CN115834760A - 闹铃调节方法、装置、电子设备以及存储介质 - Google Patents

Abstract

本申请实施例公开了一种闹铃调节方法、装置、电子设备以及存储介质。所述方法包括：当闹铃处于响起状态，获取与所述电子设备对应的握持状态；获取与所述握持状态对应的握持特征，所述握持特征为基于所述闹铃响起时产生的声波信号序列确定；根据所述握持特征确定对所述闹铃的调节方式。通过该方法实现了可以直接通过与电子设备对应的握持状态所关联的握持特征确定对闹铃的调节方式，而无需在观看电子设备的屏幕的情况下再进行操作，简化了闹钟调节方式，继而提升了闹钟调节的智能性。

Description

闹铃调节方法、装置、电子设备以及存储介质

技术领域

本申请涉及通信技术领域，更具体地，涉及一种闹铃调节方法、装置、电子设备以及存储介质。

背景技术

随着近年来智能终端的快速发展，用户使用智能终端的时间和场景越来越多，为了方便用户使用，越来越多的智能终端具备了闹钟提醒功能。然而，目前的闹钟控制方式还有待改善，例如，当闹钟响起时，需要用户直接观看屏幕并进行操作，而对于刚睡醒的用户而言，屏幕光通常是比较刺眼的，也很难辨认清楚屏幕上的按钮并进行操作，用户体验有待改善。

发明内容

鉴于上述问题，本申请提出了一种闹铃调节方法、装置、电子设备以及存储介质，以改善上述问题。

第一方面，本申请实施例提供了一种闹铃调节方法，应用于电子设备，所述方法包括：当闹铃处于响起状态，获取与所述电子设备对应的握持状态；获取与所述握持状态对应的握持特征，所述握持特征为基于所述闹铃响起时产生的声波信号序列确定；根据所述握持特征确定对所述闹铃的调节方式。

第二方面，本申请实施例提供了一种闹铃调节装置，运行于电子设备，所述装置包括：握持状态获取模块，用于当闹铃处于响起状态，获取与所述电子设备对应的握持状态；握持特征获取模块，用于获取与所述握持状态对应的握持特征，所述握持特征为基于所述闹铃响起时产生的声波信号序列确定；闹铃调节模块，用于根据所述握持特征确定对所述闹铃的调节方式。

第三方面，本申请提供了一种电子设备，包括一个或多个处理器以及存储器；一个或多个程序被存储在所述存储器中并被配置为由所述一个或多个处理器执行，所述一个或多个程序配置用于执行上述第一方面的方法。

第四方面，本申请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中存储有程序代码，其中，在所述程序代码运行时执行上述第一方面的方法。

本申请提供的一种闹铃调节方法、装置、电子设备以及存储介质，通过当闹铃处于响起状态，获取与所述电子设备对应的握持状态；获取与所述握持状态对应的握持特征，所述握持特征为基于所述闹铃响起时产生的声波信号序列确定；根据所述握持特征确定对所述闹铃的调节方式。从而通过上述方式实现了可以直接通过与电子设备对应的握持状态所关联的握持特征确定对闹铃的调节方式，而无需在观看电子设备的屏幕的情况下再进行操作，简化了闹钟调节方式，继而提升了闹钟调节的智能性。

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，下面描述中的附图仅仅是本申请的一些实施例，对于本领域技术人员来讲，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示出了现有技术中的闹铃调节方式的操作界面示例图。

图2示出了本申请一实施例提出的一种闹铃调节方法的方法流程图。

图3示出了图2中的步骤S110的方法流程图。

图4示出了本申请实施例提供的与电子设备对应的一握持状态示例图。

图5示出了本申请实施例提供的与电子设备对应的另一握持状态示例图。

图6示出了图2中的步骤S120的方法流程图。

图7示出了本申请实施例提供的对声波信号序列进行时频分析后得到的时域信号示例图。

图8示出了本申请实施例提供的对声波信号序列进行时频分析后得到的时频谱图示例图。

图9示出了本申请另一实施例提出的一种闹铃调节方法的方法流程图。

图10示出了本申请又一实施例提出的一种闹铃调节方法的方法流程图。

图11示出了本申请再一实施例提出的一种闹铃调节方法的方法流程图。

图12示出了本申请实施例提供的对声波信号序列进行预处理后得到的时频谱图效果示意图。

图13示出了本申请实施例提供的对卷积神经网络进行训练的流程示例图。

图14示出了本申请实施例提出的一种闹铃调节装置的结构框图。

图15示出了本申请的用于执行根据本申请实施例的一种闹铃调节方法的电子设备的结构框图。

图16是本申请实施例的用于保存或者携带实现根据本申请实施例的一种闹铃调节方法的程序代码的存储单元。

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，所描述的实施例仅仅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。

随着智能终端的普及和发展，除了传统的闹钟，越来越多的智能终端具备闹钟提醒功能，例如，手机、手表或手环等智能穿戴设备。在闹钟提醒功能的使用过程中，当闹钟响起时，通常需要用户手动选择“关闭”或“延长”(如图1所示)，其中，选择的方式主要有两种，第一种是直接点击屏幕相应按钮，第二种是分别向屏幕左右两边滑动小滑块，这些方法都需要用户直接观看屏幕并进行操作。而对于刚睡醒的用户而言，屏幕光通常是比较刺眼的，也很难辨认清楚屏幕上的按钮并进行操作，因此，闹钟控制方式以及用户体验还有待改善。

下面将结合附图具体描述本申请的各实施例。

请参阅图2，本申请一实施例提供一种闹铃调节方法，可应用于电子设备，电子设备配置有闹铃提醒功能，电子设备可以为手机、手表、手环等智能设备，电子设备的具体类型可以不做限定，所述方法包括：

步骤S110：当闹铃处于响起状态，获取与所述电子设备对应的握持状态。

其中，可以设置闹铃事件监测闹铃是否处于响起状态。闹铃处于响起状态的铃声可以配置为仅铃声、铃声伴有振动或者是仅振动，铃声或振动的音量以及频率可以根据实际需要进行配置，铃声的具体内容可以不做限定。

本申请实施方式中，为了改善在睡眠过程中对闹铃进行控制的用户体验，可以配置电子设备在当闹铃处于响起状态，获取与电子设备对应的握持状态，进而基于握持状态确定对闹铃的调节方式，使得用户只需以不同方式握持手机而无需观看屏幕，即可对闹铃进行控制。其中，基于握持状态确定对闹铃的调节方式的详细描述如下。

请参阅图3，作为一种方式，步骤S110可以包括：

步骤S111：当闹铃处于响起状态，获取所述麦克风采集的声波信号序列。

本申请实施方式中，电子设备包括麦克风，作为一种方式，当闹铃处于响起状态，可以由麦克风捕捉闹铃响起时的声波信号序列，进而实现获取麦克风采集的声波信号序列。作为一种实现方式，可以配置当闹铃响起时，(通过设计的程序)自动打开麦克风，以便于通过麦克风捕捉闹铃响起时的声波信号序列。

步骤S112：根据所述声波信号序列确定与所述电子设备对应的握持状态。

其中，麦克风所采集的声波信号序列不同，所表征的与电子设备对应的握持状态不同，因而作为一种方式，可以根据声波信号序列确定与电子设备对应的握持状态。

本申请实施方式中，与电子设备对应的握持状态可以包括非握持状态、一般握持状态和紧密握持状态，非握持状态即电子设备没有被(人手)握持的状态；一般握持状态即人手托住电子设备(例如，人手从电子设备背后托住电子设备)，并不抓紧电子设备的握持状态(如图4所示)，紧密握持状态即人手的拇指位于电子设备屏幕(或后盖)上，五指抓紧电子设备的握持状态(如图5所示)，可选的，紧密握持状态下的握持力度大于一般握持状态下的握持力度。

其中，与非握持状态、一般握持状态以及紧密握持状态各自所对应的声波信号序列的周期不同，与非握持状态、一般握持状态以及紧密握持状态各自所对应的声波信号序列的频率也不同，因而在一种实现方式中，可以根据声波信号序列的频率或者周期确定与电子设备对应的握持状态。

步骤S120：获取与所述握持状态对应的握持特征，所述握持特征为基于所述闹铃响起时产生的声波信号序列确定。

作为一种方式，在确定了与电子设备对应的握持状态后，可以通过目标模型获取与握持状态对应的握持特征，握持特征为基于所述闹铃响起时产生的声波信号序列确定。其中，目标模型用于获取与握持状态对应的握持特征，目标模型为通过训练数据训练得到。

请参阅图6，作为一种方式，步骤S120可以包括：

步骤S121：对所述声波信号序列进行时频分析，得到时频谱图。

其中，麦克风捕捉到的信号序列可能有几秒甚至几十秒长，为了便于分析，可以先以固定长度分割上述声波信号序列(即先对声波信号序列进行预处理)，例如，可以将声波信号序列分割为12800字节长度的序列，固定长度的数值此处仅作为示例进行说明，不构成对本方案的限定。

作为一种方式，可以对每一段分割好的声波信号序列进行时频分析，即使用短时傅里叶变换处理每一段分割好的声波信号序列，得到包含调制信息的时频谱图，其中，调制信息可以理解为与电子设备对应的握持状态。

在一个具体的应用场景中，设输入的声波信号序列为x(t)，窗函数为w(t)，则短时傅里叶变换的计算方法为：

其中，f表示频率，x(τ)表示声波信号，τ表示积分变量，在使用短时傅里叶变换处理每一段分割好的声波信号序列的过程中，可以得到与声波信号序列对应的时域信号如图7(图7横坐标表示时间，纵坐标表示幅度)所示，得到的时频谱图如图8(图8横坐标表示时间，纵坐标表示频率)所示。

步骤S122：将所述时频谱图输入目标模型，获取所述目标模型的输出作为所述握持状态对应的握持特征。

作为一种方式，可以将时频谱图输入目标模型，目标模型可以提取出时频谱图的128维(即时频谱图的大小为128x128)特征，进而可以将目标模型的输出作为握持状态对应的握持特征。

步骤S130：根据所述握持特征确定对所述闹铃的调节方式。

在确定了与握持状态对应的握持特征后，可以根据握持特征确定对闹铃的调节方式，握持特征不同，对应的闹铃调节方式不同。在一种实现方式中，由目标模型识别出与握持状态对应的握持特征后，可以将识别结果传输给闹铃应用程序，通过闹铃应用程序根据识别结果对闹铃进行调节。

本申请提供的一种闹铃调节方法，通过当闹铃处于响起状态，获取与所述电子设备对应的握持状态；获取与所述握持状态对应的握持特征，所述握持特征为基于所述闹铃响起时产生的声波信号序列确定；根据所述握持特征确定对所述闹铃的调节方式。从而通过上述方式实现了可以直接通过与电子设备对应的握持状态所关联的握持特征确定对闹铃的调节方式，而无需在观看电子设备的屏幕的情况下再进行操作，简化了闹钟调节方式，继而提升了闹钟调节的智能性。

请参阅图9，本申请另一实施例提供一种闹铃调节方法，可应用于电子设备，所述方法包括：

步骤S210：当闹铃处于响起状态，获取所述麦克风采集的声波信号序列。

步骤S221：若所述声波信号序列包括目标声波，判定与所述电子设备对应的握持状态为第一握持状态。

作为一种方式，当闹铃持续响起时，其声波会与电子设备当前的接触面发生调制作用，调制后的声波可以被麦克风记录。由于接触材质不同、接触面不同、或接触方式(可以理解为握持方式、或握持状态)不同，调制后的声波在频率域上的分布是不同的，例如，当电子设备闹铃响起时，放在桌子上的电子设备闹铃所产生的声波与握持在用户手中的电子设备闹铃所产生的声波是不同的；用户一般握持电子设备闹铃所产生的声波与用户紧密握持电子设备闹铃所产生的声波也是不同的，其中，用户紧密握持电子设备时用户手与电子设备的接触面积大于用户一般握持电子设备时用户手与电子设备的接触面积。因此，麦克风记录的声波信号序列包含了电子设备当前被接触的状态。

本申请实施方式中，目标声波可以为电子设备被人手握持状态下闹铃响起时所产生的声波，第一握持状态为人手握持状态(即人手皮肤接触电子设备的握持状态)，第一握持状态可以包括前述实施例中所描述的一般握持状态和紧密握持状态。

作为一种方式，当闹铃响起时，若人手接触电子设备，其声波会与人手(目标接触面)发生调制作用，调制后的声波(目标声波)可以被麦克风记录，因而可以通过判断声波信号序列是否包括目标声波来确定与电子设备对应的握持状态是哪一种。可选的，若声波信号序列包括目标声波，则可以判定与电子设备对应的握持状态为第一握持状态。

步骤S231：获取与所述握持状态对应的握持特征，所述握持特征为基于所述闹铃响起时产生的声波信号序列确定。

步骤S241：根据所述握持特征确定对所述闹铃的调节方式。

步骤S222：若所述声波信号序列不包括目标声波，判定与所述电子设备对应的握持状态为第二握持状态。

第二握持状态为非握持状态，例如非人手握持状态(即人手皮肤未接触电子设备的握持状态)，或者是非其他物种(例如猫、狗、猪等宠物)的手握持状态。可选的，第二握持状态可以包括电子设备放在桌面、床铺、手机支架或者是衣服口袋等场景。作为一种方式，若声波信号序列不包括目标声波，则可以判定与电子设备对应的握持状态为第二握持状态。

步骤S232：不调节所述闹铃。

本申请实施方式中，如果与电子设备对应的握持状态为第二握持状态，则可以不调节闹铃。

作为一种具体的实施方式，当闹铃处于响起状态，如果用户想要继续睡觉，则可以通过握持电子设备来调节闹铃，且用户可以不用观看电子设备的屏幕，用户手握持电子设备的位置也可以不做限定，例如，可以是握持电子设备的正面，或者是握持电子设备的背面。而如果用户要立马起床，则可以不用去触碰闹铃，此种方式下的闹铃起到提醒作用。使得用户可以无需观看电子设备屏幕并操作闹铃应用程序(APP)即可实现对闹铃进行调节，提升了闹铃调节的便捷性。

本申请提供的一种闹铃调节方法，通过当闹铃处于响起状态，获取与所述电子设备对应的握持状态；若所述声波信号序列包括目标声波，判定与所述电子设备对应的握持状态为第一握持状态；继而获取与所述握持状态对应的握持特征，所述握持特征为基于所述闹铃响起时产生的声波信号序列确定；然后根据所述握持特征确定对所述闹铃的调节方式；而若所述声波信号序列不包括目标声波，判定与所述电子设备对应的握持状态为第二握持状态，然后不调节所述闹铃。从而通过上述方式实现了可以直接通过与电子设备对应的握持状态所关联的握持特征确定对闹铃的调节方式，而无需在观看电子设备的屏幕的情况下再进行操作，简化了闹钟调节方式，继而提升了闹钟调节的智能性。

同时，提出了一种支撑用户与电子设备之间的新型交互方式，即基于握持状态确定对闹铃的调节方式，为用户提供了更加便捷的智能交互体验。

请参阅图10，本申请又一实施例提供一种闹铃调节方法，可应用于电子设备，所述方法包括：

步骤S310：当闹铃处于响起状态，获取所述麦克风采集的声波信号序列。

步骤S321：若所述声波信号序列包括目标声波，判定与所述电子设备对应的握持状态为第一握持状态。

步骤S331：获取与所述第一握持状态对应的预设握持特征，所述预设握持特征包括一般握持特征与紧密握持特征。

结合前述实施例的描述，第一握持状态包括一般握持状态与紧密握持状态。在获取与握持状态对应的握持特征前，可以先通过目标模型获取与第一握持状态对应的预设握持特征，其中，预设握持特征可以包括一般握持特征与紧密握持特征，一般握持特征为与一般握持状态对应的特征，紧密握持特征为与紧密握持状态对应的特征。即在通过本申请实施例提供的闹铃调节方法对闹铃进行调节之前，可以先进行预设握持特征录入(类似于人脸录入)。

作为一种实现方式，可以提示用户在闹铃响起时分别一般握持电子设备和紧密握持电子设备，由麦克风分别采集两种握持状态各自对应的声波信号序列，对声波信号序列进行时频分析，得到时频谱图，通过目标模型对时频谱图进行特征提取，得到一般握持特征与紧密握持特征。

步骤S341：将所述一般握持特征与所述紧密握持特征存储在本地。

其中，通过目标模型所提取的一般握持特征与紧密握持特征将被存储在本地，以便于当用户使用本申请实施例提供的闹铃调节方法对闹铃进行调节时，当麦克风捕捉的声波信号序列经过时频分析和特征提取后，可以直接与本地存储的两条特征进行比对(可选的，比对策略可以是计算当前特征和本地存储的特征的余弦距离，作为相似度的度量，作为一种实施方式，若该值大于0.5，那么可以认为识别成功)，以便于快速的确定对闹铃的调节方式。

步骤S351：获取与所述握持状态对应的握持特征，所述握持特征为基于所述闹铃响起时产生的声波信号序列确定。

步骤S361：若所述握持特征识别为所述一般握持特征，延长所述闹铃；若所述握持特征识别为所述紧密握持特征，关闭所述闹铃。

以电子设备为手机为例，在用户睡觉的过程中，当闹铃处于响起状态，如果用户仅是拿起手机(即一般握持手机)，表征用户只是想要赖床一点时间，而如果用户拿起手机并紧紧抓住手机(即紧密握持手机)，表征用户很厌烦被闹铃吵醒、想要关闭闹铃，作为一种实现方式，可以配置闹铃调节方式为若被目标模型提取出的握持特征被识别为一般握持特征，则延长闹铃，闹铃延长的时长可以根据实际需要进行设定；若被目标模型提取出的握持特征被识别为紧密握持特征，则关闭闹铃。

作为一种方式，对闹铃的调节方式可以随着握持状态的改变而变化，即若被目标模型提取出的握持特征先被识别为一般握持特征，再被识别为紧密握持特征，那么对闹铃的调节方式可以由一种调节方式变化为另一种调节方式。其中，在握持状态变化的过程中，用户手部的皮肤持续接触电子设备。

例如，在一个具体的应用场景中，若用户最开始一般握持电子设备，而后马上紧密握持电子设备，那么对闹铃的调节方式可以从延长闹铃变化为关闭闹铃，即当闹铃响起时，先是将闹铃延长，而后不用等到闹铃再次响起即可将闹铃关闭。可选的，若用户一般握持电子设备的时长达到了再次响起闹铃的等待时长，那么可以等到闹铃再次响起时将闹铃关闭。而若用户最开始直接紧密握持电子设备，而后再一般握持电子设备，那么对闹铃的调节方式可以直接为关闭闹铃，当闹铃被关闭后，不会因用户后面一般握持电子设备而开启闹铃，从而可以便于用户快速的关闭闹铃。

需要说明的是，本申请实施例中所描述的闹铃调节方式“若被目标模型提取出的握持特征被识别为一般握持特征，则延长闹铃，若被目标模型提取出的握持特征被识别为紧密握持特征，则关闭闹铃”仅作为示例进行说明，实际实现时也可以配置闹铃调节方式为：为若被目标模型提取出的握持特征被识别为一般握持特征，则关闭闹铃，若被目标模型提取出的握持特征被识别为紧密握持特征，则延长闹铃，或者根据与电子设备对应的握持状态配置其他闹铃调节方式。

本申请提供的通过握持状态确定对闹铃进行调节的方式不仅可以用于闹铃APP的握持交互，也可以用于电子设备中其他任意类型APP的握持交互，例如，当打开任一应用程序的时候，通常会显示弹窗提示消息，如果任何一个应用程序开启的时候都需要用户去点击一次关闭弹窗，不免会影响用户体验。作为一种改善这一问题的方式，可以给电子设备配置通过握持手势(或握持状态)控制关闭应用程序弹窗的功能，以便于当用户打开任一应用程序的时候，可以通过某一手势握持电子设备而控制关闭弹窗，其中，具体是何种握持手势在此不做限定，能够允许通过握持手势(或握持状态)控制关闭弹窗功能的应用程序的数量也可以不做限定。可选的，对于同一种握持手势，在不同应用程序中所对应控制的功能可以不同，或者是不同应用程序中的相同功能各自所对应的握持控制手势可以不同。

通过握持手势(或握持状态)控制关闭应用程序弹窗的功能，可以实现自动去关闭弹窗而不用用户手去操作，实现了无感交互，从而为用户提供了更加便捷的智能交互体验。

步骤S322：若所述声波信号序列不包括目标声波，判定与所述电子设备对应的握持状态为第二握持状态。

步骤S332：不调节所述闹铃。

本申请提供的一种闹铃调节方法，通过当闹铃处于响起状态，获取所述麦克风采集的声波信号序列；若所述声波信号序列包括目标声波，判定与所述电子设备对应的握持状态为第一握持状态；获取与所述第一握持状态对应的预设握持特征，所述预设握持特征包括一般握持特征与紧密握持特征；将所述一般握持特征与所述紧密握持特征存储在本地；获取与所述握持状态对应的握持特征，所述握持特征为基于所述闹铃响起时产生的声波信号序列确定；若所述握持特征识别为所述一般握持特征，延长所述闹铃；若所述握持特征识别为所述紧密握持特征，关闭所述闹铃；而若所述声波信号序列不包括目标声波，判定与所述电子设备对应的握持状态为第二握持状态；然后不调节所述闹铃。从而通过上述方式实现了可以直接通过与电子设备对应的握持状态所关联的握持特征确定对闹铃的调节方式，而无需在观看电子设备的屏幕的情况下再进行操作，简化了闹钟调节方式，继而提升了闹钟调节的智能性。

请参阅图11，本申请再一实施例提供一种闹铃调节方法，可应用于电子设备，所述方法包括：

步骤S410：获取训练数据，所述训练数据包括非握持状态下的数据、一般握持状态下的数据以及紧密握持状态下的数据。

其中，训练数据可以分为非握持状态下的数据以及握持状态下的数据，而握持状态下的数据可以包括一般握持状态下的数据以及紧密握持状态下的数据。

作为一种方式，可以通过麦克风采集非握持状态下的数据以及握持状态下的数据，具体的，当闹铃响起时，打开电子设备的麦克风，记录三种状态(非握持状态、一般握持状态和紧密握持状态)下麦克风的声波信号序列，作为训练数据。

步骤S420：对所述非握持状态下的数据、一般握持状态下的数据以及紧密握持状态下的数据进行预处理，得到与非握持状态下的数据、一般握持状态下的数据以及紧密握持状态下的数据各自对应的时频谱图。

作为一种方式，可以以固定的长度分割上述声波信号序列，得到多段声波信号序列，分别对每一段声波信号序列进行时频分析，即使用短时傅里叶变换处理每一段声波信号序列，得到时频谱图(即目标数据)。

在一个具体的应用场景中，通过对非握持状态、一般握持状态和紧密握持状态各自对应的声波信号序列进行预处理，可以得到如图12所示的时频谱图效果示意图(其中，图12左图为与非握持状态对应的时频谱图，图12中间图为与一般握持状态对应的时频谱图，图12右图为与紧密握持状态对应的时频谱图)。

步骤S430：通过所述与非握持状态下的数据、一般握持状态下的数据以及紧密握持状态下的数据各自对应的时频谱图对卷积神经网络进行训练，得到目标模型。

其中，卷积神经网络包括特征提取层和分类层，分类层仅用于监督特征提取的效果。作为一种方式，可以将时频谱图输入卷积神经网络，以通过目标数据对卷积神经网络进行训练。输入的时频谱图的大小可以为128x128，在对卷积神经网络进行训练的过程中，可以先使用MobilenetV2对时频谱图进行特征提取，得到128维的特征，再将所提取的特征送入一个全连接层进行分类，得到三种场景(即上述三种状态)的概率值。可选的，三种场景各自对应的概率值均为一个数值，三种场景各自对应的概率值之和为1。

可选的，卷积神经网络的损失函数为交叉熵，可以使用随机梯度下降法对卷积神经网络进行训练。当训练完成时，可以只导出特征提取层作为目标模型，使得模型轻量化。

以目标数据为与图12左图所示的时频谱图为例，对卷积神经网络进行训练的流程如图13所示，先将128x128的时频谱图输入特征提取层(这里采用MobilenetV2)，再将MobilenetV2输出的128特征输入分类层(FC)，然后通过交叉熵损失函数对卷积神经网络进行迭代训练，如果交叉熵损失函数未收敛，则进行反向传播，直至交叉熵损失函数收敛，同时加入真实类别(可以理解为前述实施例中所描述的存储在本地的预设握持特征)，从而将训练完成后得到的模型作为目标模型。需要说明的是，实际训练时不仅是加入图13所示的一种128x128时频谱图(即与非握持状态对应的时频谱图)，也会加入与一般握持状态以及紧密握持状态分别对应的时频谱图，从而使得训练得到的目标模型能够对三种场景下的时频谱图进行分类。

步骤S440：当闹铃处于响起状态，获取与所述电子设备对应的握持状态。

步骤S450：通过所述目标模型获取与所述握持状态对应的握持特征，所述握持特征为基于所述闹铃响起时产生的声波信号序列确定。

步骤S460：根据所述握持特征确定对所述闹铃的调节方式。

本申请提供的一种闹铃调节方法，通过获取训练数据，所述训练数据包括非握持状态下的数据、一般握持状态下的数据以及紧密握持状态下的数据；对所述非握持状态下的数据、一般握持状态下的数据以及紧密握持状态下的数据进行预处理，得到与非握持状态下的数据、一般握持状态下的数据以及紧密握持状态下的数据各自对应的时频谱图；通过所述与非握持状态下的数据、一般握持状态下的数据以及紧密握持状态下的数据各自对应的时频谱图对卷积神经网络进行训练，得到目标模型；当闹铃处于响起状态，获取与所述电子设备对应的握持状态；通过所述目标模型获取与所述握持状态对应的握持特征，所述握持特征为基于所述闹铃响起时产生的声波信号序列确定；根据所述握持特征确定对所述闹铃的调节方式。从而通过上述方式实现了可以直接通过与电子设备对应的握持状态所关联的握持特征确定对闹铃的调节方式，而无需在观看电子设备的屏幕的情况下再进行操作，简化了闹钟调节方式，继而提升了闹钟调节的智能性。

通过用三种不同握持状态各自对应的时频谱图对卷积神经网络进行训练，可以使得训练得到的目标模型具备对不同场景下的时频谱图进行分类的功能。

请参阅图14，本申请实施例提供了一种闹铃调节装置500，运行于电子设备，所述装置500包括：

握持状态获取模块510，用于当闹铃处于响起状态，获取与所述电子设备对应的握持状态。

本申请实施方式中，电子设备可以包括麦克风，在这种方式下，握持状态获取模块510可以用于获取所述麦克风采集的声波信号序列；根据所述声波信号序列确定与所述电子设备对应的握持状态。

其中，根据所述声波信号序列确定与所述电子设备对应的握持状态，可以包括：若所述声波信号序列包括目标声波，判定与所述电子设备对应的握持状态为第一握持状态；若所述声波信号序列不包括目标声波，判定与所述电子设备对应的握持状态为第二握持状态。

可选的，装置500还可以包括模型训练模块，用于当闹铃处于响起状态，获取与所述电子设备对应的握持状态之前，获取训练数据，所述训练数据包括非握持状态下的数据、一般握持状态下的数据以及紧密握持状态下的数据；对所述非握持状态下的数据、一般握持状态下的数据以及紧密握持状态下的数据进行预处理，得到与非握持状态下的数据、一般握持状态下的数据以及紧密握持状态下的数据各自对应的时频谱图；通过所述与非握持状态下的数据、一般握持状态下的数据以及紧密握持状态下的数据各自对应的时频谱图对卷积神经网络进行训练，得到目标模型。

握持特征获取模块520，用于获取与所述握持状态对应的握持特征。

作为一种方式，握持特征获取模块520可以用于对上述声波信号序列进行时频分析，得到时频谱图；将所述时频谱图输入所述目标模型，获取所述目标模型的输出作为所述握持状态对应的握持特征。

作为一种方式，握持特征获取模块520可以用于若所述握持状态为第一类握持状态，执行所述获取与所述握持状态对应的握持特征；若所述握持状态为第二类握持状态，不调节所述闹铃。

可选的，装置500还可以包括特征存储模块，用于在通过目标模型获取与所述握持状态对应的握持特征之前，获取与所述第一握持状态对应的预设握持特征，所述预设握持特征包括一般握持特征与紧密握持特征；将所述一般握持特征与所述紧密握持特征存储在本地。

闹铃调节模块530，用于根据所述握持特征确定对所述闹铃的调节方式。

作为一种方式，闹铃调节模块530可以用于若所述握持特征识别为所述一般握持特征，延长所述闹铃；若所述握持特征识别为所述紧密握持特征，关闭所述闹铃。

所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述装置和模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

在本申请所提供的几个实施例中，所显示或讨论的模块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，装置或模块的间接耦合或通信连接，可以是电性，机械或其它的形式。

另外，在本申请各个实施例中的各功能模块可以集成在一个处理模块中，也可以是各个模块单独物理存在，也可以两个或两个以上模块集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。

请参阅图15，基于上述的闹铃调节方法及装置，本申请实施例还提供了一种可以执行前述闹铃调节方法的电子设备100。电子设备100包括存储器102以及相互耦合的一个或多个(图中仅示出一个)处理器104，存储器102以及处理器104之间通信线路连接。存储器102中存储有可以执行前述实施例中内容的程序，而处理器104可以执行存储器102中存储的程序。

其中，处理器104可以包括一个或者多个处理核。处理器104利用各种接口和线路连接整个电子设备100内的各个部分，通过运行或执行存储在存储器102内的指令、程序、代码集或指令集，以及调用存储在存储器102内的数据，执行电子设备100的各种功能和处理数据。可选地，处理器104可以采用数字信号处理(Digital Signal Processing，DSP)、现场可编程门阵列(Field－Programmable Gate Array，FPGA)、可编程逻辑阵列(ProgrammableLogic Array，PLA)中的至少一种硬件形式来实现。处理器104可集成中央处理器(CentralProcessing Unit，CPU)、图像处理器(Graphics Processing Unit，GPU)和调制解调器等中的一种或几种的组合。其中，CPU主要处理操作系统、用户界面和应用程序等；GPU用于负责显示内容的渲染和绘制；调制解调器用于处理无线通信。可以理解的是，上述调制解调器也可以不集成到处理器104中，单独通过一块通信芯片进行实现。

存储器102可以包括随机存储器(Random Access Memory，RAM)，也可以包括只读存储器(Read-Only Memory)。存储器102可用于存储指令、程序、代码、代码集或指令集。存储器102可包括存储程序区和存储数据区，其中，存储程序区可存储用于实现操作系统的指令、用于实现至少一个功能的指令(比如触控功能、声音播放功能、图像播放功能等)、用于实现前述各个实施例的指令等。存储数据区还可以存储电子设备100在使用中所创建的数据(比如电话本、音视频数据、聊天记录数据)等。

请参考图16，其示出了本申请实施例提供的一种计算机可读存储介质的结构框图。该计算机可读存储介质600中存储有程序代码，所述程序代码可被处理器调用执行上述方法实施例中所描述的方法。

计算机可读存储介质600可以是诸如闪存、EEPROM(电可擦除可编程只读存储器)、EPROM、硬盘或者ROM之类的电子存储器。可选地，计算机可读存储介质600包括非瞬时性计算机可读介质(non-transitory computer-readable storage medium)。计算机可读存储介质600具有执行上述方法中的任何方法步骤的程序代码610的存储空间。这些程序代码可以从一个或者多个计算机程序产品中读出或者写入到这一个或者多个计算机程序产品中。程序代码610可以例如以适当形式进行压缩。

综上所述，本申请提供的一种闹铃调节方法、装置、电子设备以及存储介质，通过当闹铃处于响起状态，获取与所述电子设备对应的握持状态；获取与所述握持状态对应的握持特征，所述握持特征为基于所述闹铃响起时产生的声波信号序列确定；根据所述握持特征确定对所述闹铃的调节方式。从而通过上述方式实现了可以直接通过与电子设备对应的握持状态所关联的握持特征确定对闹铃的调节方式，而无需在观看电子设备的屏幕的情况下再进行操作，简化了闹钟调节方式，继而提升了闹钟调节的智能性。

最后应说明的是：以上实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不驱使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围。

Claims (10)

1.一种闹铃调节方法，其特征在于，应用于电子设备，所述方法包括：

当闹铃处于响起状态，获取与所述电子设备对应的握持状态；

获取与所述握持状态对应的握持特征，所述握持特征为基于所述闹铃响起时产生的声波信号序列确定；

根据所述握持特征确定对所述闹铃的调节方式。

2.根据权利要求1所述的方法，其特征在于，所述电子设备包括麦克风，所述获取与所述电子设备对应的握持状态，包括：

获取所述麦克风采集的声波信号序列；

根据所述声波信号序列确定与所述电子设备对应的握持状态。

3.根据权利要求2所述的方法，其特征在于，所述获取与所述握持状态对应的握持特征，包括：

对所述声波信号序列进行时频分析，得到时频谱图；

将所述时频谱图输入目标模型，获取所述目标模型的输出作为所述握持状态对应的握持特征。

4.根据权利要求2所述的方法，其特征在于，所述根据所述声波信号序列确定与所述电子设备对应的握持状态，包括：

若所述声波信号序列包括目标声波，判定与所述电子设备对应的握持状态为第一握持状态；

若所述声波信号序列不包括目标声波，判定与所述电子设备对应的握持状态为第二握持状态；

所述获取与所述握持状态对应的握持特征，包括：

若所述握持状态为第一类握持状态，执行所述获取与所述握持状态对应的握持特征；

若所述握持状态为第二类握持状态，不调节所述闹铃。

5.根据权利要求4所述的方法，其特征在于，所述获取与所述握持状态对应的握持特征之前，还包括：

获取与所述第一握持状态对应的预设握持特征，所述预设握持特征包括一般握持特征与紧密握持特征；

将所述一般握持特征与所述紧密握持特征存储在本地。

6.根据权利要求5所述的方法，其特征在于，所述根据所述握持特征确定对所述闹铃的调节方式，包括：

若所述握持特征识别为所述一般握持特征，延长所述闹铃；

若所述握持特征识别为所述紧密握持特征，关闭所述闹铃。

7.根据权利要求1-6任一项所述的方法，其特征在于，所述当闹铃处于响起状态，获取与所述电子设备对应的握持状态之前，还包括：

获取训练数据，所述训练数据包括非握持状态下的数据、一般握持状态下的数据以及紧密握持状态下的数据；

对所述非握持状态下的数据、一般握持状态下的数据以及紧密握持状态下的数据进行预处理，得到与非握持状态下的数据、一般握持状态下的数据以及紧密握持状态下的数据各自对应的时频谱图；

通过所述与非握持状态下的数据、一般握持状态下的数据以及紧密握持状态下的数据各自对应的时频谱图对卷积神经网络进行训练，得到目标模型。

8.一种闹铃调节装置，其特征在于，运行于电子设备，所述装置包括：

握持状态获取模块，用于当闹铃处于响起状态，获取与所述电子设备对应的握持状态；

握持特征获取模块，用于获取与所述握持状态对应的握持特征，所述握持特征为基于所述闹铃响起时产生的声波信号序列确定；

闹铃调节模块，用于根据所述握持特征确定对所述闹铃的调节方式。

9.一种电子设备，其特征在于，包括一个或多个处理器以及存储器；

一个或多个程序被存储在所述存储器中并被配置为由所述一个或多个处理器执行，所述一个或多个程序配置用于执行权利要求1-7任一所述的方法。

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中存储有程序代码，其中，在所述程序代码被处理器运行时执行权利要求1-7任一所述的方法。

Images