CN110779149A - 一种空调控制方法、装置及空调器 - Google Patents
一种空调控制方法、装置及空调器 Download PDFInfo
- Publication number
- CN110779149A CN110779149A CN201911114715.9A CN201911114715A CN110779149A CN 110779149 A CN110779149 A CN 110779149A CN 201911114715 A CN201911114715 A CN 201911114715A CN 110779149 A CN110779149 A CN 110779149A
- Authority
- CN
- China
- Prior art keywords
- user
- air conditioner
- face
- type information
- emotion type
- 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.)
- Pending
Links
Images
Classifications
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F24—HEATING; RANGES; VENTILATING
- F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
- F24F11/00—Control or safety arrangements
- F24F11/30—Control or safety arrangements for purposes related to the operation of the system, e.g. for safety or monitoring
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F24—HEATING; RANGES; VENTILATING
- F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
- F24F11/00—Control or safety arrangements
- F24F11/50—Control or safety arrangements characterised by user interfaces or communication
- F24F11/56—Remote control
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F24—HEATING; RANGES; VENTILATING
- F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
- F24F11/00—Control or safety arrangements
- F24F11/62—Control or safety arrangements characterised by the type of control or by internal processing, e.g. using fuzzy logic, adaptive control or estimation of values
- F24F11/63—Electronic processing
- F24F11/64—Electronic processing using pre-stored data
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F24—HEATING; RANGES; VENTILATING
- F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
- F24F11/00—Control or safety arrangements
- F24F11/62—Control or safety arrangements characterised by the type of control or by internal processing, e.g. using fuzzy logic, adaptive control or estimation of values
- F24F11/63—Electronic processing
- F24F11/65—Electronic processing for selecting an operating mode
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F24—HEATING; RANGES; VENTILATING
- F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
- F24F11/00—Control or safety arrangements
- F24F11/70—Control systems characterised by their outputs; Constructional details thereof
- F24F11/72—Control systems characterised by their outputs; Constructional details thereof for controlling the supply of treated air, e.g. its pressure
- F24F11/74—Control systems characterised by their outputs; Constructional details thereof for controlling the supply of treated air, e.g. its pressure for controlling air flow rate or air velocity
- F24F11/77—Control systems characterised by their outputs; Constructional details thereof for controlling the supply of treated air, e.g. its pressure for controlling air flow rate or air velocity by controlling the speed of ventilators
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F24—HEATING; RANGES; VENTILATING
- F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
- F24F11/00—Control or safety arrangements
- F24F11/88—Electrical aspects, e.g. circuits
-
- 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
- Y02B—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO BUILDINGS, e.g. HOUSING, HOUSE APPLIANCES OR RELATED END-USER APPLICATIONS
- Y02B30/00—Energy efficient heating, ventilation or air conditioning [HVAC]
- Y02B30/70—Efficient control or regulation technologies, e.g. for control of refrigerant flow, motor or heating
Abstract
本发明提供了一种空调控制方法、装置及空调器,涉及空调器技术领域,空调控制方法通过对用户进行识别,判断是否为目标用户,当确认为目标用户时获取用户反射毫米波的面部回波数据,依据面部回波数据进行预处理获得用户面部的振动特征数据,无须对用户面部进行图像获取等可能泄露个人信息的操作,然后将所述振动特征数据输入预先设置的神经网络模型识别得到所述用户的情绪类型信息,通过毫米波获取用户的情绪类型信息,然后根据用户的情绪类型信息控制空调器的工作模式,使空调器可以智能地根据用户的情绪类型信息调整空调器的工作模式,降低用户操作的复杂性,提高用户使用舒适性。
Description
技术领域
本发明涉及空调器技术领域,具体而言,涉及一种空调控制方法、装置及空调器。
背景技术
科技的发展是为了更好更快的便捷生活,随着科技的进步,家用电器变得越来越智能化。以空调为例,可以根据用户的需求或者喜好设定工作模式,还可以直接对人体的情绪进行检测,进行相应的控制,调整空调器的工作模式。但目前对人体的情绪进行检测的研究中,大多是基于生物信号、视觉图像技术的研究,例如基于用户的热量或者视频图像识别对空调器进行控制,但利用视频图像识别可能会导致个人信息泄漏、利用热量进行控制的方式易受到环境因素或天气因素的制约,控制精度不佳。
发明内容
本发明的目的在于提供一种基于毫米波的空调控制方法、装置及空调器,以改善现有的空调控制方式的控制精度不佳,容易受环境影响等问题。
第一方面,本发明提供了一种空调控制方法,所述方法应用于空调器,所述空调器设置有毫米波雷达,所述方法包括:获取目标用户的面部回波数据,所述面部回波数据为所述毫米波雷达发射的、由用户面部反射的毫米波;依据所述面部回波数据进行预处理获得所述用户面部的振动特征数据;将所述振动特征数据输入预先设置的神经网络模型,以得到所述用户的情绪类型信息;依据所述用户的情绪类型信息控制所述空调器的工作模式。
本发明提供的空调控制方法通过获取用户反射毫米波的面部回波数据,依据面部回波数据进行预处理获得用户面部的振动特征数据,无须对用户面部进行图像获取等可能泄露个人信息的操作,然后将所述振动特征数据输入预先设置的神经网络模型识别得到所述用户的情绪类型信息,通过毫米波获取用户的情绪类型信息,然后根据用户的情绪类型信息控制空调器的工作模式,使空调器可以智能地根据用户的情绪类型信息调整空调器的工作模式,降低用户操作的复杂性,提高用户使用舒适性。
对所述面部回波数据进行预处理获得所述用户面部的振动特征数据的步骤包括:对所述面部回波数据进行二维快速傅里叶变换,得到对应的距离多普勒谱图;对所述距离多普勒谱图进行归一化处理;对归一化处理后的所述多普勒谱图进行奇异值分解特征提取以获得所述用户面部的振动特征数据。
进一步地,将所述面部表情特征输入预先设置的情绪网络模型,以得到所述用户的情绪类型信息的步骤包括:将所述振动特征数据输入预先设置的神经网络模型进行特征识别;将识别后的特征与预先设置的情绪特征数据库进行匹配以获得所述用户的情绪类型信息。
进一步地,所述空调器预先设置有所述目标用户的生物特征信息,在所述获取目标用户的面部回波数据之前,还包括:根据用户的回波数据确定所述用户的生物特征信息;将所述用户的生物特征信息与所述目标用户的生物特征信息进行匹配以判断所述用户是否为所述目标用户。
进一步地,所述用户的情绪类型信息包括悲伤、喜乐、愤怒、平和中的一种,所述依据所述用户的情绪类型信息控制所述空调器的工作模式包括:当所述用户的情绪类型信息被识别为悲伤时,控制所述空调器以低风速模式运行;当所述用户的情绪类型信息被识别为平和时,控制所述空调器以中风速模式运行;当所述用户的情绪类型信息被识别为喜乐时,控制所述空调器以高风速模式运行;当所述用户的情绪类型信息被识别为愤怒时,控制所述空调器以强力风速模式运行。
本发明还提供了一种空调控制装置,所述空调控制装置用于执行如上述的空调控制方法,所述空调控制装置包括:获取模块,用于获取目标用户的面部回波数据,所述面部回波数据为所述毫米波雷达发射的、由用户面部反射的毫米波;处理模块,用于依据所述面部回波数据进行预处理获得所述用户面部的振动特征数据;识别模块,用于将所述振动特征数据输入预先设置的神经网络模型,以得到所述用户的情绪类型信息;控制模块,用于依据所述用户的情绪类型信息控制所述空调器的工作模式。
进一步地,所述处理模块用于对所述面部回波数据进行二维快速傅里叶变换,得到对应的距离多普勒谱图;还用于对所述距离多普勒谱图进行归一化处理;对归一化处理后的所述多普勒谱图进行奇异值分解特征提取以获得所述用户面部的振动特征数据。
进一步地,所述识别模块用于将所述振动特征数据输入预先设置的神经网络模型进行特征识别;将识别后的特征与预先设置的情绪特征数据库进行匹配以获得所述用户的情绪类型信息。
进一步地,所述空调器预先设置有所述目标用户的生物特征信息,在所述获取目标用户的面部回波数据之前,所述处理模块还用于根据用户的回波数据确定所述用户的生物特征信息;所述处理模块还用于将所述用户的生物特征信息与所述目标用户的生物特征信息进行匹配以判断所述用户是否为所述目标用户。
本发明还提供了一种空调器,所述空调器包括控制器及毫米波雷达,所述毫米波雷达与所述控制器电连接,所述控制器用于执行计算机可读指令以实现上述的空调控制方法的步骤。
附图说明
为了更清楚地说明本发明实施方式的技术方案,下面将对实施方式中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本发明的某些实施例,因此不应被看作是对范围的限定,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相关的附图。
图1示出了本申请实施例提供的空调器的示意图。
图2示出了毫米波雷达对用户进行检测的示意图。
图3示出了利用三角波或正弦波调频法测算距离的原理示意图。
图4示出了检测方位角的示意图。
图5示出了本申请实施例提供的空调控制方法的流程示意图。
图6示出了本申请实施例提供的另一种空调控制方法的流程示意图。
图7示出了本申请实施例提供的另一种空调控制方法的流程示意图。
图8示出了本申请实施例提供的另一种空调控制方法的流程示意图。
图9示出了本申请实施例提供空调控制装置的功能模块示意图。
附图标记:200-空调控制装置;210-获取模块;220-处理模块;230-识别模块;240-控制模块;300-空调器;310-控制器;320-压缩机;330-室内机;340-毫米波雷达。
具体实施方式
下面将结合本发明实施例中附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。因此,以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围,而是仅仅表示本发明的选定实施例。基于本发明的实施例,本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都属于本发明保护的范围。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。下面结合附图,对本发明的一些实施方式作详细说明。在不冲突的情况下,下述的实施例及实施例中的特征可以相互组合。
随着人们对生活品质要求的不断提高,现有的空调着重于智能化以求让人产生更舒适的体验感,例如可以根据用户的需求或者喜好设定工作模式,还可以直接对人体的情绪进行检测,进行相应的控制,调整空调器的工作模式。但目前对人体的情绪进行检测的研究中,大多是基于生物信号、视觉图像技术的研究,例如基于用户的热量或者视频图像识别对空调器进行控制,但利用视频图像识别可能会导致个人信息泄漏、利用热量进行控制的方式易受到环境因素或天气因素的制约,控制精度不佳。
为了改善上述的问题,提高用户的使用体验,提高空调器的控制精度,本申请提供了一种空调器,参阅图1,图1示出了本申请实施例提供的空调器的示意图。
本申请实施例提供了一种空调器,图1为本发明实施例提供的空调器300的功能框图,该空调器300包括:控制器310、压缩机320、室内机330及毫米波雷达340。压缩机320、室内机330及毫米波雷达340均与控制器310电连接。
控制器310可以是一种集成电路芯片,具有信号的处理能力。上述的控制器310可以是通用处理器,包括中央处理器(Central Processing Unit,CPU)、还可以是单片机、微控制单元(Microcontroller Unit,MCU)、复杂可编程逻辑器件(Complex ProgrammableLogic Device,CPLD)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)、专用集成电路(Application Specific Integrated Circuit,ASIC)、嵌入式ARM等芯片,控制器310可以实现或者执行本发明实施例中的公开的各方法、步骤及逻辑框图。
在一种可行的实施方式中,空调器300还可以包括存储器,用以存储可供控制器310执行的程序指令,例如,本申请实施例提供的空调防高温控制装置,本申请实施例提供的空调防高温控制装置包括至少一个可以软件或固件的形式存储于存储器中。存储器可以是独立的外部存储器,包括但不限于随机存取存储器(Random Access Memory,RAM),只读存储器(Read Only Memory,ROM),可编程只读存储器(Programmable Read-Only Memory,PROM),可擦除只读存储器(Erasable Programmable Read-Only Memory,EPROM),电可擦除只读存储器(Electric Erasable Programmable Read-Only Memory,EEPROM)。存储器还可以与控制器310集成设置,例如存储器可以与控制器310集成设置在同一个芯片内。
压缩机320与控制器310电连接,用以在控制器310的控制下对冷媒进行热量转换。室内机330与控制器电连接,用以在控制器310的控制下调整出风速度。
毫米波雷达340是指工作频段在毫米波频段的雷达,其检测原理跟普通雷达相同,也就是把无线电波(雷达波)发出去,然后接收回波,根据收发之间的时间差测得目标的位置数据。毫米波(Millimeter-Wave,MMW)是指长度在1~10mm的电磁波,对应的频率范围为30~300GHz。根据波的传播理论,频率越高,波长越短,分辨率越高,穿透能力越强,但在传播过程的损耗也越大,传输距离越短;相对地,频率越低,波长越长,绕射能力越强,传输距离越远。所以与微波相比,毫米波的分辨率高、指向性好、抗干扰能力强和探测性能好;与红外相比,毫米波的大气衰减小、对烟雾灰尘具有更好的穿透性、受天气影响小;这些特质决定了毫米波雷达具有全天时全天候的工作能力。于本实施例中,毫米波雷达340与控制器310电连接,用于发出毫米波,并接收用户反射的回波,将回波传输至控制器310进行处理,于本实施例中,空调器300上设置有一个或多个毫米波雷达。
毫米波雷达340检测用户信息的原理是,毫米波雷达340先产生一个频率随时间按照三角波(或者正弦波)规律进行变化的发射波,整个过程中,产生的回波信号的频率与发射信号产生的频率拥有相同的变化规律,发射和回波信号之间有一个时间差,根据这个短暂的时间差可计算出到目标的距离;同时收到检测目标反射回来的毫米波的相位差,可以计算出被检测目标的方位角度。利用这个目标距离以及方位角度可以得到用户的身高、身宽等信息。
在一种可能的实现方式中,毫米波雷达340安装在室内机330上,本实施例提供的空调器300安装有多个毫米波雷达340,采用多发多收的雷达系统,这样可以在多目标复杂情况下进行检测。以空调器的使用环境为家庭环境为例,当家庭成员进入家门,毫米波雷达340对目标进行检测,参阅图2,图2示出了毫米波雷达340对用户进行检测的示意图。
图2中的参数分别为人体身高X,身宽S,空调距离地面高度D,目标距离R以及目标的方位角度a。要想得到目标身高以及身宽信息,必须要先得到目标的距离R以及方位角度a。
在一种可能的实现方式中,该毫米波雷达选用线性调频雷达,利用三角波(或正弦波)调频法计算距离R信息,这种方式可以避免距离盲区,使结果更加准确。参阅图3,图3示出了利用三角波(或正弦波)调频法测算距离的原理示意图。
图3中,T为正线性调频或负线性调频时间,Δfmt为调制带宽。当目标为静止目标时,静止目标的回波延时为td=2R/c,c为电磁波在空气中的传播速度。设毫米波雷达的工作频率为fc,则发射端频率f以及目标反射回来的频率fr与fc三者之间的关系可表示为:
如果毫米波雷达方向上存在运动的目标,若运动目标到雷达的直线距离为R,运动速度为v,由于运动的目标反射波存在多普勒频移,反射回波频率为:
其中,多普勒频移fd=2v/λ,符号表示正负线性调制频带的频率变化。由此得出混频器输出的时钟频率:
其中fup正线性调频段,fdn是负线性调频段。由上两式相减可得:
如果没有多普勒频率,则上升沿期间的频率差值等于下降沿期间的测量值,即fup等于fdn。对于运动的目标来说,则两者的频率差不同,可以通过两个频率差来计算距离R和速度信息V。
同时毫米波雷达还可以通过检测目标反射回来的毫米波的相位差,计算出被检测目标的方位角度。参阅图4,以1发2收雷达为例,简述毫米波雷达检测目标的方位角度的原理过程,其中TX1为发射天线、RX1、RX2为接收天线,图4中,d代表的是两毫米波雷达天线之间的几何距离,b为两毫米波雷达天线所收到反射回波的相位差,通过三角函数计算可得到方位角度a的值。
sina=b/d;
从而可以确定目标的距离和方位角度,在一种可能的实施方式中,可以通过上述的实现方式确定目标用户的身高和身宽信息,以此来对用户身份进行确定。
可以理解地,图1所示的结构仅为示意,空调器300还可包括比图1中所示更多或者更少的组件,或者具有与图1所示不同的配置。图1中所示的各组件可以采用硬件、软件或其组合实现。
在图1的基础上,本申请实施例提供了一种空调控制方法,参阅图5,图5示出了本申请实施例提供的空调控制方法的流程示意图,本申请实施例提供的空调控制方法包括步骤110~步骤140。
步骤110:获取目标用户的面部回波数据,面部回波数据为毫米波雷达发射的、由目标用户面部反射的毫米波。
当确定毫米波的目标位目标用户时,获取目标用户的面部回波数据,面部回波数据是指为毫米波雷达发射毫米波,经由目标用户面部反射形成的毫米波回波。一般而言,人脸的长度与人体身高是1:7的比例关系,因此可以选取目标用户顶部1/7处的回波数据作为面部回波数据进行处理。
步骤120:依据面部回波数据进行预处理获得目标用户面部的振动特征数据。
对回波数据进行预处理,提取出目标用户面部的振动特征数据。可以理解地,在一种可能的实现方式中,毫米波会连续的三角波或正弦波,其频率、幅度及相位是固定不变的,由于目标用户的面部表情或情绪不同时,面部的振动情况不懂,从而会导致面部回波数据不同,因此可以根据面部回波数据进行处理以确定目标用户的情绪类型信息。
步骤130:将振动特征数据输入预先设置的神经网络模型,以得到目标用户的情绪类型信息。
将提取的振动特征数据输入预先设置的神经网络模型,利用神经网络模型将该振动特征数据进行分类识别,提取该振动特征数据的特征向量,然后根据提取的特征向量进行分类识别,得到目标用户的情绪类型信息。
步骤140:依据目标用户的情绪类型信息控制空调器的工作模式。
确定目标用户的情绪类型信息后,空调器即可根据目标用户的情绪类型信息调整工作模式。
本发明提供的空调控制方法通过获取用户反射毫米波的面部回波数据,依据面部回波数据进行预处理获得用户面部的振动特征数据,无须对用户面部进行图像获取等可能泄露个人信息的操作,然后将所述振动特征数据输入预先设置的神经网络模型识别得到所述用户的情绪类型信息,通过毫米波获取用户的情绪类型信息,然后根据用户的情绪类型信息控制空调器的工作模式,使空调器可以智能地根据用户的情绪类型信息调整空调器的工作模式,降低用户操作的复杂性,提高用户使用舒适性。
在一种可能的实现方式中,空调器的使用场景在私人的空间,例如安装在一般的家庭环境中,家庭内可能同时存在2~3人,或者3~5人,此时空调器的用户数量较少,空调器可以根据不同家庭成员的情绪类型信息调节工作模式,但在当使用环境中的人数较多时,例如接待朋友客人,或者空调器被安装在公共空间时,使用环境人数较多,如果每一个人的情绪变化均会导致空调器的工作模式调整,则可能会造成空调器控制混乱。
为了避免上述的情形,在空调器中预先设置有目标用户的生物特征信息,该生物特征信息可以由人工输入,也可以由空调器自行采集,例如,空调器设置信息采集模式,当空调器工作在信息采集模式时,将采集的生物特征信息作为目标用户的生物特征信息。该目标用户可以预先设定,例如在家庭使用环境中,目标用户可以设定为家庭成员,空调器存储每一个家庭成员的生物特征信息。在另一种可能的实现方式中,空调器的使用场景为公共场合时,目标用户可以设置为管理员或者其他具有空调控制权限的人员。当毫米波雷达识别用户的生物特征信息与目标用户的生物特征信息匹配时,才根据该用户的情绪类型对空调器进行控制,否则就忽略该用户的情绪变化。在一种可能的实现方式中,结合图5,请参阅图6,在步骤110之前,空调控制方法还包括:步骤101~102。
步骤101:根据用户的回波数据确定用户的生物特征信息。
为了避免空调器进行误控制,需要对用户的身份进行识别判断,确定用户是否为具有控制权限的目标用户。通过毫米波的回波数据确定用户的生物特征信息,以根据该生物特征信息确认用户是否为目标用户。
步骤102:将用户的生物特征信息与目标用户的生物特征信息进行匹配以判断用户是否为目标用户。
于本实施例中,空调器预先设置有目标用户的生物特征信息,从而可以根据用户的生物特征信息与目标用户的生物特征信息进行比对以判断用户是否为目标用户。若获取的用户的生物特征信息与目标用户的生物特征信息匹配,则确定用户为目标用户,执行步骤110;若无法匹配,则确定用户不是目标用户,毫米波雷达继续检测,直至检测到目标用户进行控制。
在一种可能的实现方式中,该生物特征信息可以为身高信息和身宽信息,毫米波雷达可以采集识别用户的身高及身宽信息,空调器可以根据用户的身高信息和身宽信息同时进行比对判断,以确定用户是否为目标用户。
在本实施例的其他实施方式中,该生物特征信息还可以是其他的信息,例如,用户的体型;该生物特征信息还可以是用户的运动特征信息,如步伐的幅度,运动的频率等等。
本实施例提供的空调控制方法,根据毫米波回波数据确定用户的生物特征信息,确定该用户是否为目标用户,如果不是目标用户则可以忽略,若是目标用户,则根据该目标用户的情绪类型对空调器的工作模式进行设置或调整,可以避免空调器频繁调整工作模式,不会因为无关人员的闯入而导致误判断,使空调器的控制更加精准。
毫米波雷达不受光线影响,不采集用户图像、安全保密性更高;同时毫米波雷达可以计算相位和多普勒效应,从而以很低的计算量获取用户的表情或者情绪类型的相关数据信息,下面给出一种根据毫米波雷达回波确定用户的情绪类型信息的可能的实现方式,请参阅图7,在一种可能的实现方式中,步骤120包括以下子步骤:
步骤120-1:对面部回波数据进行二维快速傅里叶变换,得到对应的距离多普勒谱图。
为了完成人脸情绪特征与空调功能模式的匹配,需要对每一次预设时长内采集的数据进行二维快速傅里叶变换操作,得到相对应的距离多普勒谱图,即连续采集预设时长时间段内人脸特征的微小距离和速度的变化,该预设时长可以是一分钟或几分钟,但不限于此,还可以是更长的时间。
步骤120-2:对距离多普勒谱图进行归一化处理。
对距离多普勒谱图进行数据归一化处理,使得预处理的数据被限定在一定的范围内,处于同一数量级,适合进行对比分类。进行归一化处理的方法包括但不限于最大最小标准化、非线性归一化等方法。
步骤120-3:对归一化处理后的多普勒谱图进行奇异值分解特征提取以获得目标用户面部的振动特征数据。
对归一化后的数据进行奇异值分解特征提取,以获得目标用户面部的振动特征数据。
奇异值分解是一种特征提取方法,能够一定程度上简约数据,去除噪声,适用于矩阵数据。利用奇异值分解的方法对多普勒谱图的每一帧数据进行提取,对数据完成降维处理,对每种不同的数据提取出相应的特征作为分类的依据。
在一种可能的实现方式中,可以将一个m*n的复杂矩阵,分解成A=USVT的形式,其中U为一个m*m阶矩阵,S是半正定m*n的对角矩阵,VT是V的共轭转置,是一个n*n阶矩阵,V的列组成矩阵的正交输入,U的列组成矩阵的正交输出,其中S对角线上的元素为该矩阵的奇异值,能够代替复杂数据的特性。通过对距离多普勒谱图数据的预处理,然后进行奇异值分解后,选择其中4xa的矩阵作为特征向量,其中4指的是4种人脸情绪特征,a为利用奇异值分解提取出来的特征个数,作为目标用户的振动特征数据,该振动特征数据可以用于表征目标用户的面部表情或情绪。
其中提取出来的特征可以包括:S对应对角矩阵的最大值,对角矩阵的方差,V对角线元素的均值、方差以及FFT变换后均值的最大值等等,都可以作为a的特征保留下来,作为目标用户的振动特征数据。
提取振动特征数据后,根据特征数据利用神经网络模型进行情绪类型的识别。在一种可能的实现方式中,参阅图8,步骤130包括以下子步骤:
步骤130-1:将振动特征数据输入预先设置的神经网络模型进行特征识别。
将该提取的振动特征数据输入预先训练好的神经网络模型进行特征识别,即提取该振动特征数据的特征向量。
步骤130-2:将识别后的特征与预先设置的情绪特征数据库进行匹配以获得目标用户的情绪类型信息。
该神经网络模型预先配置有情绪特征数据库,该情绪特征数据库预先将设定的情绪特征经过该神经网络模型分类识别形成。将将识别后的特征与预先设置的情绪特征数据库进行匹配以获得目标用户的情绪类型信息。即将提取的特征向量与预先设置的情绪特征数据库存储的每一种情绪对应的特征向量进行匹配,将匹配度最高的情绪作为目标用户的情绪类型信息。
当确认目标用户的情绪类型信息后,依据目标用户的情绪类型调整空调器的工作模式,使空调器契合目标用户的情绪。例如,当识别目标用户处于愤怒、激动等情绪类型时,则增大出风速度,降低室内温度;若识别目标用户处于低沉、消极等情绪类型时,则适当降低出风速度,提高室内的温度。下面给出一种根据目标用户的情绪类型调整空调器的工作模式的实现方式。
在一种可能的实现方式中,空调器预存储有悲伤、喜乐、愤怒、平和等情绪类型的相关信息。需要说明的是,该信息可以是存储在空调器的本地存储空间内,还可以是存储在空调器可以访问的在线存储空间内。
目标用户的情绪类型信息可以被识别为悲伤、喜乐、愤怒、平和中的一种,当确认目标用户的情绪类型信息后,依据目标用户的情绪类型信息控制空调器的工作模式。
在一种可能的实现方式中,当目标用户的情绪类型信息被识别为悲伤时,控制空调器以低风速模式运行。
当目标用户的情绪类型信息被识别为平和时,控制空调器以中风速模式运行。
当目标用户的情绪类型信息被识别为喜乐时,控制空调器以高风速模式运行。
当目标用户的情绪类型信息被识别为愤怒时,控制空调器以强力风速模式运行。
为了执行上述实施例及各个可能的实施方式中的相应步骤,下面给出一种空调控制装置的实现方式。请参照图9,图9示出了本发明所提供的空调控制装置200的功能模块示意图。需要说明的是,本发明实施例所述的空调控制装置200,其基本原理及产生的技术效果与前述方法实施例相同,为简要描述,本实施例中未提及部分,可参考前述方法实施例的相应内容。该空调控制装置200应用于空调器300,下面结合图5~图9对该空调控制装置200进行介绍,该空调控制装置200包括:获取模块210、处理模块220、识别模块230及控制模块240。
该获取模块210,用于获取目标用户的面部回波数据,所述面部回波数据为所述毫米波雷达340发射的、由用户面部反射的毫米波。
在一种可能的实现方式中,该获取模块210具体可以用于执行步骤110,以实现对应的技术效果。
处理模块220,用于依据所述面部回波数据进行预处理获得所述用户面部的振动特征数据。
在一种可能的实现方式中,该处理模块220具体可以用于执行步骤120,以实现对应的技术效果。
识别模块230,用于将所述振动特征数据输入预先设置的神经网络模型,以得到所述用户的情绪类型信息;
在一种可能的实现方式中,该识别模块230具体可以用于执行步骤130,以实现对应的技术效果。
控制模块240,用于依据所述用户的情绪类型信息控制所述空调器300的工作模式。
在一种可能的实现方式中,该控制模块240具体可以用于执行步骤140,以实现对应的技术效果。
综上所述,本发明提供了一种空调控制方法、装置及空调器,空调控制方法通过对用户进行识别,判断是否为目标用户,当确认为目标用户时获取用户反射毫米波的面部回波数据,依据面部回波数据进行预处理获得用户面部的振动特征数据,无须对用户面部进行图像获取等可能泄露个人信息的操作,然后将所述振动特征数据输入预先设置的神经网络模型识别得到所述用户的情绪类型信息,通过毫米波获取用户的情绪类型信息,然后根据用户的情绪类型信息控制空调器的工作模式,使空调器可以智能地根据用户的情绪类型信息调整空调器的工作模式,降低用户操作的复杂性,提高用户使用舒适性。
在本申请所提供的几个实施例中,应该理解到,所揭露的装置和方法,也可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的,例如,附图中的流程图和框图显示了根据本申请的多个实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分,模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现方式中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个连续的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或动作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
另外,在本申请各个实施例中的各功能模块可以集成在一起形成一个独立的部分,也可以是各个模块单独存在,也可以两个或两个以上模块集成形成一个独立的部分。
功能如果以软件功能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介质中。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中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本申请各个实施例方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(Read-Only Memory,ROM)、随机存取存储器(Random Access Memory,RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
以上仅为本申请的优选实施例而已,并不用于限制本申请,对于本领域的技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。
Claims (10)
1.一种空调控制方法,其特征在于,所述方法应用于空调器,所述空调器(300)设置有毫米波雷达(340),所述方法包括:
获取目标用户的面部回波数据,所述面部回波数据为所述毫米波雷达(340)发射的、由所述目标用户面部反射的毫米波;
依据所述面部回波数据进行预处理获得所述目标用户面部的振动特征数据;
将所述振动特征数据输入预先设置的神经网络模型,以得到所述目标用户的情绪类型信息;
依据所述用户的情绪类型信息控制所述空调器(300)的工作模式。
2.根据权利要求1所述的空调控制方法,其特征在于,对所述面部回波数据进行预处理获得所述用户面部的振动特征数据的步骤包括:
对所述面部回波数据进行二维快速傅里叶变换,得到对应的距离多普勒谱图;
对所述距离多普勒谱图进行归一化处理;
对归一化处理后的所述多普勒谱图进行奇异值分解特征提取以获得所述用户面部的振动特征数据。
3.根据权利要求1所述的空调控制方法,其特征在于,将所述面部表情特征输入预先设置的情绪网络模型,以得到所述用户的情绪类型信息的步骤包括:
将所述振动特征数据输入预先设置的神经网络模型进行特征识别;
将识别后的特征与预先设置的情绪特征数据库进行匹配以获得所述用户的情绪类型信息。
4.根据权利要求1所述的空调控制方法,其特征在于,所述空调器(300)预先设置有所述目标用户的生物特征信息,在所述获取目标用户的面部回波数据之前,还包括:
根据用户的回波数据确定所述用户的生物特征信息;
将所述用户的生物特征信息与所述目标用户的生物特征信息进行匹配以判断所述用户是否为所述目标用户。
5.根据权利要求1所述的空调控制方法,其特征在于,所述用户的情绪类型信息包括悲伤、喜乐、愤怒、平和中的一种,所述依据所述用户的情绪类型信息控制所述空调器(300)的工作模式包括:
当所述用户的情绪类型信息被识别为悲伤时,控制所述空调器(300)以低风速模式运行;
当所述用户的情绪类型信息被识别为平和时,控制所述空调器(300)以中风速模式运行;
当所述用户的情绪类型信息被识别为喜乐时,控制所述空调器(300)以高风速模式运行;
当所述用户的情绪类型信息被识别为愤怒时,控制所述空调器(300)以强力风速模式运行。
6.一种空调控制装置,其特征在于,所述空调控制装置(200)用于执行如权利要求1~5任意一项所述的空调控制方法,所述空调控制装置(200)包括:
获取模块(210),用于获取目标用户的面部回波数据,所述面部回波数据为所述毫米波雷达(340)发射的、由用户面部反射的毫米波;
处理模块(220),用于依据所述面部回波数据进行预处理获得所述用户面部的振动特征数据;
识别模块(230),用于将所述振动特征数据输入预先设置的神经网络模型,以得到所述用户的情绪类型信息;
控制模块(240),用于依据所述用户的情绪类型信息控制所述空调器(300)的工作模式。
7.根据权利要求6所述的空调控制装置,其特征在于,所述处理模块(220)用于对所述面部回波数据进行二维快速傅里叶变换,得到对应的距离多普勒谱图;还用于对所述距离多普勒谱图进行归一化处理;对归一化处理后的所述多普勒谱图进行奇异值分解特征提取以获得所述用户面部的振动特征数据。
8.根据权利要求6所述的空调控制装置,其特征在于,所述识别模块(230)用于将所述振动特征数据输入预先设置的神经网络模型进行特征识别;将识别后的特征与预先设置的情绪特征数据库进行匹配以获得所述用户的情绪类型信息。
9.根据权利要求6所述的空调控制装置,其特征在于,所述空调器(300)预先设置有所述目标用户的生物特征信息,在所述获取目标用户的面部回波数据之前,所述处理模块(220)还用于根据用户的回波数据确定所述用户的生物特征信息;所述处理模块(220)还用于将所述用户的生物特征信息与所述目标用户的生物特征信息进行匹配以判断所述用户是否为所述目标用户。
10.一种空调器,其特征在于,所述空调器(300)包括控制器(310)及毫米波雷达(340),所述毫米波雷达(340)与所述控制器(310)电连接,所述控制器(310)用于执行计算机可读指令以实现如权利要求1~5任意一项所述的空调控制方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911114715.9A CN110779149A (zh) | 2019-11-14 | 2019-11-14 | 一种空调控制方法、装置及空调器 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911114715.9A CN110779149A (zh) | 2019-11-14 | 2019-11-14 | 一种空调控制方法、装置及空调器 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110779149A true CN110779149A (zh) | 2020-02-11 |
Family
ID=69391167
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911114715.9A Pending CN110779149A (zh) | 2019-11-14 | 2019-11-14 | 一种空调控制方法、装置及空调器 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110779149A (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112944570A (zh) * | 2021-03-01 | 2021-06-11 | 青岛海尔空调电子有限公司 | 多室内机空间中基于毫米波雷达的变频空调控制方法 |
CN113091202A (zh) * | 2021-03-19 | 2021-07-09 | 青岛海尔空调器有限总公司 | 空调器、监控终端及空调器的安防控制方法 |
CN113390170A (zh) * | 2021-06-08 | 2021-09-14 | 青岛海尔空调器有限总公司 | 用于控制空调的方法、装置及空调 |
CN113531839A (zh) * | 2020-04-14 | 2021-10-22 | 广东美的制冷设备有限公司 | 柜式空调器的控制方法、装置及柜式空调器 |
CN113819614A (zh) * | 2021-09-13 | 2021-12-21 | 青岛海尔空调器有限总公司 | 用于控制空调的方法、装置及空调 |
CN116226816A (zh) * | 2023-05-10 | 2023-06-06 | 深圳由莱智能电子有限公司 | 脱毛仪的工作模式控制方法及相关装置 |
Citations (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106580346A (zh) * | 2015-10-14 | 2017-04-26 | 松下电器(美国)知识产权公司 | 情绪推定方法和情绪推定装置 |
CN107014042A (zh) * | 2017-04-24 | 2017-08-04 | 珠海格力电器股份有限公司 | 空调控制方法及系统 |
CN107355947A (zh) * | 2017-07-19 | 2017-11-17 | 珠海格力电器股份有限公司 | 一种空调系统及其控制方法 |
CN107504643A (zh) * | 2017-08-25 | 2017-12-22 | 广东美的制冷设备有限公司 | 空调的控制方法及装置 |
CN108600202A (zh) * | 2018-04-11 | 2018-09-28 | Oppo广东移动通信有限公司 | 一种信息处理方法及装置、计算机可读存储介质 |
CN108872984A (zh) * | 2018-03-15 | 2018-11-23 | 清华大学 | 基于多基地雷达微多普勒和卷积神经网络的人体识别方法 |
CN109059222A (zh) * | 2018-06-19 | 2018-12-21 | 广东美的制冷设备有限公司 | 空调器及其控制方法、装置和计算机可读存储介质 |
JP2018202103A (ja) * | 2017-06-09 | 2018-12-27 | 三菱電機株式会社 | 感情判定装置及び空気調和装置 |
CN109212499A (zh) * | 2017-07-07 | 2019-01-15 | 英飞凌科技股份有限公司 | 使用雷达传感器识别目标的系统和方法 |
CN109357366A (zh) * | 2018-09-30 | 2019-02-19 | 珠海格力电器股份有限公司 | 调节控制方法、装置、存储介质和空调系统 |
CN109631245A (zh) * | 2019-01-10 | 2019-04-16 | 珠海格力电器股份有限公司 | 空调控制方法、装置、存储介质及处理器 |
CN109710078A (zh) * | 2019-01-14 | 2019-05-03 | 极目光(深圳)科技有限公司 | 智能控制方法、系统、接收设备及存储介质 |
CN109886157A (zh) * | 2019-01-30 | 2019-06-14 | 杭州芯影科技有限公司 | 一种基于毫米波图像的人脸识别方法及系统 |
CN110009869A (zh) * | 2019-04-01 | 2019-07-12 | 珠海格力电器股份有限公司 | 活动信息的监控方法、装置和系统 |
CN110030680A (zh) * | 2019-04-25 | 2019-07-19 | 珠海格力电器股份有限公司 | 一种带毫米波雷达的空调器的控制方法、系统及空调器 |
CN110062707A (zh) * | 2016-12-08 | 2019-07-26 | 松下知识产权经营株式会社 | 觉醒诱导装置以及觉醒诱导系统 |
CN110243046A (zh) * | 2018-08-31 | 2019-09-17 | 深圳迈睿智能科技有限公司 | 用于空气调节的智能控制系统、装置及其应用 |
DE102018204789A1 (de) * | 2018-03-28 | 2019-10-02 | Robert Bosch Gmbh | Verfahren zur Klimasteuerung in Räumen |
CN110361725A (zh) * | 2018-04-11 | 2019-10-22 | 英飞凌科技股份有限公司 | 使用毫米波雷达进行人类检测和识别的系统和方法 |
-
2019
- 2019-11-14 CN CN201911114715.9A patent/CN110779149A/zh active Pending
Patent Citations (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106580346A (zh) * | 2015-10-14 | 2017-04-26 | 松下电器(美国)知识产权公司 | 情绪推定方法和情绪推定装置 |
CN110062707A (zh) * | 2016-12-08 | 2019-07-26 | 松下知识产权经营株式会社 | 觉醒诱导装置以及觉醒诱导系统 |
CN107014042A (zh) * | 2017-04-24 | 2017-08-04 | 珠海格力电器股份有限公司 | 空调控制方法及系统 |
JP2018202103A (ja) * | 2017-06-09 | 2018-12-27 | 三菱電機株式会社 | 感情判定装置及び空気調和装置 |
CN109212499A (zh) * | 2017-07-07 | 2019-01-15 | 英飞凌科技股份有限公司 | 使用雷达传感器识别目标的系统和方法 |
CN107355947A (zh) * | 2017-07-19 | 2017-11-17 | 珠海格力电器股份有限公司 | 一种空调系统及其控制方法 |
CN107504643A (zh) * | 2017-08-25 | 2017-12-22 | 广东美的制冷设备有限公司 | 空调的控制方法及装置 |
CN108872984A (zh) * | 2018-03-15 | 2018-11-23 | 清华大学 | 基于多基地雷达微多普勒和卷积神经网络的人体识别方法 |
DE102018204789A1 (de) * | 2018-03-28 | 2019-10-02 | Robert Bosch Gmbh | Verfahren zur Klimasteuerung in Räumen |
CN108600202A (zh) * | 2018-04-11 | 2018-09-28 | Oppo广东移动通信有限公司 | 一种信息处理方法及装置、计算机可读存储介质 |
CN110361725A (zh) * | 2018-04-11 | 2019-10-22 | 英飞凌科技股份有限公司 | 使用毫米波雷达进行人类检测和识别的系统和方法 |
CN109059222A (zh) * | 2018-06-19 | 2018-12-21 | 广东美的制冷设备有限公司 | 空调器及其控制方法、装置和计算机可读存储介质 |
CN110243046A (zh) * | 2018-08-31 | 2019-09-17 | 深圳迈睿智能科技有限公司 | 用于空气调节的智能控制系统、装置及其应用 |
CN109357366A (zh) * | 2018-09-30 | 2019-02-19 | 珠海格力电器股份有限公司 | 调节控制方法、装置、存储介质和空调系统 |
CN109631245A (zh) * | 2019-01-10 | 2019-04-16 | 珠海格力电器股份有限公司 | 空调控制方法、装置、存储介质及处理器 |
CN109710078A (zh) * | 2019-01-14 | 2019-05-03 | 极目光(深圳)科技有限公司 | 智能控制方法、系统、接收设备及存储介质 |
CN109886157A (zh) * | 2019-01-30 | 2019-06-14 | 杭州芯影科技有限公司 | 一种基于毫米波图像的人脸识别方法及系统 |
CN110009869A (zh) * | 2019-04-01 | 2019-07-12 | 珠海格力电器股份有限公司 | 活动信息的监控方法、装置和系统 |
CN110030680A (zh) * | 2019-04-25 | 2019-07-19 | 珠海格力电器股份有限公司 | 一种带毫米波雷达的空调器的控制方法、系统及空调器 |
Non-Patent Citations (2)
Title |
---|
杜慧江: "《计算机网络原理与实践》", 30 September 2015 * |
陈鹏展: "《个体行为的机器识别与决策协同》", 31 July 2018 * |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113531839A (zh) * | 2020-04-14 | 2021-10-22 | 广东美的制冷设备有限公司 | 柜式空调器的控制方法、装置及柜式空调器 |
CN112944570A (zh) * | 2021-03-01 | 2021-06-11 | 青岛海尔空调电子有限公司 | 多室内机空间中基于毫米波雷达的变频空调控制方法 |
CN112944570B (zh) * | 2021-03-01 | 2022-11-22 | 青岛海尔空调电子有限公司 | 多室内机空间中基于毫米波雷达的变频空调控制方法 |
CN113091202A (zh) * | 2021-03-19 | 2021-07-09 | 青岛海尔空调器有限总公司 | 空调器、监控终端及空调器的安防控制方法 |
CN113390170A (zh) * | 2021-06-08 | 2021-09-14 | 青岛海尔空调器有限总公司 | 用于控制空调的方法、装置及空调 |
CN113819614A (zh) * | 2021-09-13 | 2021-12-21 | 青岛海尔空调器有限总公司 | 用于控制空调的方法、装置及空调 |
CN113819614B (zh) * | 2021-09-13 | 2023-07-18 | 青岛海尔空调器有限总公司 | 用于控制空调的方法、装置及空调 |
CN116226816A (zh) * | 2023-05-10 | 2023-06-06 | 深圳由莱智能电子有限公司 | 脱毛仪的工作模式控制方法及相关装置 |
CN116226816B (zh) * | 2023-05-10 | 2023-08-18 | 深圳由莱智能电子有限公司 | 脱毛仪的工作模式控制方法及相关装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110779149A (zh) | 一种空调控制方法、装置及空调器 | |
US10775483B1 (en) | Apparatus for detecting and recognizing signals and method thereof | |
Ezuma et al. | Radar cross section based statistical recognition of UAVs at microwave frequencies | |
US20120313809A1 (en) | Signal processing unit and method | |
CN108765937B (zh) | 用于etc系统的车辆识别装置、路侧单元和方法 | |
CN113267773B (zh) | 一种基于毫米波雷达的室内人员准确检测和精确定位方法 | |
CN116106855B (zh) | 摔倒检测方法及摔倒检测装置 | |
JP2005521040A (ja) | 目標シグネチャの計算および認識システムとその方法 | |
CN110907906B (zh) | 目标分类方法和相关设备 | |
Kumawat et al. | Spectrum localization and hough transform-based β tuning for LSS targets’ accurate micro-Doppler imaging system | |
Kim et al. | Drone detection with chirp‐pulse radar based on target fluctuation models | |
Patra et al. | mm-wave radar based gesture recognition: Development and evaluation of a low-power, low-complexity system | |
US10712428B2 (en) | Radar device and target detecting method | |
Chae et al. | FMCW radar driver head motion monitoring based on Doppler spectrogram and range-Doppler evolution | |
KR20220141748A (ko) | 레이더 신호로부터 표적 정보를 추출하는 방법 및 컴퓨터 판독가능 저장 매체 | |
KR20180135546A (ko) | 드론의 다각적 판별 시스템 및 그 방법 | |
CN112731387A (zh) | 用于油烟机的启动方法、装置、油烟机及处理器 | |
RU2622908C1 (ru) | Радиолокационный способ обнаружения летательных аппаратов | |
Li et al. | Optimized radar waveform parameter design for small drone detection based on echo modeling and experimental analysis | |
Rahman et al. | Millimeter-wave radar micro-Doppler feature extraction of consumer drones and birds for target discrimination | |
KR102062321B1 (ko) | 대상체의 동작을 인식하기 위하여 복수개의 상이한 주파수들을 이용하는 센서 모듈 및 그 센서 모듈의 동작 방법 | |
CN110751103A (zh) | 一种用于物体内部检测的微波信号分类方法及系统 | |
CN114966656A (zh) | 一种基于毫米波设备的定位方法及装置 | |
RU157396U1 (ru) | Устройство распознавания винтовых летательных аппаратов | |
CN114739669A (zh) | 基于太赫兹雷达的滚动轴承状态监测方法及装置 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200211 |
|
RJ01 | Rejection of invention patent application after publication |