CN109908578A - 一种游戏震感控制方法、终端及计算机可读存储介质 - Google Patents

Abstract

本发明公开了一种游戏震感控制方法、终端及计算机可读存储介质，该方法通过在接收到检测指令时，实时获取终端游戏运行时的待测音频信号，并提取待测音频信号的特征向量同步输入到神经网络模型中；利用神经网络模型，判断待测音频信号是否为需要进行震动的目标信号，如是，控制终端的马达进行震动；如否，控制终端的马达停止震动或保持非震动状态；神经网络模型是预先按照如下方式建模得到的：获取需要进行震动的待分析音频数据；利用神经网络算法对待分析音频数据进行深度学习，得到该神经网络模型；本发明还公开了一种终端及计算机可读存储介质，通过实施上述方案，实现了游戏过程中4D震感同步反馈，且该方案识别准确率高，具有较高的商业推广价值。

Description

一种游戏震感控制方法、终端及计算机可读存储介质

技术领域

本发明涉及终端技术领域，更具体地说，涉及一种游戏震感控制方法、终端及计算机可读存储介质。

背景技术

目前的游戏手机越来越普及，逐渐成为游戏玩家的必备装备。为了提高游戏的体验，增加娱乐的趣味，当游戏的时候会结合游戏中的枪声，爆炸声，击打声，汽车的碰撞声，加速声，通过配合马达的震动，提供4D震动反馈。提高了玩家玩游戏的沉浸感。目前的市面上的震动效果算法不稳定，存在一些震动场景识别错误，导致误震或不震的情况，影响用户体验。

发明内容

本发明要解决的技术问题在于：当前震动算法场景识别准确率低、用户体验度不高。针对该技术问题，提供一种游戏震感控制方法、终端及计算机可读存储介质。

为解决上述技术问题，本发明提供一种游戏震感控制方法，所述游戏震感控制方法包括：

在接收到检测指令时，实时获取终端游戏运行时的待测音频信号，并提取所述待测音频信号的特征向量同步输入到神经网络模型中；

利用所述神经网络模型，判断所述待测音频信号是否为需要进行震动的目标信号，如是，控制所述终端的马达进行震动；如否，控制所述终端的马达停止震动或保持非震动状态；

所述神经网络模型是预先按照如下方式建模得到的：

获取需要进行震动的待分析音频数据；

利用神经网络算法对所述待分析音频数据进行深度学习，得到所述神经网络模型。

可选的，所述特征向量包括如下至少一种：短时能量、时域特征、频谱特征、复倒谱特征。

可选的，所述神经网络模型包括需要进行震动的参考特征向量，所述判断所述待测音频信号是否为需要进行震动的目标信号包括：

计算所述待测音频信号的特征向量与所述参考特征向量之间的相似度，当所述相似度达到预设阈值时，确定所述待测音频信号为需要进行震动的目标信号；否则，确定所述待测音频信号不是需要进行震动的目标信号。

可选的，所述待分析音频数据包括如下至少一种：枪声、爆炸声、击打声、汽车碰撞声、加速声。

可选的，在所述利用神经网络算法对所述待分析音频数据进行深度学习之前，还包括：

对所述待分析音频数据进行预处理，所述预处理包括滤波处理。

可选的，所述接收到检测指令包括：

检测到所述终端当前运行的游戏的所属类型满足预设游戏类型；

或，检测到所述终端当前运行的游戏属于预设游戏列表中的游戏。

可选的，所述在检测所述终端当前运行的游戏之前，还包括：

确定所述终端的震动控制按钮处于开启状态。

可选的，在所述实时获取终端游戏运行时的待测音频信号之前，还包括：确定所述终端当前电量大于预设电量阈值。

进一步地，本发明还提供了一种终端，所述终端包括处理器、存储器、通信总线以及马达；

所述通信总线用于实现处理器和存储器之间的连接通信；

所述处理器用于执行存储器中存储的一个或者多个程序，以实现如上任一项所述的游戏震感控制方法的步骤。

进一步地，本发明还提供了一种计算机可读存储介质，所述计算机可读存储介质存储有一个或者多个程序，所述一个或者多个程序可被一个或者多个处理器执行，以实现如权上任一项所述的游戏震感控制方法的步骤。

有益效果

本发明提供一种游戏震感控制方法、终端及计算机可读存储介质，针对现有震动算法场景识别准确率低、用户体验度不高的缺陷，通过在接收到检测指令时，实时获取终端游戏运行时的待测音频信号，并提取待测音频信号的特征向量同步输入到神经网络模型中；利用神经网络模型，判断待测音频信号是否为需要进行震动的目标信号，如是，控制终端的马达进行震动；如否，控制终端的马达停止震动或保持非震动状态；神经网络模型是预先按照如下方式建模得到的：获取需要进行震动的待分析音频数据；利用神经网络算法对待分析音频数据进行深度学习，得到该神经网络模型；实现了游戏过程中4D震感同步反馈，增加了游戏沉浸感。提升了用户使用体验；且该方案识别准确率高，具有较高的商业推广价值。

附图说明

下面将结合附图及实施例对本发明作进一步说明，附图中：

图1为实现本发明各个实施例一个可选的移动终端的硬件结构示意图。

图2为如图1所示的移动终端的无线通信系统示意图；

图3为本发明第一实施例提供的游戏震感控制方法基本流程图；

图4为本发明第一实施例提供的终端震动控制按钮界面示意图；

图5为本发明第一实施例提供的神经网络模型结构示意图；

图6为本发明第二实施例提供的终端的结构示意图。

具体实施方式

应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

在后续的描述中，使用用于表示元件的诸如“模块”、“部件”或“单元”的后缀仅为了有利于本发明的说明，其本身没有特定的意义。因此，“模块”、“部件”或“单元”可以混合地使用。

终端可以以各种形式来实施。例如，本发明中描述的终端可以包括诸如手机、平板电脑、笔记本电脑、掌上电脑、个人数字助理(Personal Digital Assistant，PDA)、便捷式媒体播放器(Portable Media Player，PMP)、导航装置、可穿戴设备、智能手环、计步器等移动终端，以及诸如数字TV、台式计算机等固定终端。

后续描述中将以移动终端为例进行说明，本领域技术人员将理解的是，除了特别用于移动目的的元件之外，根据本发明的实施方式的构造也能够应用于固定类型的终端。

请参阅图1，其为实现本发明各个实施例的一种移动终端的硬件结构示意图，该移动终端100可以包括：RF(Radio Frequency，射频)单元101、WiFi 模块102、音频输出单元103、A/V(音频/视频)输入单元104、传感器105、显示单元106、用户输入单元107、接口单元108、存储器109、处理器110、以及电源111等部件。本领域技术人员可以理解，图1中示出的移动终端结构并不构成对移动终端的限定，移动终端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1对移动终端的各个部件进行具体的介绍：

射频单元101可用于收发信息或通话过程中，信号的接收和发送，具体的，将基站的下行信息接收后，给处理器110处理；另外，将上行的数据发送给基站。通常，射频单元101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、双工器等。此外，射频单元101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GSM(Global System of Mobile communication，全球移动通讯系统)、 GPRS(General Packet Radio Service，通用分组无线服务)、CDMA2000(CodeDivision Multiple Access 2000，码分多址2000)、WCDMA(Wideband Code DivisionMultiple Access,宽带码分多址)、TD-SCDMA(Time Division-Synchronous CodeDivision Multiple Access，时分同步码分多址)、 FDD-LTE(Frequency DivisionDuplexing-Long Term Evolution，频分双工长期演进)和TDD-LTE(Time DivisionDuplexing-Long Term Evolution，分时双工长期演进)等。

WiFi属于短距离无线传输技术，移动终端通过WiFi模块102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1示出了WiFi模块102，但是可以理解的是，其并不属于移动终端的必须构成，完全可以根据需要在不改变发明的本质的范围内而省略。

音频输出单元103可以在移动终端100处于呼叫信号接收模式、通话模式、记录模式、语音识别模式、广播接收模式等等模式下时，将射频单元101或WiFi 模块102接收的或者在存储器109中存储的音频数据转换成音频信号并且输出为声音。而且，音频输出单元103还可以提供与移动终端100执行的特定功能相关的音频输出(例如，呼叫信号接收声音、消息接收声音等等)。音频输出单元103可以包括扬声器、蜂鸣器等等。

A/V输入单元104用于接收音频或视频信号。A/V输入单元104可以包括图形处理器(Graphics Processing Unit，GPU)1041和麦克风1042，图形处理器1041对在视频捕获模式或图像捕获模式中由图像捕获装置(如摄像头)获得的静态图片或视频的图像数据进行处理。处理后的图像帧可以显示在显示单元 106上。经图形处理器1041处理后的图像帧可以存储在存储器109(或其它存储介质)中或者经由射频单元101或WiFi模块102进行发送。麦克风1042可以在电话通话模式、记录模式、语音识别模式等等运行模式中经由麦克风1042接收声音(音频数据)，并且能够将这样的声音处理为音频数据。处理后的音频 (语音)数据可以在电话通话模式的情况下转换为可经由射频单元101发送到移动通信基站的格式输出。麦克风1042可以实施各种类型的噪声消除(或抑制) 算法以消除(或抑制)在接收和发送音频信号的过程中产生的噪声或者干扰。

移动终端100还包括至少一种传感器105，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显示面板1061的亮度，接近传感器可在移动终端100移动到耳边时，关闭显示面板1061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指纹传感器、压力传感器、虹膜传感器、分子传感器、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。

显示单元106用于显示由用户输入的信息或提供给用户的信息。显示单元 106可包括显示面板1061，可以采用液晶显示器(Liquid Crystal Display， LCD)、有机发光二极管(Organic Light-Emitting Diode,OLED)等形式来配置显示面板1061。

用户输入单元107可用于接收输入的数字或字符信息，以及产生与移动终端的用户设置以及功能控制有关的键信号输入。具体地，用户输入单元107可包括触控面板1071以及其他输入设备1072。触控面板1071，也称为触摸屏，可收集用户在其上或附近的触摸操作(比如用户使用手指、触笔等任何适合的物体或附件在触控面板1071上或在触控面板1071附近的操作)，并根据预先设定的程式驱动相应的连接装置。触控面板1071可包括触摸检测装置和触摸控制器两个部分。其中，触摸检测装置检测用户的触摸方位，并检测触摸操作带来的信号，将信号传送给触摸控制器；触摸控制器从触摸检测装置上接收触摸信息，并将它转换成触点坐标，再送给处理器110，并能接收处理器110发来的命令并加以执行。此外，可以采用电阻式、电容式、红外线以及表面声波等多种类型实现触控面板1071。除了触控面板1071，用户输入单元107还可以包括其他输入设备1072。具体地，其他输入设备1072可以包括但不限于物理键盘、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，具体此处不做限定。

进一步的，触控面板1071可覆盖显示面板1061，当触控面板1071检测到在其上或附近的触摸操作后，传送给处理器110以确定触摸事件的类型，随后处理器110根据触摸事件的类型在显示面板1061上提供相应的视觉输出。虽然在图1中，触控面板1071与显示面板1061是作为两个独立的部件来实现移动终端的输入和输出功能，但是在某些实施例中，可以将触控面板1071与显示面板1061集成而实现移动终端的输入和输出功能，具体此处不做限定。

接口单元108用作至少一个外部装置与移动终端100连接可以通过的接口。例如，外部装置可以包括有线或无线头戴式耳机端口、外部电源(或电池充电器) 端口、有线或无线数据端口、存储卡端口、用于连接具有识别模块的装置的端口、音频输入/输出(I/O)端口、视频I/O端口、耳机端口等等。接口单元108 可以用于接收来自外部装置的输入(例如，数据信息、电力等等)并且将接收到的输入传输到移动终端100内的一个或多个元件或者可以用于在移动终端100 和外部装置之间传输数据。

存储器109可用于存储软件程序以及各种数据。存储器109可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等；存储数据区可存储根据手机的使用所创建的数据(比如音频数据、电话本等)等。此外，存储器 109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。

处理器110是移动终端的控制中心，利用各种接口和线路连接整个移动终端的各个部分，通过运行或执行存储在存储器109内的软件程序和/或模块，以及调用存储在存储器109内的数据，执行移动终端的各种功能和处理数据，从而对移动终端进行整体监控。处理器110可包括一个或多个处理单元；优选的，处理器110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处理器110中。

移动终端100还可以包括给各个部件供电的电源111(比如电池)，优选的，电源111可以通过电源管理系统与处理器110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。

尽管图1未示出，移动终端100还可以包括蓝牙模块等，在此不再赘述。

为了便于理解本发明实施例，下面对本发明的移动终端所基于的通信网络系统进行描述。

请参阅图2，图2为本发明实施例提供的一种通信网络系统架构图，该通信网络系统为通用移动通信技术的LTE系统，该LTE系统包括依次通讯连接的UE (User Equipment，用户设备)201，E-UTRAN(Evolved UMTS Terrestrial Radio Access Network，演进式UMTS陆地无线接入网)202，EPC(Evolved Packet Core，演进式分组核心网)203和运营商的IP业务204。

具体地，UE201可以是上述终端100，此处不再赘述。

E-UTRAN202包括eNodeB2021和其它eNodeB2022等。其中，eNodeB2021可以通过回程(backhaul)(例如X2接口)与其它eNodeB2022连接，eNodeB2021 连接到EPC203，eNodeB2021可以提供UE201到EPC203的接入。

EPC203可以包括MME(Mobility Management Entity，移动性管理实体) 2031，HSS(Home Subscriber Server，归属用户服务器)2032，其它MME2033， SGW(Serving GateWay，服务网关)2034，PGW(PDN GateWay，分组数据网络网关)2035和PCRF(Policy and ChargingRules Function，政策和资费功能实体)2036等。其中，MME2031是处理UE201和EPC203之间信令的控制节点，提供承载和连接管理。HSS2032用于提供一些寄存器来管理诸如归属位置寄存器 (图中未示)之类的功能，并且保存有一些有关服务特征、数据速率等用户专用的信息。所有用户数据都可以通过SGW2034进行发送，PGW2035可以提供UE 201 的IP地址分配以及其它功能，PCRF2036是业务数据流和IP承载资源的策略与计费控制策略决策点，它为策略与计费执行功能单元(图中未示)选择及提供可用的策略和计费控制决策。

IP业务204可以包括因特网、内联网、IMS(IP Multimedia Subsystem， IP多媒体子系统)或其它IP业务等。

虽然上述以LTE系统为例进行了介绍，但本领域技术人员应当知晓，本发明不仅仅适用于LTE系统，也可以适用于其他无线通信系统，例如GSM、CDMA2000、 WCDMA、TD-SCDMA以及未来新的网络系统等，此处不做限定。

基于上述移动终端硬件结构以及通信网络系统，提出本发明方法各个实施例。

第一实施例

为了解决当前震动算法不稳定，存在一些震动场景识别错误，导致误震或不震的情况，影响用户体验的问题。本实施例通过目前最火热的AI(Artificial Intelligence，人工智能)深度学习神经网络算法，通过对需要震动的信号(如各类型枪声、爆炸声，汽车碰撞声等)进行深度学习，在游戏时通过DSP(Digital Signal Processing，数字信号处理)进行实时计算，判断正在运行的电信号与需要震动信号的特征向量的相似度，如果相似度达到一定的阈值，判断为需要震动的信号，同时控制马达进行震动。本实施例提供的游戏震感控制方案识别准确率高，具有较高的商业推广价值。

请参见图3，图3为本实施例提供的游戏震感控制方法基本流程图，该游戏震感控制方法包括：

S301、在接收到检测指令时，实时获取终端游戏运行时的待测音频信号，并提取待测音频信号的特征向量同步输入到神经网络模型中。

可选的，在检测到终端当前运行的游戏的所属类型满足预设游戏类型时，确定接收到检测指令。其中，游戏类型包括但不限于竞技类、策略类、益智类、动作类、角色扮演、街机等。

或者，当检测到终端当前运行的游戏属于预设游戏列表中的游戏。也即，预先将需要震动反馈的游戏添加到指定游戏列表中，请参见如下表1所示，当终端运行游戏时，检测该游戏是否属于该预设游戏列表中的某一游戏，如果是，则确定接收到检测指令，触发对待测电型号的震感控制检测。

表1

编号	游戏名称
		1	绝地求生
2	坦克大战
		3	侠盗飞车

可选的，在检测终端当前运行的游戏(类型或者是否属于预设游戏列表中的游戏)之前，还需要先确定终端的震动控制按钮41处于开启状态。请参见图 4，用户可以手动选择是否开启该震动控制按钮41，当用户选择开启后，终端将自动根据游戏运行过程，实时对待测音频信号进行是否震动反馈的检测，以给用户带来更好的游戏体验。该震动控制按钮41的设置也给用户带来了可选择性。

本实施例提出的游戏震感控制方案需要耗费终端额外的电量，当终端电量较低时，为了尽可能保证用户使用时间更长，可以自动关闭该震动控制按钮。

可选的，在实时获取终端游戏运行时的待测音频信号之前，还需要先确定终端当前电量大于预设电量阈值。预设电量阈值可以根据实际使用情况灵活设置，例如设置为50％。

待测音频信号的特征向量包括如下至少一种：短时能量、时域特征、频谱特征、复倒谱特征。其中，短时能量，就是计算较短时间内的语音能量。这里的较短时间，通常指的是一帧。也就是说，一帧时间内的声音能量就是短时能量。可以通过类似加窗方法进行信号提取，计算短时能量。可选的，声音能量的计算，通常是E_n＝x(n)²；进而可以得到短时能量的计算方式：

其中，h(n)＝w(n)²，w(n)是窗口函数。

也可以简写成：

窗口可以是一种方窗，例如为：

通过预设能量阈值，即可达到是否需要震动的判断。若短时能量高于该预设能量阈值，则判断为需要震动，相反，若短时能量低于该预设能量阈值，则判断为不需要震动。

待测音频信号的时域特征，可以通过提取强脉冲特征实现。

待测音频信号的频谱特征，也即是通过傅里叶变换提取频率信号特征。

待测音频信号的复倒谱特征，指的是该待测音频信号通过傅里叶变换后，经过对数运算后再进行傅里叶反变换得到。

应当理解的是，还可以根据实际应用提取待测音频信号的其他特征。在此不再赘述。

将获取到的待测音频信号的特征向量，同步输入到预先建模得到的神经网络模型中，通过该神经网络模型来判断该待测音频信号是否为需要震动的目标信号。

需要说明的是，神经网络模型是预先按照如下方式建模得到的：获取需要进行震动的待分析音频数据；利用神经网络算法对该待分析音频数据进行深度学习，得到该神经网络模型。

其中，待分析音频数据包括但不限于枪声、爆炸声、击打声、汽车碰撞声、加速声等音频信号。

可选的，在利用神经网络算法对待分析音频数据进行深度学习之前，为了提高模型性能，还可以对待分析音频数据进行预处理，其中预处理包括滤波处理。例如对于待分析音频数据为枪声时，由于枪声主要集中在低频，因此对其进行滤波处理，去除信号的噪声，同时滤除1kHZ以上频率。可以使得预处理后的待分析音频数据更加满足建模需求。

应当说明的是，在本发明的其他实施例中，还可以对待分析音频数据，采用其他预处理方式对其进行处理后，再用于神经网络模型建模训练过程。

神经网络模型按不同层的位置划分，神经网络模型内部的神经网络层可以分为三类，输入层、隐藏层和输出层，如下图5所示，一般来说第一层是输入层，最后一层是输出层，而中间的层数都是隐藏层。

可选的，神经网络算法的学习训练包括：

1、通过大量的待分析音频数据得到特征向量。

2、将特征向量作为输入层的输入信号。

3、输出层的结果判定是否为需要震动的目标信号。

4、通过机器学习语言TensorFlow进行算法编程，实现神经网络训练学习过程。

5、得到训练好的输出模型，可以用来对待测音频信号进行是否为目标信号的判定。

至此完成训练学习得到AI神经网络模型之后，即可在游戏时通过DSP进行实时计算。提取正在运行的待测音频信号的特征向量，由训练好的AI神经网络模型，判定是否为需要震动的目标信号等，如果是，即可告知系统，调动马达完成同步震动，如果不是，控制马达处于关闭状态。

S302、利用神经网络模型，判断待测音频信号是否为需要进行震动的目标信号，如是，转至步骤S303；如否，转至步骤S304。

可选的，神经网络模型包括需要进行震动的参考特征向量，其中判断待测音频信号是否为需要进行震动的目标信号包括：计算待测音频信号的特征向量与参考特征向量之间的相似度，当相似度达到预设阈值时，确定待测音频信号为需要进行震动的目标信号；否则，确定待测音频信号不是需要进行震动的目标信号。

应当理解的是，计算待测音频信号的特征向量与参考特征向量之间的相似度，可以采用现有任意方式，包括但不限于余弦相似度、欧氏距离相似度等。

S303、控制终端的马达进行震动。

当判断当前的待测音频信号为需要震动的目标信号时，控制终端的马达进行震动。应当理解的是，当下一待测音频信号也是需要震动的目标信号时，可以控制终端保持震动状态，相反，若下一待测音频信号不是需要震动的目标信号时，则控制终端马达停止震动。

S304、控制终端的马达停止震动或保持非震动状态。

当判断当前的待测音频信号不是需要震动的目标信号时，若前一待测音频信号为目标信号，也即终端马达当前处于震动状态时，控制所述终端马达停止震动；对应的，若前一待测音频信号不是目标信号时，也即终端马达当前处于非震动状态，则控制终端保持该非震动状态。

本实施例提供的游戏震感控制方法，通过在接收到检测指令时，实时获取终端游戏运行时的待测音频信号，并提取待测音频信号的特征向量同步输入到神经网络模型中；利用神经网络模型，判断待测音频信号是否为需要进行震动的目标信号，如是，控制终端的马达进行震动；如否，控制终端的马达停止震动或保持非震动状态；神经网络模型是预先按照如下方式建模得到的：获取需要进行震动的待分析音频数据；利用神经网络算法对待分析音频数据进行深度学习，得到该神经网络模型；实现了游戏过程中4D震感同步反馈，增加了游戏沉浸感，提升了用户使用体验；且该方案识别准确率高，具有较高的商业推广价值。

第二实施例

本发明实施例在第一实施例的基础上，提供一种终端，用以实现上述第实施例提出的游戏震感控制方法的步骤，请参见图6，该终端包括处理器61、存储器62、通信总线63以及马达64；通信总线63用于实现处理器61和存储器 62之间的连接通信；处理器61用于执行存储器62中存储的一个或者多个程序，以实现如第一实施例中所述的游戏震感控制方法的步骤，包括：

处理器61在接收到检测指令时，实时获取终端游戏运行时的待测音频信号，并提取待测音频信号的特征向量同步输入到神经网络模型中；利用神经网络模型，判断待测音频信号是否为需要进行震动的目标信号，如是，控制终端的马达64进行震动；如否，控制终端的马达64停止震动或保持非震动状态。

可选的，处理器61在检测到终端当前运行的游戏的所属类型满足预设游戏类型时，确定接收到检测指令。其中，游戏类型包括但不限于竞技类、策略类、益智类、动作类、角色扮演、街机等。

或者，处理器61检测到终端当前运行的游戏属于预设游戏列表中的游戏时，确定接收到检测指令。也即，预先将需要震动反馈的游戏添加到指定游戏列表中，当终端运行游戏时，检测该游戏是否属于该预设游戏列表中的某一游戏，如果是，则确定节后到检测指令，触发对待测电型号的震感控制检测。

可选的，处理器61在检测终端当前运行的游戏(类型或者是否属于预设游戏列表中的游戏)之前，还需要先确定终端的震动控制按钮41处于开启状态。在用户选择开启后，处理器61将自动根据游戏运行过程，实时对待测音频信号进行是否震动反馈的检测，以给用户带来更好的游戏体验。该震动控制按钮的设置也给用户带来了可选择性。

本实施例提出的游戏震感控制方案需要耗费终端额外的电量，当终端电量较低时，为了尽可能保证用户使用时间更长，处理器61可以自动关闭该震动控制按钮。

可选的，在实时获取终端游戏运行时的待测音频信号之前，处理器61还需要先确定终端当前电量大于预设电量阈值。预设电量阈值可以根据实际使用情况灵活设置，例如设置为60％。

待测音频信号的特征向量包括如下至少一种：短时能量、时域特征、频谱特征、复倒谱特征。其中，短时能量可以通过类似加窗方法进行信号提取，计算短时能量，通过预设能量阈值，即可达到判断是否需要震动的判断。若短时能量高于该预设能量阈值，则判断为需要震动，相反，若短时能量低于该预设能量阈值，则判断为不需要震动。

待测音频信号的时域特征，可以通过提取强脉冲特征实现。

待测音频信号的频谱特征，也即是通过傅里叶变换提取频率信号特征。

待测音频信号的复倒谱特征，指的是该待测音频信号通过傅里叶变换后，经过对数运算后再进行傅里叶反变换得到。

处理器61将获取到的待测音频信号的特征向量，同步输入到预先建模得到的神经网络模型中，通过该神经网络模型来判断该待测音频信号是否为需要震动的目标信号。

需要说明的是，神经网络模型是预先按照如下方式建模得到的：获取需要进行震动的待分析音频数据；利用神经网络算法对该待分析音频数据进行深度学习，得到该神经网络模型。

其中，待分析音频数据包括但不限于枪声、爆炸声、击打声、汽车碰撞声、加速声等音频信号。

可选的，在利用神经网络算法对待分析音频数据进行深度学习之前，为了提高模型性能，处理器61还可以对待分析音频数据进行预处理，其中预处理包括滤波处理。例如对于待分析音频数据为枪声时，由于枪声主要集中在低频，因此对其进行滤波处理，去除信号的噪声，同时滤除1kHZ以上频率。可以使得预处理后的待分析音频数据更加满足建模需求。

应当说明的是，在本发明的其他实施例中，处理器61还可以对待分析音频数据，采用其他预处理方式对其进行处理后，再用于神经网络模型建模训练过程。

神经网络模型按不同层的位置划分，神经网络模型内部的神经网络层可以分为三类，输入层、隐藏层和输出层。一般来说第一层是输入层，最后一层是输出层，而中间的层数都是隐藏层。

可选的，神经网络算法的学习训练包括：

1、通过大量的待分析音频数据得到特征向量。

2、将特征向量作为输入层的输入信号。

3、输出层的结果判定是否为需要震动的目标信号。

4、通过机器学习语言TensorFlow进行算法编程，实现神经网络训练学习过程。

5、得到训练好的输出模型，可以用来对待测音频信号进行是否为目标信号的判定。

本实施例还提供一种计算机可读存储介质，该计算机可读存储介质存储有一个或者多个程序，该一个或者多个程序可被一个或者多个处理器执行，以实现如上述第一实施例所述的游戏震感控制方法的步骤。具体请参见第一实施例的描述，在此不再赘述。

需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。

上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的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介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端(可以是手机，计算机，服务器，空调器，或者网络设备等)执行本发明各个实施例所述的方法。

上面结合附图对本发明的实施例进行了描述，但是本发明并不局限于上述的具体实施方式，上述的具体实施方式仅仅是示意性的，而不是限制性的，本领域的普通技术人员在本发明的启示下，在不脱离本发明宗旨和权利要求所保护的范围情况下，还可做出很多形式，这些均属于本发明的保护之内。

Claims (10)

1.一种游戏震感控制方法，其特征在于，所述游戏震感控制方法包括：

在接收到检测指令时，实时获取终端游戏运行时的待测音频信号，并提取所述待测音频信号的特征向量同步输入到神经网络模型中；

利用所述神经网络模型，判断所述待测音频信号是否为需要进行震动的目标信号，如是，控制所述终端的马达进行震动；如否，控制所述终端的马达停止震动或保持非震动状态；

所述神经网络模型是预先按照如下方式建模得到的：

获取需要进行震动的待分析音频数据；

利用神经网络算法对所述待分析音频数据进行深度学习，得到所述神经网络模型。

2.如权利要求1所述的游戏震感控制方法，其特征在于，所述特征向量包括如下至少一种：短时能量、时域特征、频谱特征、复倒谱特征。

3.如权利要求1所述的游戏震感控制方法，其特征在于，所述神经网络模型包括需要进行震动的参考特征向量，所述判断所述待测音频信号是否为需要进行震动的目标信号包括：

计算所述待测音频信号的特征向量与所述参考特征向量之间的相似度，当所述相似度达到预设阈值时，确定所述待测音频信号为需要进行震动的目标信号；否则，确定所述待测音频信号不是需要进行震动的目标信号。

4.如权利要求1-3任一项所述的游戏震感控制方法，其特征在于，所述待分析音频数据包括如下至少一种：枪声、爆炸声、击打声、汽车碰撞声、加速声。

5.如权利要求1-3任一项所述的游戏震感控制方法，其特征在于，在所述利用神经网络算法对所述待分析音频数据进行深度学习之前，还包括：

对所述待分析音频数据进行预处理，所述预处理包括滤波处理。

6.如权利要求1-3任一项所述的游戏震感控制方法，其特征在于，所述接收到检测指令包括：

检测到所述终端当前运行的游戏的所属类型满足预设游戏类型；

或，检测到所述终端当前运行的游戏属于预设游戏列表中的游戏。

7.如权利要求6所述的游戏震感控制方法，其特征在于，所述在检测所述终端当前运行的游戏之前，还包括：

确定所述终端的震动控制按钮处于开启状态。

8.如权利要求1所述的游戏震感控制方法，其特征在于，在所述实时获取终端游戏运行时的待测音频信号之前，还包括：确定所述终端当前电量大于预设电量阈值。

9.一种终端，其特征在于，所述终端包括处理器、存储器、通信总线以及马达；

所述通信总线用于实现处理器和存储器之间的连接通信；

所述处理器用于执行存储器中存储的一个或者多个程序，以实现如权利要求1至8中任一项所述的游戏震感控制方法的步骤。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有一个或者多个程序，所述一个或者多个程序可被一个或者多个处理器执行，以实现如权利要求1至8中任一项所述的游戏震感控制方法的步骤。