh) | 一种基于机器学习的家庭场景语义理解辅助方法 | |
| US20180174602A1 (en) | Speech detection method and apparatus | |
| CN109257128A (zh) | 一种基于傅里叶级数拟合去噪的频谱信号识别方法及系统 | |
| CN104935993B (zh) | 数字电视wifi/eoc滤波控制电路及控制方法 | |
| CN103871201B (zh) | 一种基于脑电控制的疲劳驾驶智能报警系统及其方法 | |
| CN205564017U (zh) | 一种红外家电设备的红外遥控装置 | |
| CN110275455B (zh) | 一种基于脑电信号的控制方法、中央控制设备、云服务器及系统 | |
| CN107066093A (zh) | 一种基于改进cca的ssvep智能家居服务系统 | |
| CN111241896A (zh) | 设定请求触发系统 | |
| CN208797940U (zh) | 一种智能语音蓝牙遥控设备 | |
| CN105321527A (zh) | 终端运行环境提示方法和系统 | |
| CN205451192U (zh) | 一种基于dsp的实时图像处理电路 | |
| CN204989818U (zh) | 一种厨房语音控制装置 | |
| CN206193460U (zh) | 一种arm的工件分拣控制器 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20201125 Address after: Room 10242, No. 260, Jiangshu Road, Xixing street, Binjiang District, Hangzhou City, Zhejiang Province Patentee after: Hangzhou Jiji Intellectual Property Operation Co.,Ltd. Address before: 201616 Shanghai city Songjiang District Sixian Road No. 3666 Patentee before: Phicomm (Shanghai) Co.,Ltd. |
|
| TR01 | Transfer of patent right | ||
| TR01 | Transfer of patent right | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20201224 Address after: 233000 3rd floor, Dong'an Market, Fengyang West Road, Longzihu District, Bengbu City, Anhui Province Patentee after: Bengbu 309 Technology Consulting Co.,Ltd. Address before: Room 10242, No. 260, Jiangshu Road, Xixing street, Binjiang District, Hangzhou City, Zhejiang Province Patentee before: Hangzhou Jiji Intellectual Property Operation Co.,Ltd. |
|
| TR01 | Transfer of patent right | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20210204 Address after: 313001 room 1019, Xintiandi office building, Yishan street, Wuxing District, Huzhou, Zhejiang, China Patentee after: Huzhou YingLie Intellectual Property Operation Co.,Ltd. Address before: 233000 3rd floor, Dong'an Market, Fengyang West Road, Longzihu District, Bengbu City, Anhui Province Patentee before: Bengbu 309 Technology Consulting Co.,Ltd. |
|
| TR01 | Transfer of patent right | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20230403 Address after: No. 12 Limin Road, Jinxiaotang Industrial Zone, Zhutang Village, Fenggang Town, Dongguan City, Guangdong Province, 523690 Patentee after: DONGGUAN ANRUICHUANG INTELLIGENT TECHNOLOGY CO.,LTD. Address before: 313001 room 1019, Xintiandi office building, Yishan street, Wuxing District, Huzhou, Zhejiang, China Patentee before: Huzhou YingLie Intellectual Property Operation Co.,Ltd. |