CN108427296A - 智能家居控制方法及相关产品 - Google Patents
智能家居控制方法及相关产品 Download PDFInfo
- Publication number
- CN108427296A CN108427296A CN201810234825.8A CN201810234825A CN108427296A CN 108427296 A CN108427296 A CN 108427296A CN 201810234825 A CN201810234825 A CN 201810234825A CN 108427296 A CN108427296 A CN 108427296A
- Authority
- CN
- China
- Prior art keywords
- brain wave
- data
- smart home
- parameter
- electronic device
- 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
- 238000000034 method Methods 0.000 title claims abstract description 37
- 210000004556 brain Anatomy 0.000 claims abstract description 148
- 239000000284 extract Substances 0.000 claims abstract description 19
- 238000004458 analytical method Methods 0.000 claims abstract description 12
- 239000011159 matrix material Substances 0.000 claims description 30
- 238000003062 neural network model Methods 0.000 claims description 16
- 238000004590 computer program Methods 0.000 claims description 14
- 238000012545 processing Methods 0.000 claims description 14
- 238000013507 mapping Methods 0.000 claims description 12
- 238000003860 storage Methods 0.000 claims description 9
- 238000013528 artificial neural network Methods 0.000 claims description 2
- 238000013497 data interchange Methods 0.000 claims description 2
- 235000013399 edible fruits Nutrition 0.000 claims description 2
- 238000000605 extraction Methods 0.000 claims description 2
- 230000005540 biological transmission Effects 0.000 description 9
- 238000004891 communication Methods 0.000 description 9
- 238000010586 diagram Methods 0.000 description 9
- 238000003780 insertion Methods 0.000 description 8
- 230000037431 insertion Effects 0.000 description 8
- 230000005611 electricity Effects 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 238000010295 mobile communication Methods 0.000 description 4
- 230000033764 rhythmic process Effects 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000009826 distribution Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000033001 locomotion Effects 0.000 description 3
- 238000004378 air conditioning Methods 0.000 description 2
- 230000007177 brain activity Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 230000008878 coupling Effects 0.000 description 2
- 238000007405 data analysis Methods 0.000 description 2
- 230000005484 gravity Effects 0.000 description 2
- 230000007774 longterm Effects 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000000638 stimulation Effects 0.000 description 2
- 239000010409 thin film Substances 0.000 description 2
- 230000001052 transient effect Effects 0.000 description 2
- 241000208340 Araliaceae Species 0.000 description 1
- 206010024264 Lethargy Diseases 0.000 description 1
- 206010029412 Nightmare Diseases 0.000 description 1
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 1
- 235000003140 Panax quinquefolius Nutrition 0.000 description 1
- 208000010513 Stupor Diseases 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 210000004027 cell Anatomy 0.000 description 1
- 210000003710 cerebral cortex Anatomy 0.000 description 1
- 238000005314 correlation function Methods 0.000 description 1
- 210000003792 cranial nerve Anatomy 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 230000007717 exclusion Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 235000008434 ginseng Nutrition 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 235000013372 meat Nutrition 0.000 description 1
- 230000003340 mental effect Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000004118 muscle contraction Effects 0.000 description 1
- 230000003387 muscular Effects 0.000 description 1
- 230000001537 neural effect Effects 0.000 description 1
- 210000002569 neuron Anatomy 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000001242 postsynaptic effect Effects 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000001020 rhythmical effect Effects 0.000 description 1
- 210000004761 scalp Anatomy 0.000 description 1
- 230000002269 spontaneous effect Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 210000003478 temporal lobe Anatomy 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B15/00—Systems controlled by a computer
- G05B15/02—Systems controlled by a computer electric
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS], computer integrated manufacturing [CIM]
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B2219/00—Program-control systems
- G05B2219/20—Pc systems
- G05B2219/26—Pc applications
- G05B2219/2642—Domotique, domestic, home control, automation, smart house
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Abstract
本申请提供了一种智能家居控制方法及相关产品，所述电子装置包括：应用处理器AP、收发器；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，用于获取智能家居的初始状态，依据所述初始状态确定设定区间，提取所述脑电波数据在所述设定区间内的第一脑电波数据；对所述第一脑电波数据进行分析确定所述第一脑电波数据对应的智能家居的N个参数，生成所述N个参数对应的控制命令；所述收发器，用于向智能家居发送所述控制命令。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
本申请涉及通信以及智能家居领域，具体涉及一种智能家居控制方法及相关产品。
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。随着人们生活水平的提高，智能家居越来越多的应用到普通的家庭中，但是现有的智能家居控制基于接触控制，例如通过遥控器或开关按钮等设备来实现对智能家居的控制，无法通过脑电波对智能家居进行控制，影响用户体验度。
申请内容
本申请实施例提供了一种智能家居控制方法及相关产品，可以通过脑电波实现对智能家居的控制，实现了非接触式智能家居的控制，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：应用处理器AP、收发器；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，用于获取智能家居的初始状态，依据所述初始状态确定设定区间，提取所述脑电波数据在所述设定区间内的第一脑电波数据；对所述第一脑电波数据进行分析确定所述第一脑电波数据对应的智能家居的N个参数，生成所述N个参数对应的控制命令；
所述收发器，用于向智能家居发送所述控制命令。
第二方面，一种智能家居的控制方法，所述方法应用在电子装置内，所述电子装置包括：应用处理器AP、收发器；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；
获取脑电波数据；
获取智能家居的初始状态，依据所述初始状态确定设定区间，提取所述脑电波数据在所述设定区间内的第一脑电波数据；对所述第一脑电波数据进行分析确定所述第一脑电波数据对应的智能家居的N个参数，生成所述N个参数对应的控制命令；
向所述智能家居发送所述控制命令。
第三方面，提供一种电子装置，所述电子装置包括：处理单元、收发器，所述电子装置还包括：脑电波部件，所述脑电波部件与所述处理单元连接；
所述脑电波部件，用于获取脑电波数据；
所述处理单元，用于获取智能家居的初始状态，依据所述初始状态确定设定区间，提取所述脑电波数据在所述设定区间内的第一脑电波数据；对所述第一脑电波数据进行分析确定所述第一脑电波数据对应的智能家居的N个参数，生成所述N个参数对应的控制命令；
所述收发器，用于向智能家居发送所述控制命令。
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获取脑电波数据，依据该智能家居的初始状态确定设定区间，提取该脑电波数据在该设定区间的第一脑电波数据，对该第一脑电波数据分析得到智能家居的N个参数，生成该N个参数对应的控制命令，发送该控制命令实现将智能家居控制在该N个参数，这样用户能够通过非接触的方式实现对智能家居的控制，即通过脑电波来控制智能家居，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2a是本申请实施例提供的一种数据插入示意图。
图2b是本申请实施例提供的正向运算结果的分布示意图。
图3是本申请实施例提供的一种智能家居控制方法的流程示意图。
图4是本申请实施例提供的一种电子装置的结构示意图。
图5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。
在第一方面提供的电子装置中，所述AP，具体用于获取开启的智能家居的数量，依据所述数量从数量与状态映射表中获取所述初始状态，依据所述初始状态从状态与设定区间映射表中确定所述初始状态对应的设定区间。
在第一方面提供的电子装置中，所述AP，具体用于提取所述第一脑电波数据的P个值，将所述P个值组成输入数据CI1*H1*W1，将所述输入数据CI1*H1*W1输入到预设的神经网络模型中计算得到正向运算结果，依据所述正向运算结果得到N个参数，其中CI1为输入数据的深度值，H1为输入数据的高度值、W1为输入数据的宽度值。
在第一方面提供的电子装置中，所述AP，具体用于获取所述预设的神经网络模型中初始初入矩阵CI0*H0*W0；如P＝CI0*H0*W0/2时，将P个值组成矩阵CI0*H0/2*W0，将矩阵CI0*H0/2*W0在H方向每隔一行插入一行插入数据CI0*W0得到输入矩阵CI0*H0*W0，所述插入数据为在H方向相邻的两个元素的平均值。
在第一方面提供的电子装置中，所述AP，具体用于将所述输入数据CI1*H1*W1分别输入N个参数对应的N个预设神经网络模型计算得到N个正向运算结果，依据所述N个正向运算结果确定N个参数。
在第一方面提供的电子装置中，所述AP，具体用于获取正向运算结果CI2*H2*W2；提取CI2*H2*W2中元素值大于设定阈值的X个元素，提取该X个元素在CI2*H2*W2的X个位置，将X个元素依据X个位置在N个区域的分布划分成N组，N个区域中每个区域对应一个参数，提取N组中元素数量大于数量阈值的Y组，提取Y组中每组的最大元素值对应的Y个位置Smax，获取该Y个位置Smax对应的Y个参数值，将Y个参数值作为N个参数的有效值，将N个参数的剩余参数设置为无效值(例如零)，其中Y为大于等于1的整数且小于N。
在第二方面提供的方法中，所述获取智能家居的初始状态，依据所述初始状态确定设定区间，包括：
获取开启的智能家居的数量，依据所述数量从数量与状态映射表中获取所述初始状态，依据所述初始状态从状态与设定区间映射表中确定所述初始状态对应的设定区间。
在第二方面提供的方法中，所述对所述第一脑电波数据进行分析确定所述第一脑电波数据对应的智能家居的N个参数，包括：
提取所述第一脑电波数据的P个值，将所述P个值组成输入数据CI1*H1*W1，将所述输入数据CI1*H1*W1输入到预设的神经网络模型中计算得到正向运算结果，依据所述正向运算结果得到N个参数，其中CI1为输入数据的深度值，H1为输入数据的高度值、W1为输入数据的宽度值。
在第二方面提供的方法中，将所述P个值组成输入数据，包括：
所述AP，具体用于获取所述预设的神经网络模型中初始初入矩阵CI0*H0*W0；如P＝CI0*H0*W0/2时，将P个值组成矩阵CI0*H0/2*W0，将矩阵CI0*H0/2*W0在H方向每隔一行插入一行插入数据CI0*W0得到输入矩阵CI0*H0*W0，所述插入数据为在H方向相邻的两个元素的平均值。
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：无线路由器、家庭机器人、计算机设备等等。
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和收发器180，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。
上述收发器180根据不同的电子装置的形式可以为不同的收发器，例如，如该电子装置为手机，该收发器可以无线收发器，如该电子装置为智能路由器，该收发器可以为网络端口。
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、收发器201、脑电波部件203；该触控显示屏、脑电波部件203、收发器201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，用于获取智能家居的初始状态，依据该初始状态确定设定区间，提取该脑电波数据在该设定区间内的第一脑电波数据；对该第一脑电波数据进行分析确定该第一脑电波数据对应的智能家居的N个参数，生成该N个参数对应的控制命令；
上述N个参数具体可以为，温度、湿度、开启、关闭、亮度、音量等等参数。具体的，如该智能家居包括：智能灯和智能音响时，该N个参数即可以包括：亮度和音量。如该智能家居包括：智能门窗和空调时，该N个参数即可以包括:开启或关闭以及温度。当然上述N个参数只是为了举例说明，本申请具体实施方式并不局限上述N个参数的具体表现形式。
收发器201，用于向智能家居发送该控制命令。
上述将该控制命令发送至智能家居具体可以为，通过单播的方式发送该控制命令，当然在实际应用中，也可以用广播的方式发送该控制命令。其命令发送的传输方式也可以为有线传输或无线传输的方式，如为无线传输时，可以通过短距离通信方式传输该控制命令，当然在实际应用中，也可以采用移动通信方式传输该控制命令，本申请具体实施方式并不局限上述控制命令的发送方式或采用的具体的通信协议。
本申请提供的电子装置获取脑电波数据，依据该智能家居的初始状态确定设定区间，提取该脑电波数据在该设定区间的第一脑电波数据，对该第一脑电波数据分析得到智能家居的N个参数，生成该N个参数对应的控制命令，发送该控制命令实现将智能家居控制在该N个参数，这样用户能够通过非接触的方式实现对智能家居的控制，即通过脑电波来控制智能家居，提高用户的体验度。
可选的，
AP202，具体用于获取开启的智能家居的数量，依据该数量从数量与状态映射表中获取该初始状态，依据该初始状态从状态与设定区间映射表中确定该初始状态对应的设定区间。
此技术方案对应的场景可以为，通过对用户脑电波数据的分析，在智能家居的数量不同时，其对应的设定区间也不同，具体的，例如只有1个智能家居，用户对于该智能家居的控制命令比较简单，对应的脑电波数据相对简单，那么该设定区间的长度也相对较低，如果智能家居的数量更多，用户对于该智能家居的控制命令比较复杂，对应的脑电波数据相对复杂，那么对应的设定区间的长度也更长，所以通过对该智能家居数量的可以针对不同的设定区间，首先，可以依据不同的形态调整设定区间的长度，其次，更加准确的设定区间的设定也可以提高后续脑电波数据分析的精度。
AP202，具体用于提取该第一脑电波数据的P个值，将该P个值组成输入数据CI1*H1*W1，将该输入数据CI1*H1*W1输入到预设的神经网络模型中计算得到正向运算结果，依据该正向运算结果得到N个参数，其中CI1为输入数据的深度值，H1为输入数据的高度值、W1为输入数据的宽度值。
AP202，具体用于获取预设的神经网络模型中初始初入矩阵CI0*H0*W0；如P＝CI0*H0*W0/2时，将P个值组成矩阵CI0*H0/2*W0，将矩阵CI0*H0/2*W0在H方向每隔一行插入一行插入数据CI0*W0得到输入矩阵CI0*H0*W0(CI1＝CI0、H1＝H0、W 1＝W 0)数据为在H方向相邻的两个元素的平均值。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CI0*H0*W0的取值具体可以为神经网络模型的预设值(该预设值可以通过样本训练来确定，当然也可以由用户自行设定)，具体的，神经网络模型对应的CI0*H*W可以为：CI0＝16；H0＝32；W0＝20。当然在实际应用中，还可以采用CI0、H0、W0也可以为其他的值，例如CI0＝32；H0＝64；W0＝20。本申请并不限制上述CI0、H0、W0的具体取值。
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，这样可以使得输入矩阵的元素数量最接近初始输入矩阵的元素值，具体的，如图2a所示，该插入数据如图2a所示。如图2a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2a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2a中的箭头表示将数据直接插入到对应的行。如图2a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。
AP202，具体用于获取正向运算结果CI2*H2*W2；提取CI2*H2*W2中元素值大于设定阈值的X个元素，提取该X个元素在CI2*H2*W2的X个位置，将X个元素依据X个位置在N个区域的分布划分成N组，N个区域中每个区域对应一个参数，提取N组中元素数量大于数量阈值的Y组，提取Y组中每组的最大元素值对应的Y个位置Smax，获取该Y个位置Smax对应的Y个参数值，将Y个参数值作为N个参数的有效值，将N个参数的剩余参数设置为无效值(例如零)，其中Y为大于等于1的整数且小于N。
参阅图2b，图2b为一种正向运算的结果(其中黑色方框的位置可以为X个元素)，对于正向运算的结果其可以为一个3维结果矩阵，对于其依据为，对于N个参数，其在3维结果矩阵均划分有不同的区域，这样计算出来的3维结果矩阵如果对应的N个区域中超过设定阈值的元素数量越多，那么用户对该区域对应参数的控制越强烈，反之，计算出来的3维结果矩阵如果对应的N个区域中超过设定阈值的元素数量越小，那么用户对该区域对应参数的控制越低，所以这里首先从3维结果矩阵CI2*H2*W2中查询大于设定阈值的X个元素，然后依据X个元素的X个位置确定X个位置所属于的区域，这样即可以将X个元素划分成N组，确定N组中元素的数量大于数量阈值的Y组，这Y组对应的即为用户想要控制的智能家居的参数，在确定Y组中每组的最大元素值对应的位置，依据该位置与预设确定的位置与参数值的映射关系中确定Y组中每组的具体的元素值即Y个参数值，那么对于这Y个参数值属于有效的参数，即用户想要控制的参数，对于N个参数中剩余参数属于用户这次不想控制的参数，即属于无效参数，这样就实现了对智能家居的具体的控制。
AP202，具体用于将提取该第一脑电波数据的P个值，将该P个值组成输入数据CI1*H1*W1。将输入数据CI1*H1*W1分别输入N个参数对应的N个预设神经网络模型计算得到N个正向运算结果，依据该N个正向运算结果确定N个参数。
AP202，具体用于提取该N个正向运算结果中每个正向运算结果的最大元素值对应的N个位置，依据该N个位置确定N个位置对应的N个参数。
参阅图3，图3提供了一种基于脑电波的信息响应方法，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S301、获取脑电波数据；
步骤S302、获取智能家居的初始状态，依据所述初始状态确定设定区间，提取所述脑电波数据在所述设定区间内的第一脑电波数据；对所述第一脑电波数据进行分析确定所述第一脑电波数据对应的智能家居的N个参数，生成所述N个参数对应的控制命令；
上述N个参数具体可以为，温度、湿度、开启、关闭、亮度、音量等等参数。具体的，如该智能家居包括：智能灯和智能音响时，该N个参数即可以包括：亮度和音量。如该智能家居包括：智能门窗和空调时，该N个参数即可以包括:开启或关闭以及温度。当然上述N个参数只是为了举例说明，本申请具体实施方式并不局限上述N个参数的具体表现形式。
步骤S303、将所述控制命令发送至所述智能家居。
上述将该控制命令发送至智能家居具体可以为，通过单播的方式发送该控制命令，当然在实际应用中，也可以用广播的方式发送该控制命令。其命令发送的传输方式也可以为有线传输或无线传输的方式，如为无线传输时，可以通过短距离通信方式传输该控制命令，当然在实际应用中，也可以采用移动通信方式传输该控制命令，本申请具体实施方式并不局限上述控制命令的发送方式或采用的具体的通信协议。
本申请提供的方法获取脑电波数据，依据该智能家居的初始状态确定设定区间，提取该脑电波数据在该设定区间的第一脑电波数据，对该第一脑电波数据分析得到智能家居的N个参数，生成该N个参数对应的控制命令，发送该控制命令实现将智能家居控制在该N个参数，这样用户能够通过非接触的方式实现对智能家居的控制，即通过脑电波来控制智能家居，提高用户的体验度。
参阅图4，图4提供了一种电子装置，所述电子装置包括：处理单元401、触控显示屏、脑电波部件403、收发器404，该触控显示屏、脑电波部件403、收发器404与处理单元401可以通过总线连接，当然在实际应用中，也可以采用其他的连接方式，本申请并不限制上述连接的具体表现形式。
脑电波部件403，用于获取脑电波数据；
处理单元401，用于获取智能家居的初始状态，依据所述初始状态确定设定区间，提取所述脑电波数据在所述设定区间内的第一脑电波数据；对所述第一脑电波数据进行分析确定所述第一脑电波数据对应的智能家居的N个参数，生成所述N个参数对应的控制命令；
收发器404，用于向智能家居发送所述控制命令。
本申请提供的技术方案获取脑电波数据，依据该智能家居的初始状态确定设定区间，提取该脑电波数据在该设定区间的第一脑电波数据，对该第一脑电波数据分析得到智能家居的N个参数，生成该N个参数对应的控制命令，发送该控制命令实现将智能家居控制在该N个参数，这样用户能够通过非接触的方式实现对智能家居的控制，即通过脑电波来控制智能家居，提高用户的体验度。
图5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5，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、音频采集器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5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5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；
AP980，用于获取智能家居的初始状态，依据所述初始状态确定设定区间，提取所述脑电波数据在所述设定区间内的第一脑电波数据；对所述第一脑电波数据进行分析确定所述第一脑电波数据对应的智能家居的N个参数，生成所述N个参数对应的控制命令；
无线保真模块980，用于向智能家居发送所述控制命令。
可选的，AP980，具体用于获取开启的智能家居的数量，依据所述数量从数量与状态映射表中获取所述初始状态，依据所述初始状态从状态与设定区间映射表中确定所述初始状态对应的设定区间。
可选的，AP980，具体用于提取所述第一脑电波数据的P个值，将所述P个值组成输入数据CI1*H1*W1，将所述输入数据CI1*H1*W1输入到预设的神经网络模型中计算得到正向运算结果，依据所述正向运算结果得到N个参数，其中CI1为输入数据的深度值，H1为输入数据的高度值、W1为输入数据的宽度值。
可选的，AP980，具体用于获取所述预设的神经网络模型中初始初入矩阵CI0*H0*W0；如P＝CI0*H0*W0/2时，将P个值组成矩阵CI0*H0/2*W0，将矩阵CI0*H0/2*W0在H方向每隔一行插入一行插入数据CI0*W0得到输入矩阵CI0*H0*W0，所述插入数据为在H方向相邻的两个元素的平均值。
可选的，AP980，具体用于将所述输入数据CI1*H1*W1分别输入N个参数对应的N个预设神经网络模型计算得到N个正向运算结果，依据所述N个正向运算结果确定N个参数。
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。
音频采集器960、扬声器961，传声器962可提供用户与手机之间的音频接口。音频采集器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，由音频采集器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5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，获取脑电波数据，依据该智能家居的初始状态确定设定区间，提取该脑电波数据在该设定区间的第一脑电波数据，对该第一脑电波数据分析得到智能家居的N个参数，生成该N个参数对应的控制命令，发送该控制命令实现将智能家居控制在该N个参数，这样用户能够通过非接触的方式实现对智能家居的控制，即通过脑电波来控制智能家居，提高用户的体验度。
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智能家居控制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智能家居控制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、收发器；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，用于获取智能家居的初始状态，依据所述初始状态确定设定区间，提取所述脑电波数据在所述设定区间内的第一脑电波数据；对所述第一脑电波数据进行分析确定所述第一脑电波数据对应的智能家居的N个参数，生成所述N个参数对应的控制命令；
所述收发器，用于向智能家居发送所述控制命令。
2.根据权利要求1所述的电子装置，其特征在于，
所述AP，具体用于获取开启的智能家居的数量，依据所述数量从数量与状态映射表中获取所述初始状态，依据所述初始状态从状态与设定区间映射表中确定所述初始状态对应的设定区间。
3.根据权利要求1所述的电子装置，其特征在于，
所述AP，具体用于提取所述第一脑电波数据的P个值，将所述P个值组成输入数据CI1*H1*W1，将所述输入数据CI1*H1*W1输入到预设的神经网络模型中计算得到正向运算结果，依据所述正向运算结果得到N个参数，其中CI1为输入数据的深度值，H1为输入数据的高度值、W1为输入数据的宽度值。
4.根据权利要求3所述的电子装置，其特征在于，
所述AP，具体用于获取所述预设的神经网络模型中初始初入矩阵CI0*H0*W0；如P＝CI0*H0*W0/2时，将P个值组成矩阵CI0*H0/2*W0，将矩阵CI0*H0/2*W0在H方向每隔一行插入一行插入数据CI0*W0得到输入矩阵CI0*H0*W0，所述插入数据为在H方向相邻的两个元素的平均值。
5.根据权利要求3所述的电子装置，其特征在于，
所述AP，具体用于将所述输入数据CI1*H1*W1分别输入N个参数对应的N个预设神经网络模型计算得到N个正向运算结果，依据所述N个正向运算结果确定N个参数。
6.一种智能家居的控制方法，其特征在于，所述方法应用在电子装置内，所述电子装置包括：应用处理器AP、收发器；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；
获取脑电波数据；
获取智能家居的初始状态，依据所述初始状态确定设定区间，提取所述脑电波数据在所述设定区间内的第一脑电波数据；对所述第一脑电波数据进行分析确定所述第一脑电波数据对应的智能家居的N个参数，生成所述N个参数对应的控制命令；
向所述智能家居发送所述控制命令。
7.根据权利要求6所述的方法，其特征在于，所述获取智能家居的初始状态，依据所述初始状态确定设定区间，包括：
获取开启的智能家居的数量，依据所述数量从数量与状态映射表中获取所述初始状态，依据所述初始状态从状态与设定区间映射表中确定所述初始状态对应的设定区间。
8.根据权利要求6所述的方法，其特征在于，所述对所述第一脑电波数据进行分析确定所述第一脑电波数据对应的智能家居的N个参数，包括：
提取所述第一脑电波数据的P个值，将所述P个值组成输入数据CI1*H1*W1，将所述输入数据CI1*H1*W1输入到预设的神经网络模型中计算得到正向运算结果，依据所述正向运算结果得到N个参数，其中CI1为输入数据的深度值，H1为输入数据的高度值、W1为输入数据的宽度值。
9.根据权利要求8所述的电子装置，其特征在于，将所述P个值组成输入数据，包括：
所述AP，具体用于获取所述预设的神经网络模型中初始初入矩阵CI0*H0*W0；如P＝CI0*H0*W0/2时，将P个值组成矩阵CI0*H0/2*W0，将矩阵CI0*H0/2*W0在H方向每隔一行插入一行插入数据CI0*W0得到输入矩阵CI0*H0*W0，所述插入数据为在H方向相邻的两个元素的平均值。
10.一种电子装置，所述电子装置包括：处理单元、收发器，其特征在于，所述电子装置还包括：脑电波部件，所述脑电波部件与所述处理单元连接；
所述脑电波部件，用于获取脑电波数据；
所述处理单元，用于获取智能家居的初始状态，依据所述初始状态确定设定区间，提取所述脑电波数据在所述设定区间内的第一脑电波数据；对所述第一脑电波数据进行分析确定所述第一脑电波数据对应的智能家居的N个参数，生成所述N个参数对应的控制命令；
所述收发器，用于向智能家居发送所述控制命令。
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 |
|---|---|---|---|
| CN201810234825.8A CN108427296B (zh) | 2018-03-21 | 2018-03-21 | 智能家居控制方法及相关产品 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810234825.8A CN108427296B (zh) | 2018-03-21 | 2018-03-21 | 智能家居控制方法及相关产品 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN108427296A true CN108427296A (zh) | 2018-08-21 |
| CN108427296B CN108427296B (zh) | 2021-09-14 |
Family
ID=63159172
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810234825.8A Expired - Fee Related CN108427296B (zh) | 2018-03-21 | 2018-03-21 | 智能家居控制方法及相关产品 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108427296B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114706314A (zh) * | 2022-03-28 | 2022-07-05 | 慕思健康睡眠股份有限公司 | 智能家居的噪音控制方法及装置 |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102016757A (zh) * | 2008-07-11 | 2011-04-13 | 松下电器产业株式会社 | 使用了脑电波的设备的控制方法和脑电波接口系统 |
| CN103699230A (zh) * | 2014-01-14 | 2014-04-02 | 东南大学 | 一种基于图标脑电控制的数字界面交互方法 |
| CN103838363A (zh) * | 2012-11-27 | 2014-06-04 | 联想(北京)有限公司 | 一种信息采集的方法、信息获取的方法以及电子设备 |
| CN204028590U (zh) * | 2014-06-27 | 2014-12-17 | 北京安兔兔科技有限公司 | 家用设备控制系统 |
| CN104914727A (zh) * | 2015-02-28 | 2015-09-16 | 阮江海 | 一种基于人体大脑脑电波信号探测的家用电器设备智能控制系统 |
| CN105045234A (zh) * | 2015-07-10 | 2015-11-11 | 西安交通大学 | 基于智能可穿戴设备行为感知的智能家庭能源管理方法 |
| CN106527683A (zh) * | 2016-09-29 | 2017-03-22 | 珠海格力电器股份有限公司 | 一种控制媒体播放器播放的装置、方法、头戴装置及系统 |
| CN106648080A (zh) * | 2016-12-06 | 2017-05-10 | 青岛海信电器股份有限公司 | 一种基于脑电波的设备控制方法及装置 |
| CN106980359A (zh) * | 2016-01-19 | 2017-07-25 | 美的集团股份有限公司 | 家用电器的控制方法、系统、头戴式设备和服务器 |
| US10019060B2 (en) * | 2014-01-30 | 2018-07-10 | Duane Matthew Cash | Mind-controlled virtual assistant on a smartphone device |
-
2018
- 2018-03-21 CN CN201810234825.8A patent/CN108427296B/zh not_active Expired - Fee Related
Patent Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102016757A (zh) * | 2008-07-11 | 2011-04-13 | 松下电器产业株式会社 | 使用了脑电波的设备的控制方法和脑电波接口系统 |
| CN103838363A (zh) * | 2012-11-27 | 2014-06-04 | 联想(北京)有限公司 | 一种信息采集的方法、信息获取的方法以及电子设备 |
| CN103699230A (zh) * | 2014-01-14 | 2014-04-02 | 东南大学 | 一种基于图标脑电控制的数字界面交互方法 |
| US10019060B2 (en) * | 2014-01-30 | 2018-07-10 | Duane Matthew Cash | Mind-controlled virtual assistant on a smartphone device |
| CN204028590U (zh) * | 2014-06-27 | 2014-12-17 | 北京安兔兔科技有限公司 | 家用设备控制系统 |
| CN104914727A (zh) * | 2015-02-28 | 2015-09-16 | 阮江海 | 一种基于人体大脑脑电波信号探测的家用电器设备智能控制系统 |
| CN105045234A (zh) * | 2015-07-10 | 2015-11-11 | 西安交通大学 | 基于智能可穿戴设备行为感知的智能家庭能源管理方法 |
| CN106980359A (zh) * | 2016-01-19 | 2017-07-25 | 美的集团股份有限公司 | 家用电器的控制方法、系统、头戴式设备和服务器 |
| CN106527683A (zh) * | 2016-09-29 | 2017-03-22 | 珠海格力电器股份有限公司 | 一种控制媒体播放器播放的装置、方法、头戴装置及系统 |
| CN106648080A (zh) * | 2016-12-06 | 2017-05-10 | 青岛海信电器股份有限公司 | 一种基于脑电波的设备控制方法及装置 |
Non-Patent Citations (3)
| Title |
|---|
| MOHAMAD AMLIE ABU KASIM 等: "User-Friendly LabVIEW GUI for Prosthetic Hand Control Using Emotiv EEG Headset", 《PROCEDIA COMPUTER SCIENCE》 * |
| 唐智川 等: "基于深度卷积神经网络的运动想象分类及其在脑控外骨骼中的应用", 《计算机学报》 * |
| 孔丽文 等: "基于虚拟现实环境的脑机接口技术研究进展", 《电子测量与仪器学报》 * |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114706314A (zh) * | 2022-03-28 | 2022-07-05 | 慕思健康睡眠股份有限公司 | 智能家居的噪音控制方法及装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN108427296B (zh) | 2021-09-14 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN105867528A (zh) | 用于获取生物识别信息的方法和设备 | |
| CN104605849A (zh) | 一种脑电生物反馈诊断治疗仪、系统及使用方法 | |
| CN107145239A (zh) | 一种基于脑念传感器的智能系统及其控制方法 | |
| CN108499111B (zh) | 游戏难度调整方法及相关产品 | |
| CN108815674A (zh) | 调节睡眠方法及相关产品 | |
| CN108512995B (zh) | 电子装置、脑电波控制方法及相关产品 | |
| CN108418962A (zh) | 基于脑电波的信息响应方法及相关产品 | |
| CN108415560A (zh) | 电子装置、操作控制方法及相关产品 | |
| CN108874130A (zh) | 播放控制方法及相关产品 | |
| CN108670275A (zh) | 信号处理方法及相关产品 | |
| CN108144291A (zh) | 基于脑电波的游戏控制方法及相关产品 | |
| CN108388340A (zh) | 电子设备控制方法及相关产品 | |
| CN108375912A (zh) | 智能家居控制方法及相关产品 | |
| CN108427296A (zh) | 智能家居控制方法及相关产品 | |
| CN106134089A (zh) | 通过使用电子装置中的组件提供天线的方法及其电子装置 | |
| CN108205261A (zh) | 基于脑电波的智能家居控制方法及相关产品 | |
| CN108339267B (zh) | 基于脑电波的游戏菜单控制方法及相关产品 | |
| CN108334200B (zh) | 电子设备控制方法及相关产品 | |
| CN113093908B (zh) | 拍摄控制方法及相关产品 | |
| CN109821234A (zh) | 游戏控制方法、移动终端及计算机可读存储介质 | |
| CN207164699U (zh) | 一种基于脑念传感器的智能系统 | |
| CN108628445B (zh) | 脑电波采集方法及相关产品 | |
| CN108399007A (zh) | 脑电波的采样区间调整方法及相关产品 | |
| CN108399004B (zh) | 脑电波的分析方法及相关产品 | |
| CN108553881A (zh) | 电子装置、游戏控制方法及相关产品 |
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: 20210914 |