CN108399007A - 脑电波的采样区间调整方法及相关产品 - Google Patents
脑电波的采样区间调整方法及相关产品 Download PDFInfo
- Publication number
- CN108399007A CN108399007A CN201810143487.7A CN201810143487A CN108399007A CN 108399007 A CN108399007 A CN 108399007A CN 201810143487 A CN201810143487 A CN 201810143487A CN 108399007 A CN108399007 A CN 108399007A
- Authority
- CN
- China
- Prior art keywords
- data
- brain wave
- sampling interval
- electronic device
- control command
- 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.)
- Granted
Links
- 210000004556 brain Anatomy 0.000 title claims abstract description 150
- 238000005070 sampling Methods 0.000 title claims abstract description 104
- 238000000034 method Methods 0.000 title claims abstract description 41
- 239000011159 matrix material Substances 0.000 claims description 43
- 238000003062 neural network model Methods 0.000 claims description 27
- 238000004458 analytical method Methods 0.000 claims description 22
- 238000004590 computer program Methods 0.000 claims description 13
- 238000012545 processing Methods 0.000 claims description 12
- 230000015654 memory Effects 0.000 description 14
- 238000010586 diagram Methods 0.000 description 9
- 238000000605 extraction Methods 0.000 description 8
- 230000001133 acceleration Effects 0.000 description 7
- 238000004891 communication Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 6
- 238000007405 data analysis Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 239000000047 product Substances 0.000 description 4
- 230000007177 brain activity Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 230000018109 developmental process Effects 0.000 description 3
- 238000003780 insertion Methods 0.000 description 3
- 230000033001 locomotion Effects 0.000 description 3
- 230000033764 rhythmic process Effects 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000005484 gravity Effects 0.000 description 2
- 230000037431 insertion Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 210000000554 iris Anatomy 0.000 description 2
- 210000003205 muscle Anatomy 0.000 description 2
- 210000002569 neuron Anatomy 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000005236 sound signal Effects 0.000 description 2
- 206010002091 Anaesthesia Diseases 0.000 description 1
- 241000282836 Camelus dromedarius Species 0.000 description 1
- 208000036993 Frustration Diseases 0.000 description 1
- 206010024264 Lethargy Diseases 0.000 description 1
- 238000013019 agitation Methods 0.000 description 1
- 230000037005 anaesthesia Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000004397 blinking Effects 0.000 description 1
- 210000004027 cell Anatomy 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 210000003710 cerebral cortex Anatomy 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 238000007599 discharging Methods 0.000 description 1
- 238000002567 electromyography Methods 0.000 description 1
- 230000002996 emotional effect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 208000028327 extreme fatigue Diseases 0.000 description 1
- 210000000887 face Anatomy 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 230000036630 mental development Effects 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000004118 muscle contraction Effects 0.000 description 1
- 210000005036 nerve Anatomy 0.000 description 1
- 230000001537 neural effect Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000001242 postsynaptic effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000001020 rhythmical effect Effects 0.000 description 1
- 238000010079 rubber tapping Methods 0.000 description 1
- 210000004761 scalp Anatomy 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000002269 spontaneous effect Effects 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 239000010409 thin film Substances 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
- G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
- G06F3/011—Arrangements for interaction with the human body, e.g. for user immersion in virtual reality
- G06F3/015—Input arrangements based on nervous system activity detection, e.g. brain waves [EEG] detection, electromyograms [EMG] detection, electrodermal response detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2203/00—Indexing scheme relating to G06F3/00 - G06F3/048
- G06F2203/01—Indexing scheme relating to G06F3/01
- G06F2203/011—Emotion or mood input determined on the basis of sensed human body parameters such as pulse, heart rate or beat, temperature of skin, facial expressions, iris, voice pitch, brain activity patterns
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
Landscapes
- Engineering & Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Neurosurgery (AREA)
- General Health & Medical Sciences (AREA)
- Neurology (AREA)
- Health & Medical Sciences (AREA)
- Dermatology (AREA)
- Human Computer Interaction (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Biomedical Technology (AREA)
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
- User Interface Of Digital Computer (AREA)
Abstract
本申请提供了一种脑电波的采样区间调整方法及相关产品，所述方法应用与电子装置内，具体包括：获取脑电波数据；确定该电子装置的初始状态，依据该初始状态从预设的状态与采样区间的列表中确定该初始状态对应的第一采样区间，从该脑电波数据中提取该第一采样区间内数据得到第一脑电波数据；依据对该第一脑电波数据进行分析得到该第一脑电波数据对应的控制命令，指示该电子装置执行该控制命令。本申请提供的技术方案具有用户体验度高的优点。
Description
技术领域
本申请涉及终端设备技术领域，具体涉及一种脑电波的采样区间调整方法及相关产品。
背景技术
现有技术中，移动终端(如手机、平板电脑等)已经成为用户首选和使用频率最高的电子装置。随着智能手机的普及，人与手机的互动越来越多样化，有声音、指纹、虹膜、人脸、图像等，但是对于人体的发动机大脑，发出的信息，目前还没有涉及到。现有的脑电波的分析采用相同的采样区间，无法依据初始状态对该采样区间的大小进行调整，导致脑电波分析结果不准确或分析时间长，进而影响用户的体验度。
申请内容
本申请实施例提供了一种脑电波的采样区间调整方法及相关产品，可以实现对脑电波数据采样区间进行调整，提高分析结果的准确性以及响应速度，提高用户体验度。
第一方面，本申请实施例提供一种电子装置，所述电子装置包括：触控显示屏、应用处理器AP；其特征在于，所述电子装置还包括：脑电波部件，所述脑电波部件通过至少一个电路与所述AP连接；
所述脑电波部件，用于获取脑电波数据；
所述AP，用于确定该电子装置的初始状态，依据该初始状态从预设的状态与采样区间的列表中确定该初始状态对应的第一采样区间，从该脑电波数据中提取该第一采样区间内数据得到第一脑电波数据；
所述采样区间为在所述脑电波数据水平轴的取值范围；所述AP，还用于依据对该第一脑电波数据进行分析得到该第一脑电波数据对应的控制命令，指示该电子装置执行该控制命令
第二方面，提供一种脑电波的采样区间调整方法，所述方法应用于电子装置内，所述方法包括如下步骤：
获取脑电波数据；
确定该电子装置的初始状态，依据该初始状态从预设的状态与采样区间的列表中确定该初始状态对应的第一采样区间，从该脑电波数据中提取该第一采样区间内数据得到第一脑电波数据；所述采样区间为在所述脑电波数据水平轴的取值范围；
依据对该第一脑电波数据进行分析得到该第一脑电波数据对应的控制命令，指示该电子装置执行该控制命令。
第三方面，提供一种电子装置，所述电子装置包括：处理单元、触控显示屏、脑电波部件、电路，
所述脑电波部件，用于获取脑电波数据；
所述处理单元，用于确定该电子装置的初始状态，依据该初始状态从预设的状态与采样区间的列表中确定该初始状态对应的第一采样区间，从该脑电波数据中提取该第一采样区间内数据得到第一脑电波数据；所述采样区间为在所述脑电波数据水平轴的取值范围；
所述处理单元，还用于依据对该第一脑电波数据进行分析得到该第一脑电波数据对应的控制命令，指示该电子装置执行该控制命令。
第四方面，提供一种计算机可读存储介质，其存储用于电子数据交换的计算机程序，其中，所述计算机程序使得计算机执行第二方面提供的所述的方法。
第五方面，提供一种计算机程序产品，所述计算机程序产品包括存储了计算机程序的非瞬时性计算机可读存储介质，所述计算机程序可操作来使计算机执行第二方面提供的方法。
实施本申请实施例，具有如下有益效果：
可以看出，本申请提供的技术方案确定该电子装置的参数来确定初始状态，然后依据该初始状态确定第一采样区间，这样即能够依据不同的初始状态确定不同的采样区间，这样能够依据不同状态的场景来实现对脑电波数据的动态的提取，进而提高脑电波数据的提取精度，精度高的第一脑电波数据能够提高分析的准确度，另外，动态调整的采样区间也能够减少采样区间的数据的数量，进而降低分析数据的数量，提高脑电波数据的分析速度，从而提高脑电波数据分析的准确度以及速度，提高用户的体验度。
附图说明
为了更清楚地说明本申请实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本申请实施例提供的一种电子装置的结构示意图。
图1a是δ波的波形图。
图1b是θ波的波形图。
图1c是α波的波形图。
图1d是β波的波形图。
图2是本申请实施例公开的一种电子装置的示意图。
图3是本申请实施例的一种输入数据的插入示意图。
图4是本申请实施例提供的一种脑电波的采样区间调整方法的流程示意图。
图5是本申请实施例提供的一种电子装置的结构示意图。
图6是本申请实施例公开的一种手机的结构示意图。
具体实施方式
下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
本申请的说明书和权利要求书及所述附图中的术语“第一”、“第二”、“第三”和“第四”等是用于区别不同对象，而不是用于描述特定顺序。此外，术语“包括”和“具有”以及它们任何变形，意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元，而是可选地还包括没有列出的步骤或单元，或可选地还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。
在本文中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，本文所描述的实施例可以与其它实施例相结合。
本申请中的电子装置可以包括智能手机(如Android手机、iOS手机、WindowsPhone手机等)、平板电脑、掌上电脑、笔记本电脑、移动互联网设备(MID，Mobile InternetDevices)或穿戴式设备等，上述电子装置仅是举例，而非穷举，包含但不限于上述电子装置，为了描述的方便，下面实施例中将上述电子装置称为用户设备(User equipment，UE)。当然在实际应用中，上述用户设备也不限于上述变现形式，例如还可以包括：智能车载终端、计算机设备等等。
在第一方面提供的电子装置内，
所述第一采样区间包括：时域采样区间或频域采样区间。
在第一方面提供的电子装置内，
所述AP，具体用于如该第一采样区间为时域区间，从第一脑电波数据中提取n个值，将n个值组成输入数据矩阵，将该输入数据矩阵输入到预设的时域神经网络模型中执行多层正向运算得到正向运算结果，依据该正向运算结果确定该控制命令。
在第一方面提供的电子装置内，
所述AP，具体用于如该第一采样区间为频域区间，将该脑电波数据执行快速傅里叶变换得到该脑电波频域数据，从该脑电波频域数据提取该频域区间的第一脑电波数据，从第一脑电波数据中提取m个值，将m个值组成输入数据矩阵，将该输入数据矩阵输入到预设的频域神经网络模型中执行多层正向运算得到正向运算结果，依据该正向运算结果确定该控制命令。
在第一方面提供的电子装置内，
所述AP，具体用于如n＝H*W/2时，将n个值组成输入矩阵H/2*W，在输入数据矩阵H/2*W的H方向每隔一行插入一行插入数据，该插入数据为在H方向相邻行的平均值；该H为预设输入数据矩阵的高度值，该W为预设输入数据矩阵的宽度值
在第二方面提供的方法内，
所述依据对该第一脑电波数据进行分析得到该第一脑电波数据对应的控制命令，指示该电子装置执行该控制命令，包括：
如该第一采样区间为时域区间，从第一脑电波数据中提取n个值，将n个值组成输入数据矩阵，将该输入数据矩阵输入到预设的时域神经网络模型中执行多层正向运算得到正向运算结果，依据该正向运算结果确定该控制命令。
在第二方面提供的方法内，
所述依据对该第一脑电波数据进行分析得到该第一脑电波数据对应的控制命令，指示该电子装置执行该控制命令，包括：
如该第一采样区间为频域区间，将该脑电波数据执行快速傅里叶变换得到该脑电波频域数据，从该脑电波频域数据提取该频域区间的第一脑电波数据，从第一脑电波数据中提取m个值，将m个值组成输入数据矩阵，将该输入数据矩阵输入到预设的频域神经网络模型中执行多层正向运算得到正向运算结果，依据该正向运算结果确定该控制命令。、
请参阅图1，图1是本申请实施例提供了一种电子装置，请参阅图1，图1是本发明实施例提供了一种电子装置100的结构示意图，上述电子装置100包括：壳体110、电路板120、电池130、盖板140、触控显示屏150、脑电波部件170，所述壳体110上设置所述电路板120、所述电池130和所述盖板140，所述电路板120还设置有连接所述触控显示屏150的电路；所述电路板120还可以包括：应用处理器AP190、脑电波部件170。上述脑电波部件170根据不同的采集脑电波的设备可以为不同的装置，例如，如果通过电子装置采集脑电波，该脑电波部件170可以为脑电波传感器或脑电波采集器。如果通过外围设备采集脑电波，那么该脑电波部件170可以为脑电波收发器。当然在实际应用中，还可以是其他形式的脑电波设备，本申请具体实施方式并不局限上述脑电波部件的具体表现形式。
上述触控显示屏具体可以为薄膜晶体管液晶显示器(Thin Film Transistor-Liquid Crystal Display，TFT-LCD)、发光二极管(Light Emitting Diode，LED)显示屏、有机发光二极管(Organic Light-Emitting Diode，OLED)显示屏等。
不同的神经活动会产生不同的脑波模式，从而表现为不同的大脑状态。不同的脑波模式会发出不同振幅和频率的脑电波，除了脑波外，肌肉的收缩也会产生不同模式的波动，称之为肌电图。智能设备可以检测到像眨眼等肌肉运动，从而在测量脑电波时可以把肌肉产生的电波过滤掉。
脑电波(Brain wave)是一种使用电生理指标记录大脑活动得到的数据，大脑在活动时，大量神经元同步发生的突触后电位经总和后形成的。它记录大脑活动时的电波变化，是脑神经细胞的电生理活动在大脑皮层或头皮表面的总体反映。
脑电波是一些自发的有节律的神经电活动，其频率变动范围在每秒1－30次之间的，脑电波按频率一般可以划分为四个波段，即δ(1－3Hz)、θ(4－7Hz)、α(8－13Hz)、β(14－30Hz)。除此之外，在专注于某一事时，常可见一种频率较β波更高的γ波，其频率为30～80Hz，波幅范围不定；在睡眠时还可出现另一些波形较为特殊的正常脑电波，如驼峰波、σ波、λ波、κ-复合波、μ波等。
如图1a所示为δ波的波形图，频率为1～3Hz，幅度为20～200μV。当人在婴儿期或智力发育不成熟、成年人在极度疲劳、昏睡或麻醉状态下，可在颞叶和顶叶记录到这种波段。
如图1b所示为θ波的波形图，频率为4～7Hz，幅度为5～20μV。在成年人意愿受挫或者抑郁以及精神病患者中这种波极为显著。
如图1c所示为α波的波形图，频率为8～13Hz(平均数为10Hz)，幅度为20～100μV。它是正常人脑电波的基本节律，如果没有外加的刺激，其频率是相当恒定的。人在清醒、安静并闭眼时该节律最为明显，睁开眼睛(受到光刺激)或接受其它刺激时，α波即刻消失。
如图1d所示为β波的波形图，频率为14～30Hz，幅度为100～150μV。当精神紧张和情绪激动或亢奋时出现此波，当人从噩梦中惊醒时，原来的慢波节律可立即被该节律所替代。
参阅图2，图2为本申请提供的一种电子装置，如图2所示，电子装置可以包括：触控显示屏、应用处理器AP 202、脑电波部件203；该触控显示屏、脑电波部件203通过至少一个电路204与AP202连接；可选的，在该电子装置内，还可以设置其他的传感器，该传感器包括但不限于：摄像头、重力传感器、距离传感器、扬声器等等。
脑电波部件203，用于获取脑电波数据；
AP202，用于依据该电子装置的场景参数确定该电子装置的初始状态；
上述场景参数包括但不限于：app名称、速度参数、加速度参数、压力值等等参数。
具体的，如该速度参数大于速度阈值，确定该电子装置的初始状态为开车状态；如该app名称为第一游戏，确定该电子装置的初始状态可以为游戏状态；如该加速度参数大于加速度阈值，确定该电子装置的初始状态为跌落状态；如该压力值大于压力阈值，确定该电子装置的初始状态为手持状态。当然在实际应用中，本申请并不限制上述场景参数的种类，也不限定如何依据该场景参数得到对应的初始状态。
AP202，用于依据该初始状态从预设的状态与采样区间的列表中确定该初始状态对应的第一采样区间，从该脑电波数据中提取该第一采样区间内数据得到第一脑电波数据；所述采样区间为在所述脑电波数据水平轴的取值范围；
上述第一采样区间具体可以包括两种类型，第一种类型，该第一采样区间可以为时域区间，即一个时间段，例如提取30s的脑电波数据；第二种类型，该第一采样区间可以为频域区间，即一个频段，例如提取【8Hz，30Hz】的数据。
如该第一采样区间为时域区间时，该时间段的起始时间可以由用户自行设定，例如，确定该初始状态的开始时间，当然还可以是其他的时间，例如该开始时间延时一个设定时间，该设定时间也可以依据不同的初始状态变化，具体的，如该初始状态为跌落状态时，由于该跌落状态的时间非常短，则该设定时间可以为零，如该初始状态为开车状态，由于该开车状态的时间比较长，那么可以将设定时间确定为一个较长的时间t1。通过对该第一采样区间的开始时间的设定能够实现对脑电波数据进行准确的采样，提高计算的精度。
对于采样数据来说，其采样的数据越准确，那么其分析得到的结果的准确度就越高，对于采样的数据的准确性，如果该采样区间为时域区间，那么影响该时域区间的数据的准确性主要有三个方面，第一方面，时域区间的时长、第二方面，时域区间的采样点个数、第三方面，时域区间的起始时间。对于本申请，确定第一采样区间的时长以后，由于采样点的个数由脑电波部件决定，一般情况下无法改变，那么选择合适的时域区间的起始时间即成为该采样区间数据是否准确的关键，本申请的技术方案通过动态调整采样区间的起始时间的方案来精确控制该起始时间，这样就能够
AP202，还用于依据对该第一脑电波数据进行分析得到该第一脑电波数据对应的控制命令，指示该电子装置执行该控制命令。
上述控制命令包括但不限于：解锁命令、支付命令、拍照命令、交互命令、截屏命令、静音命令、飞行模式等等。
本申请提供的技术方案确定该电子装置的参数来确定初始状态，然后依据该初始状态确定第一采样区间，这样即能够依据不同的初始状态确定不同的采样区间，这样能够依据不同状态的场景来实现对脑电波数据的动态的提取，进而提高脑电波数据的提取精度，精度高的第一脑电波数据能够提高分析的准确度，另外，动态调整的采样区间也能够减少采样区间的数据的数量，进而降低分析数据的数量，提高脑电波数据的分析速度，从而提高脑电波数据分析的准确度以及速度，提高用户的体验度。
AP202，具体用于如该第一采样区间为时域区间，从第一脑电波数据中提取n个值，将n个值组成输入数据矩阵，将该输入数据矩阵输入到预设的时域神经网络模型中执行多层正向运算得到正向运算结果，依据该正向运算结果确定该控制命令。上述n的取值范围可以为大于等于2的整数，具体的，该n的取值范围可以较大，例如大于等于1000，当然上述n的值也可以依据该预设的时域神经网络模型中输入矩阵的尺寸来确定，例如该预设的时域神经网络模型的输入矩阵为H*W，其中H为输入矩阵的高度值，W为输入矩阵的宽度值，则该n＝H*W。
具体的，依据该正向运算结果确定该控制命令的方式具体可以包括：
将该输入数据矩阵执行多层正向运算得到正向运算结果矩阵，提取该正向运算结果矩阵中多个元素的最大值，提取该最大值对应的正向运算结果矩阵的位置(即H、W的值)，如该最大值大于设定阈值，确定生成该位置对应的控制命令，如该最大值小于设定阈值，不生成该位置对应的控制命令。例如，如该H＝1、W＝1(即正向运算结果矩阵的第一行的第一个位置)对应为拍照操作，如该最大值大于设定阈值，确定启动该拍照程序。
AP202，具体用于如该第一采样区间为频域区间，将该脑电波数据执行快速傅里叶变换得到该脑电波频域数据，从该脑电波频域数据提取该频域区间的第一脑电波数据，从第一脑电波数据中提取m个值，将m个值组成输入数据矩阵，将该输入数据矩阵输入到预设的频域神经网络模型中执行多层正向运算得到正向运算结果，依据该正向运算结果确定该控制命令。上述m的取值范围可以为大于等于2的整数。
上述m个值具体可以为在频域区间内不同频率对应的电压值，例如12Hz对应88μV，当然在实际应用中还可以采用其他的值，本申请并不限定上述不同频率对应的电压具体值。
本申请通过两种不同的神经网络模型来提高计算的精度，因为对于时域数据和频域数据具有很大的区别，如果采用一个神经网络模型，通过实验发现其计算的精度非常差，准确度很差，依据提取的数据类型进行划分以及训练能够提高识别的精度，进而进一步提高用户的体验度。
AP202，具体用于如n＝H*W/2时，在H方向每隔一行插入一行插入数据，该插入数据为在H方向相邻行的平均值。具体的，如插入的为H方向第2行的数据，则插入数据为H方向第1行与第3行的平均值。上述H*W的取值具体可以为预设的神经网络模型(包括时域神经网络模型、频域神经网络模型)的确定值(高度值以及宽度值)，具体的，时域神经网络模型对应的H*W可以为：H＝32；W＝10，频域神经网络模型对应的H*W可以为：H＝16；W＝10。
此技术方案通过插入数据来提高输入数据矩阵的元素数量，具体的，如图3所示，该插入数据如图3所示。如图3箭头所示，该插入的数据为相邻行的平均值，如插入的为最后一行数据，则该插入的数据可以为相邻行的值。如图3所示，其中(H1+H2)/2表示插入H方向第一行与第二行之间的平均值。其中，H1表示H方向第一行的值，H2表示第二行的值，图3中的箭头表示将数据直接插入到对应的行。如图3所示，插入数据的方式以第2行以及最后一行的数据为例，对于中间行的插入数据的方式可以参见第2行插入数据的方式来实现。
参阅图4，图4提供了一种脑电波的采样区间调整方法，所述方法应用于电子装置内，该电子装置的结构如图1或图2所示，所述方法包括如下步骤：
步骤S401、获取脑电波数据；
步骤S402、依据该电子装置的场景参数确定该电子装置的初始状态，依据该初始状态从预设的状态与采样区间的列表中确定该初始状态对应的第一采样区间，从该脑电波数据中提取该第一采样区间内数据得到第一脑电波数据；
步骤S403、依据对该第一脑电波数据进行分析得到该第一脑电波数据对应的控制命令，指示该电子装置执行该控制命令。
本申请提供的技术方案确定该电子装置的参数来确定初始状态，然后依据该初始状态确定第一采样区间，这样即能够依据不同的初始状态确定不同的采样区间，这样能够依据不同状态的场景来实现对脑电波数据的动态的提取，进而提高脑电波数据的提取精度，精度高的第一脑电波数据能够提高分析的准确度，另外，动态调整的采样区间也能够减少采样区间的数据的数量，进而降低分析数据的数量，提高脑电波数据的分析速度，从而提高脑电波数据分析的准确度以及速度，提高用户的体验度。
具体的，上述依据对该第一脑电波数据进行分析得到该第一脑电波数据对应的控制命令，具体包括：
从第一脑电波数据中提取n个值，如n＝H*W/2时，在H方向每隔一行插入一行插入数据，该插入数据为在H方向相邻行的平均值，将插入后的输入矩阵输入到时域神经网络模型计算得到正向运算的输出结果，依据该输出结果确定该控制命令。具体的，如插入的为H方向第2行的数据，则插入数据为H方向第1行与第3行的平均值。上述H*W的取值具体可以为预设的神经网络模型(包括时域神经网络模型、频域神经网络模型)的确定值，具体的，时域神经网络模型对应的H*W可以为：H＝32；W＝10，频域神经网络模型对应的H*W可以为：H＝16；W＝10。
参阅图5，图5提供了一种电子装置，所述电子装置包括：处理单元501、触控显示屏502、脑电波部件503、电路，
脑电波部件503，用于获取脑电波数据；
处理单元501，用于依据该电子装置的场景参数确定该电子装置的初始状态，依据该初始状态从预设的状态与采样区间的列表中确定该初始状态对应的第一采样区间，从该脑电波数据中提取该第一采样区间内数据得到第一脑电波数据；
处理单元501，还用于依据对该第一脑电波数据进行分析得到该第一脑电波数据对应的控制命令，指示该电子装置执行该控制命令。
本申请提供的技术方案确定该电子装置的参数来确定初始状态，然后依据该初始状态确定第一采样区间，这样即能够依据不同的初始状态确定不同的采样区间，这样能够依据不同状态的场景来实现对脑电波数据的动态的提取，进而提高脑电波数据的提取精度，精度高的第一脑电波数据能够提高分析的准确度，另外，动态调整的采样区间也能够减少采样区间的数据的数量，进而降低分析数据的数量，提高脑电波数据的分析速度，从而提高脑电波数据分析的准确度以及速度，提高用户的体验度。
图6示出的是与本申请实施例提供的移动终端相关的手机的部分结构的框图。参考图6，手机包括：射频(Radio Frequency，RF)电路910、存储器920、输入单元930、传感器950、音频电路960、无线保真(Wireless Fidelity，WiFi)模块970、应用处理器AP980、以及电源990、脑电波部件999等部件。本领域技术人员可以理解，图6中示出的手机结构并不构成对手机的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。
下面结合图6对手机的各个构成部件进行具体的介绍：
输入单元930可用于接收输入的数字或字符信息，以及产生与手机的用户设置以及功能控制有关的键信号输入。具体地，输入单元930可包括触控显示屏933、指纹识别装置931、人脸识别装置936、虹膜识别装置937以及其他输入设备932。输入单元930还可以包括其他输入设备932。具体地，其他输入设备932可以包括但不限于物理按键、功能键(比如音量控制按键、开关按键等)、轨迹球、鼠标、操作杆等中的一种或多种。其中，
脑电波部件999，用于获取脑电波数据，将所述脑电波数据传输给AP980。
AP980，用于依据该电子装置的场景参数确定该电子装置的初始状态，依据该初始状态从预设的状态与采样区间的列表中确定该初始状态对应的第一采样区间，从该脑电波数据中提取该第一采样区间内数据得到第一脑电波数据，依据对该第一脑电波数据进行分析得到该第一脑电波数据对应的控制命令，指示该电子装置执行该控制命令。
可选的，AP980，具体用于如该第一采样区间为时域区间，从第一脑电波数据中提取n个值，将n个值组成输入数据矩阵，将该输入数据矩阵输入到预设的时域神经网络模型中执行多层正向运算得到正向运算结果，依据该正向运算结果确定该控制命令。
可选的，AP980，还用于如该第一采样区间为频域区间，将该脑电波数据执行快速傅里叶变换得到该脑电波频域数据，从该脑电波频域数据提取该频域区间的第一脑电波数据，从第一脑电波数据中提取m个值，将m个值组成输入数据矩阵，将该输入数据矩阵输入到预设的频域神经网络模型中执行多层正向运算得到正向运算结果，依据该正向运算结果确定该控制命令。
AP980是手机的控制中心，利用各种接口和线路连接整个手机的各个部分，通过运行或执行存储在存储器920内的软件程序和/或模块，以及调用存储在存储器920内的数据，执行手机的各种功能和处理数据，从而对手机进行整体监控。可选的，AP980可包括一个或多个处理单元；可选的，AP980可集成应用处理器和调制解调处理器，其中，应用处理器主要处理操作系统、用户界面和应用程序等，调制解调处理器主要处理无线通信。可以理解的是，上述调制解调处理器也可以不集成到AP980中。
此外，存储器920可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
RF电路910可用于信息的接收和发送。通常，RF电路910包括但不限于天线、至少一个放大器、收发信机、耦合器、低噪声放大器(Low Noise Amplifier，LNA)、双工器等。此外，RF电路910还可以通过无线通信与网络和其他设备通信。上述无线通信可以使用任一通信标准或协议，包括但不限于全球移动通讯系统(Global System of Mobilecommunication，GSM)、通用分组无线服务(General Packet Radio Service，GPRS)、码分多址(Code Division Multiple Access，CDMA)、宽带码分多址(Wideband Code DivisionMultiple Access,WCDMA)、长期演进(Long Term Evolution，LTE)、电子邮件、短消息服务(Short Messaging Service，SMS)等。
手机还可包括至少一种传感器950，比如光传感器、运动传感器以及其他传感器。具体地，光传感器可包括环境光传感器及接近传感器，其中，环境光传感器可根据环境光线的明暗来调节触控显示屏的亮度，接近传感器可在手机移动到耳边时，关闭触控显示屏和/或背光。作为运动传感器的一种，加速计传感器可检测各个方向上(一般为三轴)加速度的大小，静止时可检测出重力的大小及方向，可用于识别手机姿态的应用(比如横竖屏切换、相关游戏、磁力计姿态校准)、振动识别相关功能(比如计步器、敲击)等；至于手机还可配置的陀螺仪、气压计、湿度计、温度计、红外线传感器等其他传感器，在此不再赘述。
音频电路960、扬声器961，传声器962可提供用户与手机之间的音频接口。音频电路960可将接收到的音频数据转换后的电信号，传输到扬声器961，由扬声器961转换为声音信号播放；另一方面，传声器962将收集的声音信号转换为电信号，由音频电路960接收后转换为音频数据，再将音频数据播放AP980处理后，经RF电路910以发送给比如另一手机，或者将音频数据播放至存储器920以便进一步处理。
WiFi属于短距离无线传输技术，手机通过WiFi模块970可以帮助用户收发电子邮件、浏览网页和访问流式媒体等，它为用户提供了无线的宽带互联网访问。虽然图6示出了WiFi模块970，但是可以理解的是，其并不属于手机的必须构成，完全可以根据需要在不改变申请的本质的范围内而省略。
手机还包括给各个部件供电的电源990(比如电池)，可选的，电源可以通过电源管理系统与AP980逻辑相连，从而通过电源管理系统实现管理充电、放电、以及功耗管理等功能。
尽管未示出，手机还可以包括摄像头、蓝牙模块、补光装置、光线传感器等，在此不再赘述。
可以看出，通过本申请实施例，采集到加速度数据以后，依据加速度数据确定电子装置的状态，当确定为跌落状态时，通过摄像头采集地面的第一图片，然后依据加速度值以及采集时间得到电子装置的地面的距离，提取电子装置的第二图片(具体可以为外形图片)，这样就能够生成具有电子装置跌落到地面的3D动画，提高了用户的体验度。
本申请实施例还提供一种计算机存储介质，其中，该计算机存储介质存储用于电子数据交换的计算机程序，该计算机程序使得计算机执行如上述方法实施例中记载的任何一种脑电波的采样区间调整方法的部分或全部步骤。
本申请实施例还提供一种计算机程序产品，所述计算机程序产品包括存储了计算机程序的非瞬时性计算机可读存储介质，所述计算机程序可操作来使计算机执行如上述方法实施例中记载的任何一种脑电波的采样区间调整方法的部分或全部步骤。
需要说明的是，对于前述的各方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本申请并不受所描述的动作顺序的限制，因为依据本申请，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于可选实施例，所涉及的动作和模块并不一定是本申请所必须的。
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。
在本申请所提供的几个实施例中，应该理解到，所揭露的装置，可通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件程序模块的形式实现。
所述集成的单元如果以软件程序模块的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储器中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储器中，包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储器包括：U盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，该程序可以存储于一计算机可读存储器中，存储器可以包括：闪存盘、只读存储器(英文：Read-Only Memory，简称：ROM)、随机存取器(英文：Random Access Memory，简称：RAM)、磁盘或光盘等。
以上对本申请实施例进行了详细介绍，本文中应用了具体个例对本申请的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本申请的方法及其核心思想；同时，对于本领域的一般技术人员，依据本申请的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本申请的限制。
Claims (12)
1.一种电子装置，所述电子装置包括：应用处理器AP；其特征在于，所述电子装置还包括：脑电波部件，所述脑电波部件通过至少一个电路与所述AP连接；
所述脑电波部件，用于获取脑电波数据；
所述AP，用于确定该电子装置的初始状态，依据该初始状态从预设的状态与采样区间的列表中确定该初始状态对应的第一采样区间，从该脑电波数据中提取该第一采样区间内数据得到第一脑电波数据；
所述采样区间为在所述脑电波数据水平轴的取值范围；
所述AP，还用于依据对该第一脑电波数据进行分析得到该第一脑电波数据对应的控制命令，指示该电子装置执行该控制命令。
2.根据权利要求1所述的电子装置，其特征在于，
所述第一采样区间包括：时域采样区间或频域采样区间。
3.根据权利要求2所述的电子装置，其特征在于，
所述AP，具体用于如该第一采样区间为时域区间，从第一脑电波数据中提取n个值，将n个值组成输入数据矩阵，将该输入数据矩阵输入到预设的时域神经网络模型中执行多层正向运算得到正向运算结果，依据该正向运算结果确定该控制命令。
4.根据权利要求2所述的方法，其特征在于，
所述AP，具体用于如该第一采样区间为频域区间，将该脑电波数据执行快速傅里叶变换得到该脑电波频域数据，从该脑电波频域数据提取该频域区间的第一脑电波数据，从第一脑电波数据中提取m个值，将m个值组成输入数据矩阵，将该输入数据矩阵输入到预设的频域神经网络模型中执行多层正向运算得到正向运算结果，依据该正向运算结果确定该控制命令。
5.根据权利要求3所述的电子装置，其特征在于，
所述AP，具体用于如n＝H*W/2时，将n个值组成输入矩阵H/2*W，在输入数据矩阵H/2*W的H方向每隔一行插入一行插入数据，该插入数据为在H方向相邻行的平均值；该H为预设输入数据矩阵的高度值，该W为预设输入数据矩阵的宽度值。
6.一种脑电波的采样区间调整方法，其特征在于，所述方法应用于电子装置内，所述方法包括如下步骤：
获取脑电波数据；
确定该电子装置的初始状态，依据该初始状态从预设的状态与采样区间的列表中确定该初始状态对应的第一采样区间，从该脑电波数据中提取该第一采样区间内数据得到第一脑电波数据；
所述采样区间为在所述脑电波数据水平轴的取值范围；
依据对该第一脑电波数据进行分析得到该第一脑电波数据对应的控制命令，指示该电子装置执行该控制命令。
7.根据权利要求6所述的方法，其特征在于，
所述第一采样区间包括：时域采样区间或频域采样区间。
8.根据权利要求7所述的方法，其特征在于，所述依据对该第一脑电波数据进行分析得到该第一脑电波数据对应的控制命令，指示该电子装置执行该控制命令，包括：
如该第一采样区间为时域区间，从第一脑电波数据中提取n个值，将n个值组成输入数据矩阵，将该输入数据矩阵输入到预设的时域神经网络模型中执行多层正向运算得到正向运算结果，依据该正向运算结果确定该控制命令。
9.根据权利要求7所述的方法，其特征在于，所述依据对该第一脑电波数据进行分析得到该第一脑电波数据对应的控制命令，指示该电子装置执行该控制命令，包括：
如该第一采样区间为频域区间，将该脑电波数据执行快速傅里叶变换得到该脑电波频域数据，从该脑电波频域数据提取该频域区间的第一脑电波数据，从第一脑电波数据中提取m个值，将m个值组成输入数据矩阵，将该输入数据矩阵输入到预设的频域神经网络模型中执行多层正向运算得到正向运算结果，依据该正向运算结果确定该控制命令。
10.一种电子装置，所述电子装置包括：处理单元、脑电波部件、电路，其特征在于，
所述脑电波部件，用于获取脑电波数据；
所述处理单元，用于确定该电子装置的初始状态，依据该初始状态从预设的状态与采样区间的列表中确定该初始状态对应的第一采样区间，从该脑电波数据中提取该第一采样区间内数据得到第一脑电波数据；所述采样区间为在所述脑电波数据水平轴的取值范围；所述处理单元，还用于依据对该第一脑电波数据进行分析得到该第一脑电波数据对应的控制命令，指示该电子装置执行该控制命令。
11.一种计算机可读存储介质，其特征在于，其存储用于电子数据交换的计算机程序，其中，所述计算机程序使得计算机执行如权利要求6-9任一项所述的方法。
12.一种计算机程序产品，其特征在于，所述计算机程序产品包括存储了计算机程序的非瞬时性计算机可读存储介质，所述计算机程序可操作来使计算机执行如权利要求6-9任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810143487.7A CN108399007B (zh) | 2018-02-11 | 2018-02-11 | 脑电波的采样区间调整方法及相关产品 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810143487.7A CN108399007B (zh) | 2018-02-11 | 2018-02-11 | 脑电波的采样区间调整方法及相关产品 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN108399007A true CN108399007A (zh) | 2018-08-14 |
| CN108399007B CN108399007B (zh) | 2021-08-24 |
Family
ID=63096577
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810143487.7A Expired - Fee Related CN108399007B (zh) | 2018-02-11 | 2018-02-11 | 脑电波的采样区间调整方法及相关产品 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108399007B (zh) |
Citations (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20030139683A1 (en) * | 2002-01-22 | 2003-07-24 | Chang-Su Ryu | Apparatus and method for measuring electroencephalogram |
| CN102202569A (zh) * | 2008-10-29 | 2011-09-28 | 丰田自动车株式会社 | 移动体控制装置和移动体控制方法 |
| CN103218034A (zh) * | 2012-01-19 | 2013-07-24 | 联想(北京)有限公司 | 一种应用对象调整方法及电子设备 |
| CN105867641A (zh) * | 2016-05-12 | 2016-08-17 | 深圳市联谛信息无障碍有限责任公司 | 基于脑波的读屏应用指令输入方法及装置 |
| CN105929966A (zh) * | 2016-05-18 | 2016-09-07 | 王之腾 | 一种可自适应学习的脑波控制外围设备方法 |
| CN105956658A (zh) * | 2016-04-29 | 2016-09-21 | 北京比特大陆科技有限公司 | 数据处理方法、数据处理装置及芯片 |
| CN106108847A (zh) * | 2016-06-21 | 2016-11-16 | 北京理工大学 | 信号处理方法、装置及系统 |
| US20170086695A1 (en) * | 2015-09-30 | 2017-03-30 | Daqri, Llc | Real-time biometric detection of oscillatory phenomena and voltage events |
| CN106648110A (zh) * | 2017-01-03 | 2017-05-10 | 京东方科技集团股份有限公司 | 信息处理装置、终端、调节终端工作模式的系统和方法 |
| CN106782501A (zh) * | 2016-12-28 | 2017-05-31 | 百度在线网络技术（北京）有限公司 | 基于人工智能的语音特征提取方法和装置 |
| CN106970710A (zh) * | 2017-03-31 | 2017-07-21 | 深圳市魔眼科技有限公司 | 一种基于脑电波的开/关机方法及头戴式设备 |
| CN107510555A (zh) * | 2017-08-31 | 2017-12-26 | 西安科技大学 | 一种轮椅脑波控制装置及控制方法 |
| US20180011532A1 (en) * | 2015-01-23 | 2018-01-11 | Beijing Zhigu Rui Tuo Tech Co., Ltd. | Methods and apparatuses for determining head movement |
| CN107678549A (zh) * | 2017-09-27 | 2018-02-09 | 上海斐讯数据通信技术有限公司 | 智能设备的控制方法及系统 |
-
2018
- 2018-02-11 CN CN201810143487.7A patent/CN108399007B/zh not_active Expired - Fee Related
Patent Citations (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20030139683A1 (en) * | 2002-01-22 | 2003-07-24 | Chang-Su Ryu | Apparatus and method for measuring electroencephalogram |
| CN102202569A (zh) * | 2008-10-29 | 2011-09-28 | 丰田自动车株式会社 | 移动体控制装置和移动体控制方法 |
| CN103218034A (zh) * | 2012-01-19 | 2013-07-24 | 联想(北京)有限公司 | 一种应用对象调整方法及电子设备 |
| US20180011532A1 (en) * | 2015-01-23 | 2018-01-11 | Beijing Zhigu Rui Tuo Tech Co., Ltd. | Methods and apparatuses for determining head movement |
| US20170086695A1 (en) * | 2015-09-30 | 2017-03-30 | Daqri, Llc | Real-time biometric detection of oscillatory phenomena and voltage events |
| CN105956658A (zh) * | 2016-04-29 | 2016-09-21 | 北京比特大陆科技有限公司 | 数据处理方法、数据处理装置及芯片 |
| CN105867641A (zh) * | 2016-05-12 | 2016-08-17 | 深圳市联谛信息无障碍有限责任公司 | 基于脑波的读屏应用指令输入方法及装置 |
| CN105929966A (zh) * | 2016-05-18 | 2016-09-07 | 王之腾 | 一种可自适应学习的脑波控制外围设备方法 |
| CN106108847A (zh) * | 2016-06-21 | 2016-11-16 | 北京理工大学 | 信号处理方法、装置及系统 |
| CN106782501A (zh) * | 2016-12-28 | 2017-05-31 | 百度在线网络技术（北京）有限公司 | 基于人工智能的语音特征提取方法和装置 |
| CN106648110A (zh) * | 2017-01-03 | 2017-05-10 | 京东方科技集团股份有限公司 | 信息处理装置、终端、调节终端工作模式的系统和方法 |
| CN106970710A (zh) * | 2017-03-31 | 2017-07-21 | 深圳市魔眼科技有限公司 | 一种基于脑电波的开/关机方法及头戴式设备 |
| CN107510555A (zh) * | 2017-08-31 | 2017-12-26 | 西安科技大学 | 一种轮椅脑波控制装置及控制方法 |
| CN107678549A (zh) * | 2017-09-27 | 2018-02-09 | 上海斐讯数据通信技术有限公司 | 智能设备的控制方法及系统 |
Non-Patent Citations (2)
| Title |
|---|
| HALLER PIROSKA ET AL.: "Specific Movement Detection in EEG Signal Using Time-Frequency Analysis", 《IEEE XPLORE》 * |
| 吴清: "脑电信号源数值解法的研究", 《中国优秀博硕士学位论文全文数据库(博士) 信息科技辑》 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN108399007B (zh) | 2021-08-24 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108509033B (zh) | 信息处理方法及相关产品 | |
| CN108594991A (zh) | 一种帮助用户调节情绪的方法、装置和计算机存储介质 | |
| CN108415560B (zh) | 电子装置、操作控制方法及相关产品 | |
| CN108491076B (zh) | 显示控制方法及相关产品 | |
| CN108874130B (zh) | 播放控制方法及相关产品 | |
| CN108418962B (zh) | 基于脑电波的信息响应方法及相关产品 | |
| CN109065060B (zh) | 一种语音唤醒方法及终端 | |
| CN109144245B (zh) | 设备控制方法及相关产品 | |
| CN108459806A (zh) | 终端控制方法、终端及计算机可读存储介质 | |
| CN108404275A (zh) | 睡眠训练方法及相关设备 | |
| CN108519811A (zh) | 截图方法及相关产品 | |
| CN108540665A (zh) | 基于柔性终端及其按摩方法、计算机可读存储介质 | |
| CN109819167A (zh) | 一种图像处理方法、装置和移动终端 | |
| CN108144291A (zh) | 基于脑电波的游戏控制方法及相关产品 | |
| CN114302088A (zh) | 帧率调整方法、装置、电子设备及存储介质 | |
| CN108670275A (zh) | 信号处理方法及相关产品 | |
| CN112084483B (zh) | 一种应用锁定解锁方法、装置、设备及存储介质 | |
| CN112060080A (zh) | 一种机器人的控制方法、装置、终端设备及存储介质 | |
| CN114366983A (zh) | 一种改善睡眠质量的方法、系统、装置、电子设备及介质 | |
| CN108339267B (zh) | 基于脑电波的游戏菜单控制方法及相关产品 | |
| CN108553905A (zh) | 基于游戏应用的数据反馈方法、终端及计算机存储介质 | |
| CN109011561A (zh) | 游戏快捷控制方法、移动终端及计算机可读存储介质 | |
| CN108399007B (zh) | 脑电波的采样区间调整方法及相关产品 | |
| CN108427296B (zh) | 智能家居控制方法及相关产品 | |
| CN110889322A (zh) | 防止久坐的方法及相关产品 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| CB02 | Change of applicant information | ||
| CB02 | Change of applicant information |
Address after: Changan town in Guangdong province Dongguan 523860 usha Beach Road No. 18 Applicant after: GUANGDONG OPPO MOBILE TELECOMMUNICATIONS Corp.,Ltd. Address before: No.18, Wusha Haibin Road, Chang'an Town, Dongguan City, Guangdong Province Applicant before: GUANGDONG OPPO MOBILE TELECOMMUNICATIONS Corp.,Ltd. |
|
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| CF01 | Termination of patent right due to non-payment of annual fee | ||
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20210824 |