CN110044522A - 一种利用神经网络实现压电式压力检测触屏压电响应均匀化的方法 - Google Patents
一种利用神经网络实现压电式压力检测触屏压电响应均匀化的方法 Download PDFInfo
- Publication number
- CN110044522A CN110044522A CN201910226605.5A CN201910226605A CN110044522A CN 110044522 A CN110044522 A CN 110044522A CN 201910226605 A CN201910226605 A CN 201910226605A CN 110044522 A CN110044522 A CN 110044522A
- Authority
- CN
- China
- Prior art keywords
- touch screen
- piezoelectric
- layer
- user
- response
- 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
- 230000004044 response Effects 0.000 title claims abstract description 38
- 238000000034 method Methods 0.000 title claims abstract description 33
- 238000001514 detection method Methods 0.000 title claims abstract description 24
- 230000001537 neural effect Effects 0.000 title claims description 6
- 230000004927 fusion Effects 0.000 title description 2
- 238000013528 artificial neural network Methods 0.000 claims abstract description 19
- 238000012549 training Methods 0.000 claims abstract description 11
- 238000000265 homogenisation Methods 0.000 claims abstract description 8
- 238000013507 mapping Methods 0.000 claims abstract description 8
- 230000008569 process Effects 0.000 claims abstract description 7
- 230000007423 decrease Effects 0.000 claims abstract description 4
- 239000010409 thin film Substances 0.000 claims abstract description 4
- 239000011248 coating agent Substances 0.000 claims description 2
- 238000000576 coating method Methods 0.000 claims description 2
- 238000007781 pre-processing Methods 0.000 claims description 2
- 238000003672 processing method Methods 0.000 claims description 2
- 230000015654 memory Effects 0.000 abstract description 6
- 238000005265 energy consumption Methods 0.000 abstract description 5
- 238000004519 manufacturing process Methods 0.000 abstract description 3
- 238000012360 testing method Methods 0.000 abstract description 3
- 239000010410 layer Substances 0.000 description 50
- 239000002346 layers by function Substances 0.000 description 3
- 238000012795 verification Methods 0.000 description 3
- 238000007796 conventional method Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 238000004070 electrodeposition Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 210000005036 nerve Anatomy 0.000 description 1
- 238000003825 pressing Methods 0.000 description 1
- 238000002203 pretreatment Methods 0.000 description 1
- 239000011435 rock Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01L—MEASURING FORCE, STRESS, TORQUE, WORK, MECHANICAL POWER, MECHANICAL EFFICIENCY, OR FLUID PRESSURE
- G01L1/00—Measuring force or stress, in general
- G01L1/16—Measuring force or stress, in general using properties of piezoelectric devices
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Molecular Biology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Health & Medical Sciences (AREA)
- User Interface Of Digital Computer (AREA)
Abstract
本发明公开了一种实现压电式压力检测触屏压电响应均匀化的方法，通过制作包括电极阵列层和压电薄膜层的多层结构压电触屏，并让用户按照提示要求操作，产生并采集触屏电极阵列层的电压响应信号，对采集到的信号进行数据预处理后，基于梯度下降的方法，训练神经网络，从而分别建立不均一压电响应和用户触屏位置及力量大小的映射关系；随后在用户使用过程中，当用户触屏时，获取压电响应信号，并利用已训练好的神经网络，将该压电响应映射到用户触屏位置及触屏压力大小。本发明避免了出厂前繁琐的匹配过程和由于建立庞大数据库所造成的内存消耗，节省了时间、能耗、测试生产线，大幅度的提高了检测精度。
Description
技术领域
本发明涉及一种实现压电式压力检测触屏压电响应均匀化的方法，尤其是涉及通过利用神经网络来学习用户的触摸特征和触摸屏的机械结构特征，避免了传统方法中建造庞大数据库的内存消耗问题，和无法预知用户触摸特点所造成的检测精度降低的问题的处理方法。
背景技术
触摸屏已经成为现在智能电子器件中不可或缺的组成部分。传统的触摸屏利用基于电容式和电阻式的技术实现在二维平面上的位置检测。然而随着人机之间信息交互数据量的提高，二维位置检测已经不能满足用户的需求，因此三维力度检测自2015年开始进入了人们的生活。现已商业化的三维力度检测采用基于电容式和压阻式的方法。然而这两种方法都需要在触屏结构中嵌入新的功能层，增加了器件消耗和能耗。相比较下，压电式压力检测不需要在传统电容屏结构中增加新的功能层，同时压电检测属于被动式检测，无需增加能耗。基于此，基于压电材料的压电式触摸屏成为了人们关注的焦点。然而，阻碍压电式压力屏大范围推广的一个原因是全屏幕范围内的压电响应不均一问题。这个问题是由于触摸屏的机械结构和用户的触摸方式双重造成的。为解决这个问题，映射的方法被提出并应用。然而，映射的方法需要建立数据库，会大量占用内存，这对于内存有限的智能终端会产生极大的不便。同时，由于在建立映射关系时无法得知潜在用户的触摸习惯和特征，会使得检测精度降低。
发明内容
为解决现有技术中压电式触摸屏的压电响应不均一，现有的匹配方法所造成的资源占用及消耗问题，及无法预知用户触摸特征造成的检测准确度低的技术问题，本发明提供了一种实现压电式压力检测触屏压电响应均匀化的方法。通过利用神经网络来学习用户的触摸特征和触摸屏的机械结构特征，避免了传统方法中建造庞大数据库的内存消耗问题，和无法预知用户触摸特点所造成的检测精度降低的问题。
本发明完整的技术方案包括：
一种实现压电式压力检测触屏压电响应均匀化的方法，包括如下步骤：
(1)制作多层结构压电触屏，其为4层结构，第一层为覆盖层，第二层为电极阵列层，第三层为压电薄膜层，第四层为接地电极层；
(2)训练数据采集：用户按照提示要求，使用指定力量大小触摸触屏上的不同位置，产生压电响应信号，采集触屏电极阵列层的电压信号，通过数据预处理方法获取用户触屏时的电压响应信号；
(3)神经网络训练：使用步骤(2)中采集的电压响应信号，基于梯度下降的方法，训练神经网络，从而分别建立不均一压电响应和用户触屏位置及力量大小的映射关系；
(4)用户触屏位置识别：在用户使用过程中，当用户触屏时，获取压电响应信号，并利用已训练好的神经网络，将该压电响应映射到用户触屏位置及触屏压力大小。
所述步骤(2)中的预处理的具体处理方法为：首先用响应信号减去每个通道的均值，去除支流偏置，然后进行包络检测，然后通过多通道求均值来进行滤波去除噪声，最后检测响应信号的峰值，该峰值为触屏时的响应信号。
步骤(3)中所述的神经网络由输入层，隐藏层和输出层组成，其中输入层的节点数与电极阵列中的电极数相同，隐藏层有N层，每层节点数为M个，其中N和M都可调整，输出层有多个节点，节点数与待区分位置个数，或者压力大小级别个数相同。
步骤(3)中所述的神经网络包括3个隐藏层，每层有64个节点。
本发明相对于现有技术的优点为：
1.相对于现有的电容式和压阻式的力度检测方法，本发明不需要在传统电容屏结构中增加新的功能层，同时无需增加能耗。通过神经网络训练的方法建立了压电响应和用户触屏位置及力量大小的映射关系。
2.避免了出厂前繁琐的匹配过程，节省了时间，能耗，测试生产线。避免了由于建立庞大数据库所造成的内存消耗。
3.在网络结构设计中，将力量和位置预测作为两个不相关的网络，不会相互影响使分类精度降低，同时神经网络结构每个隐藏层具有相同数目节点，计算简单，总的节点数要小于通常的网络结构，获得了更快的位置和力量预测。
4.优化了损失函数，并获得了最优的输入层和隐藏层节点数，对位置和力量预测的准确率都达到了98％，且避免了采用更多层数和节点造成的资源浪费，使其学习了用户的触摸习惯，并且分别直接预测压力和位置，大幅度的提高了检测精度。
附图说明
图1为本发明的多层结构压电触屏结构示意图。
图2为本发明实验验证所设计的验证机图。
图3为本发明具体实施方式中采集到的点击数据示例。
图4为本发明数据预处理流程图。
图5为对采集到的点击数据进行处理的结果图。
图6为本发明神经网络结构示意图。
图7为本发明力量预测和位置预测的结果图。
具体实施方式
下面结合附图和具体实施方式对本发明做进一步说明。
本发明提供一种解决压电触摸屏响应不均一的方法，通过使用用户个人触屏压电响应数据，训练人工神经网络，从不均一的压电响应信号中识别用户的触屏位置及触屏压力大小。以下为一个应用实例：
第一步：制作多层结构压电触屏。压电触屏如图1所示，其为4层结构，第一层为覆盖层，第二层为电极阵列层，第三层为压电薄膜层，第四层为接地电极层，图2为本发明实验验证所设计的验证机图。
第二步：用于训练数据采集。自动提示用户以指定压力大小多次触摸指定位置，产生指定位置及压力的压电响应信号。通过数据预处理的方法获得用户触屏压电响应信号，本发明采用的一种具体实施方式为：寻找4个不同性别和体格的志愿者，每个志愿者以3个不同的力量级点击压电触屏上与电极位置相一致的9个不同位置，每个位置分别以每个力量级别点击50次，其中8次用来测试，其他用来训练。图3为采集到的点击数据示例。
预处理步骤如图4所示，首先用响应信号减去每个通道的均值，去除支流偏置，然后进行包络检测(解决压电信号负响应问题)，然后通过多通道求均值来进行滤波去除噪声，最后检测响应信号的峰值，该峰值为触屏时的响应信号。
图5为对图3采集到的点击数据进行处理的结果，从上至下依次为原始数据，去除支流分量数据，包络检测数据，平均滤波数据，和最后的峰值检测数据，图中每个峰值位置对应一次按压触摸屏。
第三步：神经网络训练。使用第二步中得到的，用户触屏时的压电响应信号，通过梯度下降的方法训练神经网络，分别建立不均一压电响应和用户触屏位置及压力大小的映射关系。神经网络一般用各个隐藏层节点数相同的全连接网络，以简化网络结构。该网络如图6所示，主要由输入层，隐藏层和输出层组成。其中输入层的节点数与电极阵列中的电极数相同，隐藏层由N层，每层节点数为M个，其中N和M都可调整，输出层有多个节点，节点数与待区分位置个数，或者压力大小级别个数相同。经过对结果的比较，我们选择了F＝9,M＝64,N＝3,C＝9作为位置预测，同时选择F＝9,M＝32,N＝3,C＝3来作为力量预测的网络。本实施例的神经网络将力量和位置预测作为两个不相关的网络，这样就不会相互影响使分类精度降低，同时神经网络结构每个隐藏层具有相同数目节点，比较简单，并且总的节点数要小于通常的网络结构，而少的节点数意味着更快的位置和力量的预测。
第四步：用户触屏位置识别。在用户使用过程中，当用户触屏时，预处理方法获得触屏时刻的压电响应信号，然后将其作为神经网络的输入层，传入神经网络，经过正向映射传递，最后到输出层，分别得到触屏的位置和大小。图7为本实施方式中，对力量预测和位置预测的结果，横轴为每个隐藏层中的节点数目，5个图例从左往右分别为1隐藏层、2隐藏层、3隐藏层、4隐藏层、5隐藏层的结果。从图中可以看出，当选择3个隐藏层和每个隐藏层64节点时，位置和力量预测的准确率都达到了98％。
以上所述，仅是本发明的较佳实施例，并非对本发明作任何限制，凡是根据本发明技术实质对以上实施例所作的任何简单修改、变更以及等效结构变化，均仍属于本发明技术方案的保护范围内。
Claims (4)
1.一种实现压电式压力检测触屏压电响应均匀化的方法，其特征在于，包括如下步骤：
(1)制作多层结构压电触屏，其为4层结构，第一层为覆盖层，第二层为电极阵列层，第三层为压电薄膜层，第四层为接地电极层；
(2)训练数据采集：用户按照提示要求，使用指定力量大小触摸触屏上的不同位置，产生压电响应信号，采集触屏电极阵列层的电压信号，通过数据预处理方法获取用户触屏时的电压响应信号；
(3)神经网络训练：使用步骤(2)中采集的电压响应信号，基于梯度下降的方法，训练神经网络，从而分别建立不均一压电响应和用户触屏位置及力量大小的映射关系，其中力量大小和位置作为两个不相关的网络进行训练；
(4)用户触屏位置识别：在用户使用过程中，当用户触屏时，获取压电响应信号，并利用已训练好的神经网络，将该压电响应映射到用户触屏位置及触屏压力大小。
2.如权利要求1所述的一种实现压电式压力检测触屏压电响应均匀化的方法，其特征在于，所述步骤(2)中的预处理的具体处理方法为：首先用响应信号减去每个通道的均值，去除支流偏置，然后进行包络检测，然后通过多通道求均值来进行滤波去除噪声，最后检测响应信号的峰值，该峰值为触屏时的响应信号。
3.如权利要求1或2所述的一种实现压电式压力检测触屏压电响应均匀化的方法，其特征在于，步骤(3)中所述的神经网络由输入层，隐藏层和输出层组成，其中输入层的节点数与电极阵列中的电极数相同，隐藏层有N层，每层节点数为M个，其中N和M都可调整，输出层有多个节点，节点数与待区分位置个数，或者压力大小级别个数相同。
4.如权利要求1或2或3所述的一种实现压电式压力检测触屏压电响应均匀化的方法，其特征在于，步骤(3)中所述的神经网络包括3个隐藏层，每层有64个节点。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910226605.5A CN110044522B (zh) | 2019-03-25 | 2019-03-25 | 一种利用神经网络实现压电式压力检测触屏压电响应均匀化的方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910226605.5A CN110044522B (zh) | 2019-03-25 | 2019-03-25 | 一种利用神经网络实现压电式压力检测触屏压电响应均匀化的方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110044522A true CN110044522A (zh) | 2019-07-23 |
| CN110044522B CN110044522B (zh) | 2020-07-24 |
Family
ID=67275064
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910226605.5A Active CN110044522B (zh) | 2019-03-25 | 2019-03-25 | 一种利用神经网络实现压电式压力检测触屏压电响应均匀化的方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110044522B (zh) |
Cited By (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108039405A (zh) * | 2018-01-11 | 2018-05-15 | 中国工程物理研究院总体工程研究所 | 一种压电元件、压电传感器和速度及位移检测装置 |
| CN111061394A (zh) * | 2019-11-26 | 2020-04-24 | 北京航空航天大学 | 触摸力度识别方法及其模型的训练方法、装置和电子系统 |
| CN111159669A (zh) * | 2019-12-03 | 2020-05-15 | 北京航空航天大学 | 终端控制方法、装置、终端及可读存储介质 |
| CN112985649A (zh) * | 2021-01-26 | 2021-06-18 | 电子科技大学 | 一种基于柔性分布式电容触觉传感器的力学信息检测系统 |
| CN113176022A (zh) * | 2021-05-12 | 2021-07-27 | 南京邮电大学 | 一种分段式神经网络压力传感器压力检测方法及系统 |
| CN113267289A (zh) * | 2021-04-16 | 2021-08-17 | 上海交通大学 | 面向航空发动机的阵列式柔性压电传感器及其制备方法 |
| CN113267275A (zh) * | 2021-04-14 | 2021-08-17 | 上海交通大学 | 用于动静态协同检测的压电-压阻柔性传感器及制备方法 |
| CN114224321A (zh) * | 2021-11-01 | 2022-03-25 | 福建世新机器人科技有限公司 | 一种基于电容性压力传感阵列的足底压力测量方法 |
| CN114415867A (zh) * | 2022-01-24 | 2022-04-29 | 南京大学 | 基于泄露兰姆波和卷积神经网络的水下声学3d触屏系统 |
Citations (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| DE3212661A1 (de) * | 1982-04-05 | 1983-10-06 | Siemens Ag | Drucksensor |
| US5911158A (en) * | 1996-02-29 | 1999-06-08 | The United States Of America As Represented By The Secretary Of The Air Force | Piezoelectric strain sensor array |
| WO2004081637A2 (en) * | 2003-03-12 | 2004-09-23 | Massachusetts Institue Of Technology | Micro-actuated adaptive diffractive composites |
| CN101169871A (zh) * | 2007-12-03 | 2008-04-30 | 北京航空航天大学 | 面向大规模静态场景实时渲染的hlod预处理方法 |
| CN101561430A (zh) * | 2009-05-25 | 2009-10-21 | 重庆交通大学 | 压电阵列融合机敏网结构裂缝监测系统及监测和安装方法 |
| CN101844130A (zh) * | 2010-05-14 | 2010-09-29 | 中国科学技术大学 | 阵列式硅微超声换能器及其制造方法 |
| CN102662477A (zh) * | 2012-05-10 | 2012-09-12 | 孙晓颖 | 一种基于静电力触觉再现的装置 |
| US20140005956A1 (en) * | 2012-06-27 | 2014-01-02 | Amrita Patel | Load estimation system and method for a vehicle tire |
| CN104010571A (zh) * | 2011-12-20 | 2014-08-27 | 皇家飞利浦有限公司 | 用于监测用户的压力感受器反射的方法和装置 |
| US20140355381A1 (en) * | 2012-07-16 | 2014-12-04 | Cornell University | Computation devices and artificial neurons based on nanoelectromechanical systems |
| CN105841849A (zh) * | 2016-03-25 | 2016-08-10 | 电子科技大学 | 一种柔性压力传感器与薄膜晶体管的集成器件及制备方法 |
| CN107390546A (zh) * | 2017-07-31 | 2017-11-24 | 广东工业大学 | 基于eos‑elm的压电驱动定位平台建模方法、控制方法及系统 |
| CN108647642A (zh) * | 2018-05-10 | 2018-10-12 | 北京航空航天大学 | 基于模糊融合的多传感器裂纹损伤综合诊断方法 |
-
2019
- 2019-03-25 CN CN201910226605.5A patent/CN110044522B/zh active Active
Patent Citations (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| DE3212661A1 (de) * | 1982-04-05 | 1983-10-06 | Siemens Ag | Drucksensor |
| US5911158A (en) * | 1996-02-29 | 1999-06-08 | The United States Of America As Represented By The Secretary Of The Air Force | Piezoelectric strain sensor array |
| WO2004081637A2 (en) * | 2003-03-12 | 2004-09-23 | Massachusetts Institue Of Technology | Micro-actuated adaptive diffractive composites |
| CN101169871A (zh) * | 2007-12-03 | 2008-04-30 | 北京航空航天大学 | 面向大规模静态场景实时渲染的hlod预处理方法 |
| CN101561430A (zh) * | 2009-05-25 | 2009-10-21 | 重庆交通大学 | 压电阵列融合机敏网结构裂缝监测系统及监测和安装方法 |
| CN101844130A (zh) * | 2010-05-14 | 2010-09-29 | 中国科学技术大学 | 阵列式硅微超声换能器及其制造方法 |
| CN104010571A (zh) * | 2011-12-20 | 2014-08-27 | 皇家飞利浦有限公司 | 用于监测用户的压力感受器反射的方法和装置 |
| CN102662477A (zh) * | 2012-05-10 | 2012-09-12 | 孙晓颖 | 一种基于静电力触觉再现的装置 |
| US20140005956A1 (en) * | 2012-06-27 | 2014-01-02 | Amrita Patel | Load estimation system and method for a vehicle tire |
| US20140355381A1 (en) * | 2012-07-16 | 2014-12-04 | Cornell University | Computation devices and artificial neurons based on nanoelectromechanical systems |
| CN105841849A (zh) * | 2016-03-25 | 2016-08-10 | 电子科技大学 | 一种柔性压力传感器与薄膜晶体管的集成器件及制备方法 |
| CN107390546A (zh) * | 2017-07-31 | 2017-11-24 | 广东工业大学 | 基于eos‑elm的压电驱动定位平台建模方法、控制方法及系统 |
| CN108647642A (zh) * | 2018-05-10 | 2018-10-12 | 北京航空航天大学 | 基于模糊融合的多传感器裂纹损伤综合诊断方法 |
Non-Patent Citations (2)
| Title |
|---|
| 赵芝龄 等: "传感技术中的放生与智能", 《综合评述》 * |
| 高硕: "碳纤维复合材料盒式接头渐进损伤分析", 《第三届中国国际复合材料科技大会摘要集》 * |
Cited By (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108039405A (zh) * | 2018-01-11 | 2018-05-15 | 中国工程物理研究院总体工程研究所 | 一种压电元件、压电传感器和速度及位移检测装置 |
| CN108039405B (zh) * | 2018-01-11 | 2023-10-20 | 中国工程物理研究院总体工程研究所 | 一种压电元件、压电传感器和速度及位移检测装置 |
| CN111061394A (zh) * | 2019-11-26 | 2020-04-24 | 北京航空航天大学 | 触摸力度识别方法及其模型的训练方法、装置和电子系统 |
| CN111159669A (zh) * | 2019-12-03 | 2020-05-15 | 北京航空航天大学 | 终端控制方法、装置、终端及可读存储介质 |
| CN111159669B (zh) * | 2019-12-03 | 2022-03-18 | 北京航空航天大学 | 终端控制方法、装置、终端及可读存储介质 |
| CN112985649A (zh) * | 2021-01-26 | 2021-06-18 | 电子科技大学 | 一种基于柔性分布式电容触觉传感器的力学信息检测系统 |
| CN113267275A (zh) * | 2021-04-14 | 2021-08-17 | 上海交通大学 | 用于动静态协同检测的压电-压阻柔性传感器及制备方法 |
| CN113267289A (zh) * | 2021-04-16 | 2021-08-17 | 上海交通大学 | 面向航空发动机的阵列式柔性压电传感器及其制备方法 |
| CN113176022B (zh) * | 2021-05-12 | 2022-10-14 | 南京邮电大学 | 一种分段式神经网络压力传感器压力检测方法及系统 |
| CN113176022A (zh) * | 2021-05-12 | 2021-07-27 | 南京邮电大学 | 一种分段式神经网络压力传感器压力检测方法及系统 |
| CN114224321A (zh) * | 2021-11-01 | 2022-03-25 | 福建世新机器人科技有限公司 | 一种基于电容性压力传感阵列的足底压力测量方法 |
| CN114224321B (zh) * | 2021-11-01 | 2024-05-10 | 福建世新机器人科技有限公司 | 一种基于电容性压力传感阵列的足底压力测量方法 |
| CN114415867A (zh) * | 2022-01-24 | 2022-04-29 | 南京大学 | 基于泄露兰姆波和卷积神经网络的水下声学3d触屏系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110044522B (zh) | 2020-07-24 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110044522A (zh) | 一种利用神经网络实现压电式压力检测触屏压电响应均匀化的方法 | |
| CN103426438B (zh) | 婴儿哭声分析方法及系统 | |
| CN103530540B (zh) | 基于人机交互行为特征的用户身份属性检测方法 | |
| CN106463114A (zh) | 信息处理设备、控制方法及程序 | |
| CN111128157B (zh) | 一种智能家电的免唤醒语音识别控制方法、计算机可读存储介质及空调 | |
| CN110134295B (zh) | 终端设备、电容触摸屏及其触摸识别方法 | |
| CN107452402A (zh) | 利用声音信号检测键盘敲击内容的系统及方法 | |
| CN107949823A (zh) | 零延迟数字助理 | |
| CN109446328A (zh) | 一种文本识别方法、装置及其存储介质 | |
| CN106066737B (zh) | 一种压力触控单元、压力大小检测方法及触控基板 | |
| CN106959998B (zh) | 一种试题推荐方法及装置 | |
| CN109508429B (zh) | 基于教育平台大数据分析的个性化自适应学习推荐方法 | |
| CN104268134A (zh) | 一种主客观分类器构建方法和系统 | |
| CN111061394B (zh) | 触摸力度识别方法及其模型的训练方法、装置和电子系统 | |
| CN1936967A (zh) | 声纹考勤机 | |
| CN104765455A (zh) | 基于敲击振动的人机交互系统 | |
| CN110019777A (zh) | 一种信息分类的方法及设备 | |
| CN113763966B (zh) | 一种端到端的文本无关声纹识别方法及系统 | |
| CN109598298A (zh) | 图像物体识别方法和系统 | |
| CN104766607A (zh) | 一种电视节目推荐方法与系统 | |
| CN108538290A (zh) | 一种基于音频信号检测的智能家居控制方法 | |
| CN108062175A (zh) | 屏幕操作控制方法、装置及终端 | |
| CN106708950A (zh) | 用于智能机器人自学习系统的数据处理方法及装置 | |
| CN109977163A (zh) | 一种区块链数据库的大数据处理系统及处理方法 | |
| CN105788103A (zh) | 账户余额显示方法、账户余额显示装置和终端 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| TR01 | Transfer of patent right | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20221109 Address after: Room 209-7, No. 10, Jinshan Road, High tech Zone, Suzhou City, Jiangsu Province, 215011 Patentee after: Suzhou Erxiang Foil Technology Co.,Ltd. Address before: 100191 No. 37, Haidian District, Beijing, Xueyuan Road Patentee before: BEIHANG University |