CN113534997A - 基于残差的卡尔曼滤波模型的参数调节方法、系统及设备 - Google Patents
基于残差的卡尔曼滤波模型的参数调节方法、系统及设备 Download PDFInfo
- Publication number
- CN113534997A CN113534997A CN202110776861.9A CN202110776861A CN113534997A CN 113534997 A CN113534997 A CN 113534997A CN 202110776861 A CN202110776861 A CN 202110776861A CN 113534997 A CN113534997 A CN 113534997A
- Authority
- CN
- China
- Prior art keywords
- residual
- kalman filtering
- touch
- matrix
- filtering model
- 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
- 238000001914 filtration Methods 0.000 title claims abstract description 80
- 238000000034 method Methods 0.000 title claims abstract description 59
- 239000011159 matrix material Substances 0.000 claims abstract description 66
- 230000008569 process Effects 0.000 claims abstract description 21
- 238000005259 measurement Methods 0.000 claims abstract description 17
- 230000001133 acceleration Effects 0.000 claims description 23
- 238000004590 computer program Methods 0.000 claims description 14
- 230000036461 convulsion Effects 0.000 claims description 14
- 230000006870 function Effects 0.000 claims description 12
- 230000007704 transition Effects 0.000 claims description 12
- 238000010276 construction Methods 0.000 claims description 8
- 238000006073 displacement reaction Methods 0.000 claims description 7
- 239000000126 substance Substances 0.000 claims description 5
- 238000012546 transfer Methods 0.000 claims description 5
- 230000000694 effects Effects 0.000 abstract description 8
- 238000010586 diagram Methods 0.000 description 5
- 238000012545 processing Methods 0.000 description 4
- 238000004422 calculation algorithm Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 3
- 238000004891 communication 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
- 230000008859 change Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000009499 grossing Methods 0.000 description 2
- 206010044565 Tremor Diseases 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
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
- G06F3/03—Arrangements for converting the position or the displacement of a member into a coded form
- G06F3/041—Digitisers, e.g. for touch screens or touch pads, characterised by the transducing means
- G06F3/0416—Control or interface arrangements specially adapted for digitisers
-
- H—ELECTRICITY
- H03—ELECTRONIC CIRCUITRY
- H03H—IMPEDANCE NETWORKS, e.g. RESONANT CIRCUITS; RESONATORS
- H03H17/00—Networks using digital techniques
- H03H17/02—Frequency selective networks
- H03H17/0248—Filters characterised by a particular frequency response or filtering method
- H03H17/0255—Filters based on statistics
- H03H17/0257—KALMAN filters
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Probability & Statistics with Applications (AREA)
- Computer Hardware Design (AREA)
- Mathematical Physics (AREA)
- Human Computer Interaction (AREA)
- General Physics & Mathematics (AREA)
- Feedback Control In General (AREA)
- User Interface Of Digital Computer (AREA)
Abstract
一种基于残差的卡尔曼滤波模型的参数调节方法、系统及设备。该方法包括:基于牛顿运动学方程构建卡尔曼滤波模型;获取用户在触控屏上进行触摸操作后每个触摸点的触摸数据;根据所述卡尔曼滤波模型对每个所述触摸点进行预测,得到每个所述触摸点的预测数据;根据所述预测数据、所述触摸数据构建残差矩阵;根据所述残差矩阵对所述卡尔曼滤波模型进行参数调节。本发明通过牛顿运动学方程构建卡尔曼滤波模型,同时通过预测数据和触摸数据构建残差矩阵来对卡尔曼滤波模型中的过程噪声Q和测量噪声R的比值进行调节,从而使得最终输出结果既能达到平滑效果,又不会产生延迟和短笔的现象。
Description
技术领域
本发明属于触控技术领域,尤其涉及一种基于残差的卡尔曼滤波模型的参数调节方法、系统及设备。
背景技术
目前,基于电容、电阻、红外和声波方法的触摸面板技术已在许多产品中广泛商业化,例如手机、平板电脑、导航系统、电视和家用电器。在现有技术中,由于环境、工艺变化以及手指颤抖等内外部因素的干扰,导致触摸位置和和锯齿形输出的不准确性的预测。现有技术中虽然提出了软件算法来实现精确的预测点和平坦的轨迹输出,但是仍然存在建模误差大、接触点预测不准以及轨迹延迟等问题,导致无法对触摸轨迹进行卡尔曼滤波平滑处理,而在解决卡尔曼平滑处理的问题时,由于标准的卡尔曼滤波方程对于参数的设置要求较高,无法轻易对设置好的参数进行修改,因此在进行卡尔曼滤波时,如果追求好的线性度,则会出现划线短笔以及划线延迟等现象;如果对线性度的要求不高,则达不到划线平滑的要求。
发明内容
本发明实施例提供了一种基于残差的卡尔曼滤波模型的参数调节方法、系统及设备,旨在解决现有技术中卡尔曼滤波的输出效果在划线平滑的情况下,出现划线短笔以及划线延迟的问题。
第一方面,本发明实施例提供了一种基于残差的卡尔曼滤波模型的参数调节方法,包括以下步骤:
基于牛顿运动学方程构建卡尔曼滤波模型;
获取用户在触控屏上进行触摸操作后每个触摸点的触摸数据;
根据所述卡尔曼滤波模型对每个所述触摸点进行预测,得到每个所述触摸点的预测数据;
根据所述预测数据、所述触摸数据构建残差矩阵;
根据所述残差矩阵对所述卡尔曼滤波模型进行参数调节。
第二方面,本发明实施例提供了一种基于残差的卡尔曼滤波模型的参数调节系统,包括:
第一构建单元,用于基于牛顿运动学方程构建卡尔曼滤波模型;
获取单元,用于获取用户在触控屏上进行触摸操作后每个触摸点的触摸数据;
预测单元,用于根据所述卡尔曼滤波模型对每个所述触摸点进行预测,得到每个所述触摸点的预测数据;
第二构建单元,用于根据所述预测数据、所述触摸数据构建残差矩阵;
调节单元,用于根据所述残差矩阵对所述卡尔曼滤波模型进行参数调节。
第三方面,本发明实施例又提供了一种电子设备,其包括存储器、处理器、触控屏及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述第一方面所述的基于残差的卡尔曼滤波模型的参数调节方法。
第四方面,本发明实施例还提供了一种计算机可读存储介质,其中所述计算机可读存储介质存储有计算机程序,所述计算机程序当被处理器执行时使所述处理器执行上述第一方面所述的基于残差的卡尔曼滤波模型的参数调节方法。
本发明实施例提供了一种基于残差的卡尔曼滤波模型的参数调节方法、系统及设备。该方法包括:基于牛顿运动学方程构建卡尔曼滤波模型;获取用户在触控屏上进行触摸操作后每个触摸点的触摸数据;根据所述卡尔曼滤波模型对每个所述触摸点进行预测,得到每个所述触摸点的预测数据;根据所述预测数据、所述触摸数据构建残差矩阵;根据所述残差矩阵对所述卡尔曼滤波模型进行参数调节。本发明实施例通过牛顿运动学方程构建卡尔曼滤波模型,同时通过预测数据和触摸数据构建残差矩阵来对卡尔曼滤波模型中的过程噪声和测量噪声的比值进行调节,从而使得最终输出结果既能达到平滑效果,又不会产生延迟和短笔的现象。
附图说明
为了更清楚地说明本发明实施例技术方案,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发明的一些实施例,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为本发明实施例提供的基于残差的卡尔曼滤波模型的参数调节方法的流程示意图;
图2为本发明实施例提供的基于残差的卡尔曼滤波模型的参数调节方法中β-η的曲线图;
图3为本发明实施例提供的基于残差的卡尔曼滤波模型的参数调节系统的示意性框图;
图4为本发明实施例提供的电子设备的示意性框图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动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。
应当理解,当在本说明书和所附权利要求书中使用时,术语“包括”和“包含”指示所描述特征、整体、步骤、操作、元素和/或组件的存在,但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
还应当理解,在此本发明说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本发明。如在本发明说明书和所附权利要求书中所使用的那样,除非上下文清楚地指明其它情况,否则单数形式的“一”、“一个”及“该”意在包括复数形式。
还应当进一步理解,在本发明说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合,并且包括这些组合。
请参阅图1,图1为本发明实施例提供的基于残差的卡尔曼滤波模型的参数调节方法的流程示意图。该基于残差的卡尔曼滤波模型的参数调节方法应用于含有触控屏的电子设备中,该方法通过安装于电子设备中的应用软件进行执行,电子设备即是用于执行基于残差的卡尔曼滤波模型的参数调节方法的设备,例如平板电脑、手机、平板电视、智能可穿戴设备(如智能手表、智能手环)或手写输入写字板等。
下面对所述的基于残差的卡尔曼滤波模型的参数调节方法进行详细说明。如图1所示,该方法包括以下步骤S110~S150。
S110、基于牛顿运动学方程构建卡尔曼滤波模型。
具体的,卡尔曼滤波是利用线性系统状态方程,通过系统输入输出观测数据,对系统状态进行最优估计的算法。所述牛顿运动学方程为根据物体运动的位移、速度、时间、加速度构建得到。卡尔曼滤波算法由五大公式组成,该五大公式分为预测和更新。
其中,预测方程包括:和其中,为k时刻的先验状态估计值;x为k-1时刻的后验状态估计值,和x均为状态变量,F为状态转移函数,实际上是对目标状态转换的一种猜想模型。例如在机动目标跟踪中,状态转移矩阵常常用来对目标的运动建模,其模型可能为匀速直线运动或者匀加速运动,当状态转移矩阵不符合目标的状态转换模型时,滤波会很快发散;B和u是系统控制变量,即为将输入转换为状态的矩阵,为k时刻的先验估计协方差,是滤波的中间计算结果;P为k-1时刻的后验估计协方差,表示状态的不确定度,是滤波的结果之一;Q是过程噪声矩阵,该参数被用来表示状态转换矩阵与实际过程之间的误差。
其中,更新方程包括: 其中y为实际观测和预测观测的残差,和卡尔曼增益一起修正先验(预测),得到后验;z为测量均值,是滤波的输入;为k时刻的后验状态估计值,是滤波的结果之一,即更新后的结果,也叫最优估计;为k时刻的后验估计协方差,是滤波的结果之一;H为测量函数,是状态变量到测量的转换矩阵,表示将状态和观测连接起来的关系,卡尔曼滤波里为线性关系,测量函数负责将m维的测量值转换到n维,使之符合状态变量的数学形式,是滤波的前提条件之一;R为测量噪声,是滤波器的已知条件;K为kalman增益矩阵,是滤波的中间计算结果,又称卡尔曼增益或卡尔曼系数;I是单位矩阵。
在本实施例中,在构建卡尔曼滤波模型时,通过牛顿运动学方程中的位移、速度、时间、加速度以及加加速度构建卡尔曼滤波模型中的状态变量、状态转移函数、状态协方差矩阵、过程噪声矩阵、测量函数以及测量噪声矩阵,便可完成对所述卡尔曼滤波模型的构建,其中,加加速度又称急动度,是加速度的变化率,即位矢对时间的三阶导数。
在另一较优实施例中,步骤S110包括:基于牛顿运动学方程确定状态变量并构建状态转移函数;建立残差方程并计算过程噪声方差及测量噪声方差。
具体的,所述卡尔曼滤波模型中任意方向的状态变量X如下式所示:
所述状态转移函数如下式所示:
x=v0t+x0 (1)
其中,公式(1)为牛顿运动学方程中的恒速运动,公式(2)为牛顿运动学方程中的恒加速运动,公式(3)为牛顿运动学方程中的变加速运动;a、j为参数,v0为速度,t为时间。
其中,状态转移矩阵为:
其中,Δt表示时间间隔。
所述残差方程如下式所示:
E=Y-M
其中,E为残差矩阵,Y为k时刻的测量值计算得到的测量值矩阵,M为k时刻的预测值计算得到的预测矩阵;
状态协方差矩阵P如下:
其中,和分别为牛顿运动学方程中的位移、速度、加速度和加加速度的方差,σ12、σ21、σ13、σ31、σ14、σ41、σ23、σ32、σ24、σ42、σ43、σ34为牛顿运动学方程中的位移、速度、加速度和加加速度两两之间的协方差;
过程噪声矩阵Q如下:
S120、获取用户在触控屏上进行触摸操作后每个触摸点的触摸数据。
在本实施例中,所述触摸操作为所述用户在所述触控屏上进行滑动的操作,所述触摸操作既可以为匀速滑动,也可以为快速滑动,还可以为急速滑动。所述触摸数据为所述用户在所述触摸屏上进行触摸操作后经过所述触摸屏上的触摸点的数据信息,所述触摸数据包括每个所述触摸点速度、位置、加速度以及加加速度,设备在获取到所述触摸数据后,通过基于牛顿运动学方程构建的卡尔曼滤波模型进行预测,便可得到每个触摸点的预测数据。
S130、根据所述卡尔曼滤波模型对每个所述触摸点进行预测,得到每个所述触摸点的预测数据。
具体的,所述预测数据为所述用户在所述触摸屏上进行触摸操作后所述卡尔曼滤波模型预测所述用户经过所述触摸屏上的触摸点的数据信息,所述预测数据包括触摸点的预测速度、预测位置、预测加速度以及预测加加速度。所述卡尔曼滤波模型在对每个所述触摸点进行预测的过程中,均是通过每个所述触摸点的上一时刻的触摸点的后验状态估计值来进行预测,便可得到每个所述触摸点的预测数据。其中,所述卡尔曼滤波模型在对第一个触摸点进行预测的过程中,对所述卡尔曼滤波模型进行初始化以得到初始值,然后根据初始值进行预测,便可得到第一个触摸点的预测数据,然后依次递归预测,便可得到每个所述触摸点的预测数据。
S140、根据所述预测数据、所述触摸数据构建残差矩阵。
具体的,通过步骤S110中具体实施例中卡尔曼滤波模型的参数设计,虽然可以使得卡尔曼滤波模型可以对触控的坐标进行预测,同时增加平滑度,但是在快速划线的同时,还是可能会出现划线短笔以及划线延迟等现象。由于过程噪声Q以及测量噪声R的值会对卡尔曼滤波滤波器的性能产生重要的影响,因此可以通过调节它们之间的比值来达到消除短笔和划线延迟的现象。为了防止设置的Q和R参数使得kalman滤波器输出产生失真,通过卡尔曼滤波预测输出与实际测量值之间的输出进行差值,得到残差,然后利用残差设计自适应调节参数。其中,所述卡尔曼滤波模型在预测触摸点每个维度的运动方向上,会输出四个预测值,该四个预测值包括触摸点的预测速度、预测位置、预测加速度以及预测加加速度,同样的,所述触摸数据包括触摸点速度、位置、加速度以及加加速度,将实际测量值与预测值进行做差值计算,便可得到每个触摸点的速度残差、位置残差、加速度残差以及加加速度残差,然后通过每个触摸点的速度残差、位置残差、加速度残差以及加加速度残差便可构建所述残差矩阵。在本实施例中,采用每个触摸点的速度残差、位置残差、加速度残差构建所述残差矩阵,其中,每个触摸点的速度残差、位置残差、加速度残差可以表示如下:
其中,rx、rv、ra分别表示触摸点任意方向上的位置残差,速度残差以及加速度残差,分别表示实际测量触摸点任意方向上的位置、速度以及加速度;分别为卡尔曼滤波模型预测输出触摸点任意方向上的位置、速度以及加速度。
通过每个触摸点的速度残差、位置残差、加速度残差构建得到的残差矩阵可以表示如下:
需要说明的是,本发明在构建所述残差矩阵时,既可以选取触摸点的速度、位置、加速度以及加加速度中任意一个参数构建,也可以选取触摸点的速度、位置、加速度以及加加速度中所有的参数构建,具体根据实际情况进行调整,在此不做具体限定。
S150、根据所述残差矩阵对所述卡尔曼滤波模型进行参数调节。
具体的,计算所述残差矩阵的迹并根据所述残差矩阵的迹对所述卡尔曼滤波模型进行参数调节。其中,所述残差矩阵的迹通过所述残差矩阵的主对角线中各个元素相加得到。例如,若所述残差矩阵由触摸点的速度残差、位置残差、加速度残差构建,则所述残差矩阵的迹便可表示为:得到η=tr(κ)=rx+rv+ra。
其中,所述卡尔曼滤波模型中的预测方程如下:
其中,为k时刻的先验状态估计值,Xk-1为k-1时刻的后验状态估计值,为k时刻先验估计协方差,Pk-1为k-1时刻的后验估计协方差,F为状态转移矩阵,FT为F的转置矩阵,Q为过程噪声,β由如下公式得到:
其中,η为残差矩阵的迹,ε为一个很小的基数,为了避免过小接近于0,可以取0.001。
在本实施例中,在构建卡尔曼滤波模型中的预测方程中的协方差方程时,在过程噪声Q处添加参数β,进而便可控制过程噪声Q和测量噪声R的比值,从而使得卡尔曼滤波模型输出快速接近测量值或者预测值,达到既能输出平滑效果,又不会产生延迟和短笔现象。其中,β-η构建的曲线图如图2所示,当划线从低速到中速,以及从中速到高速的过渡都是非常平缓,不会出现突然一下子增大,从而使得卡尔曼的输出结果非常平滑,在快速划线的时候,迅速向测量值靠近,这样输出结果在慢速和中速时不仅可以达到平滑的效果,而且在快速滑动的同时不会出现短笔和延迟。
在本发明实施例所提供的基于残差的卡尔曼滤波模型的参数调节方法中,通过基于牛顿运动学方程构建卡尔曼滤波模型;获取用户在触控屏上进行触摸操作后每个触摸点的触摸数据;根据所述卡尔曼滤波模型对每个所述触摸点进行预测,得到每个所述触摸点的预测数据;根据所述预测数据、所述触摸数据构建残差矩阵;根据所述残差矩阵对所述卡尔曼滤波模型进行参数调节。本发明通过利用牛顿运动学公式,将变变加速度引入到卡尔曼滤波模型的调节系统中,然后基于距离残差、速度残差以及加速度三者的残差之和对卡尔曼滤波模型的参数进行调节,从而能够应对在不同速度下的书写的情况下,过程噪声Q的输出不会发生大的变化,使得Q/R的比值在短时间内变化不会太大,从而消除划线时笔画的突变,进而在慢速书写时,卡尔曼滤波模型的输出结果接近于预测值;在中速书写时,在测量与预测值之间;在快速书写时,其输出结果快速收敛到测量值,最终既能输出平滑效果,又不会产生延迟和短笔等现象。
本发明实施例还提供了一种基于残差的卡尔曼滤波模型的参数调节系统100,该系统用于执行前述基于残差的卡尔曼滤波模型的参数调节方法的任一实施例。
具体地,请参阅图3,图3是本发明实施例提供的基于残差的卡尔曼滤波模型的参数调节系统100的示意性框图。
如图3所示,所述的基于残差的卡尔曼滤波模型的参数调节系统100,该系统包括第一构建单元110、获取单元120、预测单元130、第二构建单元140和调节单元150。
第一构建单元110,用于基于牛顿运动学方程构建卡尔曼滤波模型。
在其他发明实施例中,所述第一构建单元110包括:确定单元、第三构建单元和第四构建单元。
确定单元,用于基于牛顿运动学方程确定状态变量并构建状态转移函数;第三构建单元,用于建立测量方程并计算过程噪声方差及测量噪声方差。
获取单元120,用于获取用户在触控屏上进行触摸操作后每个触摸点的触摸数据;
预测单元130,用于根据所述卡尔曼滤波模型对每个所述触摸点进行预测,得到每个所述触摸点的预测数据;
第二构建单元140,用于根据所述预测数据、所述触摸数据构建残差矩阵;
调节单元150,用于根据所述残差矩阵对所述卡尔曼滤波模型进行参数调节。
本发明实施例所提供的基于残差的卡尔曼滤波模型的参数调节系统100用于执行上述基于牛顿运动学方程构建卡尔曼滤波模型;获取用户在触控屏上进行触摸操作后每个触摸点的触摸数据;根据所述卡尔曼滤波模型对每个所述触摸点进行预测,得到每个所述触摸点的预测数据;根据所述预测数据、所述触摸数据构建残差矩阵;根据所述残差矩阵对所述卡尔曼滤波模型进行参数调节。
请参阅图4,图4是本发明实施例提供的电子设备的示意性框图。
参阅图4,该设备500包括通过系统总线501连接的处理器502、存储器和网络接口505,其中,存储器可以包括存储介质503和内存储器504。
该存储介质503可存储操作系统5031和计算机程序5032。该计算机程序5032被执行时,可使得处理器502执行基于残差的卡尔曼滤波模型的参数调节方法。
该处理器502用于提供计算和控制能力,支撑整个设备500的运行。
该内存储器504为非易失性存储介质503中的计算机程序5032的运行提供环境,该计算机程序5032被处理器502执行时,可使得处理器502执行基于残差的卡尔曼滤波模型的参数调节方法。
该网络接口505用于进行网络通信,如提供数据信息的传输等。本领域技术人员可以理解,图4中示出的结构,仅仅是与本发明方案相关的部分结构的框图,并不构成对本发明方案所应用于其上的设备500的限定,具体的设备500可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
其中,所述处理器502用于运行存储在存储器中的计算机程序5032,以实现如下功能:基于牛顿运动学方程构建卡尔曼滤波模型;获取用户在触控屏上进行触摸操作后每个触摸点的触摸数据;根据所述卡尔曼滤波模型对每个所述触摸点进行预测,得到每个所述触摸点的预测数据;根据所述预测数据、所述触摸数据构建残差矩阵;根据所述残差矩阵对所述卡尔曼滤波模型进行参数调节。
本领域技术人员可以理解,图4中示出的设备500的实施例并不构成对设备500具体构成的限定,在其他实施例中,设备500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。例如,在一些实施例中,设备500可以仅包括存储器及处理器502,在这样的实施例中,存储器及处理器502的结构及功能与图4所示实施例一致,在此不再赘述。
应当理解,在本发明实施例中,处理器502可以是中央处理单元(CentralProcessing Unit,CPU),该处理器502还可以是其他通用处理器502、数字信号处理器502(Digital Signal Processor,DSP)、专用集成电路(Application Specific IntegratedCircuit,ASIC)、现成可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。其中,通用处理器502可以是微处理器502或者该处理器502也可以是任何常规的处理器502等。
在本发明的另一实施例中提供计算机存储介质。该存储介质可以为非易失性的计算机可读存储介质,也可以是易失性的存储介质。该存储介质存储有计算机程序5032,其中计算机程序5032被处理器502执行时实现以下步骤:基于牛顿运动学方程构建卡尔曼滤波模型;获取用户在触控屏上进行触摸操作后每个触摸点的触摸数据;根据所述卡尔曼滤波模型对每个所述触摸点进行预测,得到每个所述触摸点的预测数据;根据所述预测数据、所述触摸数据构建残差矩阵;根据所述残差矩阵对所述卡尔曼滤波模型进行参数调节。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,上述描述的设备、装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、计算机软件或者二者的结合来实现,为了清楚地说明硬件和软件的可互换性,在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
在本发明所提供的几个实施例中,应该理解到,所揭露的设备、装置和方法,可以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,仅仅为逻辑功能划分,实际实现时可以有另外的划分方式,也可以将具有相同功能的单元集合成一个单元,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。另外,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,也可以是电的,机械的或其它的形式连接。
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发明实施例方案的目的。
另外,在本发明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,也可以是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,也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个存储介质中。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,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介质中,包括若干指令用以使得一台设备500(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述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(ROM,Read-Only Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到各种等效的修改或替换,这些修改或替换都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以权利要求的保护范围为准。
Claims (10)
1.一种基于残差的卡尔曼滤波模型的参数调节方法,其特征在于,包括以下步骤:
基于牛顿运动学方程构建卡尔曼滤波模型;
获取用户在触控屏上进行触摸操作后每个触摸点的触摸数据;
根据所述卡尔曼滤波模型对每个所述触摸点进行预测,得到每个所述触摸点的预测数据;
根据所述预测数据、所述触摸数据构建残差矩阵;
根据所述残差矩阵对所述卡尔曼滤波模型进行参数调节。
2.根据权利要求1所述的基于残差的卡尔曼滤波模型的参数调节方法,其特征在于,所述基于牛顿运动学方程构建卡尔曼滤波模型,包括:
基于牛顿运动学方程确定状态变量并构建状态转移函数;
建立残差方程并计算过程噪声方差及测量噪声方差。
6.根据权利要求1所述的基于残差的卡尔曼滤波模型的参数调节方法,其特征在于,所述根据所述残差矩阵对所述卡尔曼滤波模型进行参数调节,包括:
计算所述残差矩阵的迹并根据所述残差矩阵的迹对所述卡尔曼滤波模型进行参数调节。
8.一种基于残差的卡尔曼滤波模型的参数调节系统,包括:
第一构建单元,用于基于牛顿运动学方程构建卡尔曼滤波模型;
获取单元,用于获取用户在触控屏上进行触摸操作后每个触摸点的触摸数据;
预测单元,用于根据所述卡尔曼滤波模型对每个所述触摸点进行预测,得到每个所述触摸点的预测数据;
第二构建单元,用于根据所述预测数据、所述触摸数据构建残差矩阵;
调节单元,用于根据所述残差矩阵对所述卡尔曼滤波模型进行参数调节。
9.一种电子设备,包括存储器、处理器、触控屏及存储在所述存储器上并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至7中任一项所述的基于残差的卡尔曼滤波模型的参数调节方法。
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计算机程序,所述计算机程序当被处理器执行时使所述处理器执行如权利要求1至7任一项所述的基于残差的卡尔曼滤波模型的参数调节方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110776861.9A CN113534997B (zh) | 2021-07-09 | 2021-07-09 | 基于残差的卡尔曼滤波模型的参数调节方法、系统及设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110776861.9A CN113534997B (zh) | 2021-07-09 | 2021-07-09 | 基于残差的卡尔曼滤波模型的参数调节方法、系统及设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113534997A true CN113534997A (zh) | 2021-10-22 |
CN113534997B CN113534997B (zh) | 2024-07-09 |
Family
ID=78127237
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110776861.9A Active CN113534997B (zh) | 2021-07-09 | 2021-07-09 | 基于残差的卡尔曼滤波模型的参数调节方法、系统及设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113534997B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114759988A (zh) * | 2022-04-29 | 2022-07-15 | 北京邮电大学 | 一种基于残差判决自适应对角卡尔曼滤波算法及其应用 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101853243A (zh) * | 2010-04-01 | 2010-10-06 | 西北工业大学 | 系统模型未知的自适应卡尔曼滤波方法 |
US20110167025A1 (en) * | 2008-07-24 | 2011-07-07 | Kourosh Danai | Systems and methods for parameter adaptation |
CN108663068A (zh) * | 2018-03-20 | 2018-10-16 | 东南大学 | 一种应用在初始对准中的svm自适应卡尔曼滤波方法 |
CN109033493A (zh) * | 2018-06-01 | 2018-12-18 | 南京理工大学 | 基于无迹卡尔曼滤波的辨识高速旋转弹气动参数滤波方法 |
CN109323695A (zh) * | 2018-10-29 | 2019-02-12 | 东南大学—无锡集成电路技术研究所 | 一种基于自适应无迹卡尔曼滤波的室内定位方法 |
CN110609973A (zh) * | 2019-08-27 | 2019-12-24 | 广东艾科技术股份有限公司 | 一种用于流量测量的卡尔曼滤波方法 |
CN110907911A (zh) * | 2019-11-29 | 2020-03-24 | 厦门金龙联合汽车工业有限公司 | 基于Sage-Husa卡尔曼滤波的车辆目标跟踪算法 |
CN112230801A (zh) * | 2020-10-23 | 2021-01-15 | 上海磐启微电子有限公司 | 应用于触摸轨迹的卡尔曼平滑处理方法、存储器及设备 |
CN112432644A (zh) * | 2020-11-11 | 2021-03-02 | 杭州电子科技大学 | 基于鲁棒自适应无迹卡尔曼滤波的无人艇组合导航方法 |
-
2021
- 2021-07-09 CN CN202110776861.9A patent/CN113534997B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110167025A1 (en) * | 2008-07-24 | 2011-07-07 | Kourosh Danai | Systems and methods for parameter adaptation |
CN101853243A (zh) * | 2010-04-01 | 2010-10-06 | 西北工业大学 | 系统模型未知的自适应卡尔曼滤波方法 |
CN108663068A (zh) * | 2018-03-20 | 2018-10-16 | 东南大学 | 一种应用在初始对准中的svm自适应卡尔曼滤波方法 |
CN109033493A (zh) * | 2018-06-01 | 2018-12-18 | 南京理工大学 | 基于无迹卡尔曼滤波的辨识高速旋转弹气动参数滤波方法 |
CN109323695A (zh) * | 2018-10-29 | 2019-02-12 | 东南大学—无锡集成电路技术研究所 | 一种基于自适应无迹卡尔曼滤波的室内定位方法 |
CN110609973A (zh) * | 2019-08-27 | 2019-12-24 | 广东艾科技术股份有限公司 | 一种用于流量测量的卡尔曼滤波方法 |
CN110907911A (zh) * | 2019-11-29 | 2020-03-24 | 厦门金龙联合汽车工业有限公司 | 基于Sage-Husa卡尔曼滤波的车辆目标跟踪算法 |
CN112230801A (zh) * | 2020-10-23 | 2021-01-15 | 上海磐启微电子有限公司 | 应用于触摸轨迹的卡尔曼平滑处理方法、存储器及设备 |
CN112432644A (zh) * | 2020-11-11 | 2021-03-02 | 杭州电子科技大学 | 基于鲁棒自适应无迹卡尔曼滤波的无人艇组合导航方法 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114759988A (zh) * | 2022-04-29 | 2022-07-15 | 北京邮电大学 | 一种基于残差判决自适应对角卡尔曼滤波算法及其应用 |
CN114759988B (zh) * | 2022-04-29 | 2023-08-29 | 北京邮电大学 | 一种基于残差判决自适应对角卡尔曼滤波方法及其应用 |
Also Published As
Publication number | Publication date |
---|---|
CN113534997B (zh) | 2024-07-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Xia et al. | A bi-projection neural network for solving constrained quadratic optimization problems | |
Alessandri et al. | Moving-horizon state estimation for nonlinear systems using neural networks | |
CN115688877A (zh) | 一种用于对待量化数据进行定点化处理的方法及计算装置 | |
CN111027686A (zh) | 一种滑坡位移的预测方法、装置及设备 | |
CN111914516B (zh) | 一种网络数据预测序列生成方法、装置、设备及存储介质 | |
CN113534997A (zh) | 基于残差的卡尔曼滤波模型的参数调节方法、系统及设备 | |
CN111474481A (zh) | 基于扩展卡尔曼滤波算法的电池soc估算方法及装置 | |
KR100967356B1 (ko) | 3차원 손 모델 생성 기술을 이용한 가상 입력 방법 및 장치 | |
Krithikaa et al. | Differential evolution with an ensemble of low-quality surrogates for expensive optimization problems | |
CN115456167A (zh) | 轻量级模型训练方法、图像处理方法、装置及电子设备 | |
WO2004090782A1 (en) | Accurate linear parameter estimation with noisy inputs | |
CN111506873A (zh) | 基于扩展卡尔曼滤波算法的非线性系统参数估计方法 | |
Li et al. | Alternating strategies with internal ADMM for low-rank matrix reconstruction | |
CN110928449A (zh) | 触控屏的报点方法及装置、电子设备、存储介质 | |
CN117787470A (zh) | 一种基于ewt和集成方法的时序预测方法和系统 | |
CN113119083A (zh) | 一种机器人标定方法、装置、机器人及存储介质 | |
CN112087235A (zh) | 基于伪逆感知字典的稀疏度自适应doa估计方法及系统 | |
CN106662967B (zh) | 通过民主式α平滑的降噪 | |
CN115118559A (zh) | 一种稀疏信道的估计方法、装置、设备及可读存储介质 | |
CN108122033B (zh) | 神经网络的训练方法和通过该训练方法获得的神经网络 | |
CN115498980A (zh) | 一种基于M估计的递归最小p阶自适应滤波定位方法 | |
CN110622116A (zh) | 坐标平滑方法、触控芯片及电子终端 | |
Calafiore et al. | Sparse identification of polynomial and posynomial models | |
Gallego et al. | Optimal polygonal $ L_ {1} $ linearization and fast interpolation of nonlinear systems | |
CN113571087B (zh) | 依据音频信号产生动作的方法及电子装置 |
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 | ||
GR01 | Patent grant |