CN116400831A - 一种无源电磁触控屏手写压力感应补偿算法 - Google Patents
一种无源电磁触控屏手写压力感应补偿算法 Download PDFInfo
- Publication number
- CN116400831A CN116400831A CN202310671734.1A CN202310671734A CN116400831A CN 116400831 A CN116400831 A CN 116400831A CN 202310671734 A CN202310671734 A CN 202310671734A CN 116400831 A CN116400831 A CN 116400831A
- Authority
- CN
- China
- Prior art keywords
- pressure sensing
- pressure
- compensation
- data
- touch screen
- 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
- 230000006698 induction Effects 0.000 title claims abstract description 71
- 238000000034 method Methods 0.000 claims abstract description 28
- 238000004364 calculation method Methods 0.000 claims abstract description 21
- 238000012937 correction Methods 0.000 claims abstract description 21
- 238000007781 pre-processing Methods 0.000 claims abstract description 10
- 238000012790 confirmation Methods 0.000 claims description 21
- 241000288673 Chiroptera Species 0.000 claims description 18
- 230000001133 acceleration Effects 0.000 claims description 18
- 238000001228 spectrum Methods 0.000 claims description 14
- 238000005070 sampling Methods 0.000 claims description 13
- 238000001914 filtration Methods 0.000 claims description 12
- 230000003068 static effect Effects 0.000 claims description 10
- 238000006243 chemical reaction Methods 0.000 claims description 9
- 238000004891 communication Methods 0.000 claims description 9
- 230000005674 electromagnetic induction Effects 0.000 claims description 7
- 239000003086 colorant Substances 0.000 claims description 6
- 238000012545 processing Methods 0.000 claims description 5
- 125000003275 alpha amino acid group Chemical group 0.000 claims description 3
- 238000004458 analytical method Methods 0.000 claims description 3
- 150000001875 compounds Chemical class 0.000 claims description 3
- 238000013480 data collection Methods 0.000 claims description 3
- 239000000284 extract Substances 0.000 claims description 3
- 230000000750 progressive effect Effects 0.000 claims 1
- 230000010365 information processing Effects 0.000 abstract description 5
- 230000001105 regulatory effect Effects 0.000 abstract description 3
- 238000009432 framing Methods 0.000 abstract 1
- 241001422033 Thestylus Species 0.000 description 9
- 238000004220 aggregation Methods 0.000 description 7
- 230000002776 aggregation Effects 0.000 description 7
- 230000003595 spectral effect Effects 0.000 description 4
- 230000007547 defect Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000008030 elimination Effects 0.000 description 2
- 238000003379 elimination reaction Methods 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 230000035945 sensitivity Effects 0.000 description 2
- 230000000087 stabilizing effect Effects 0.000 description 2
- 208000027418 Wounds and injury Diseases 0.000 description 1
- 230000006378 damage Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000005672 electromagnetic field Effects 0.000 description 1
- 208000014674 injury Diseases 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 239000000725 suspension Substances 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
- G06F3/04162—Control or interface arrangements specially adapted for digitisers for exchanging data with external devices, e.g. smart pens, via the digitiser sensing hardware
-
- 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
- G06F3/0414—Digitisers, e.g. for touch screens or touch pads, characterised by the transducing means using force sensing means to determine a position
-
- 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
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Engineering & Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Human Computer Interaction (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Position Input By Displaying (AREA)
Abstract
本发明公开一种无源电磁触控屏手写压力感应补偿算法,涉及数据信息处理技术领域,解决问题是无源电磁触控屏手写压力感应补偿,方法包括:数据收集;数据预处理;提取数据特征;消除压力感应点的位置误差;消除压力感应点电磁干扰的误差。通过压点矫正模型调节压力感应点的位置误差,采用改进型K‑means算法判断手写笔的运动状态,控制压力感应补偿计算的进程,增加补偿的稳定性,采用改进型蝙蝠算法得到加权迭代单元的最佳初始参数,提高计算精确度,采用改进型卡尔曼子模型,通过对压力感应特征进行分帧分组并加权迭代的方法,得到感应压力补偿值,通过压力感应补偿算法提高了数据信息处理能力。
Description
技术领域
本发明涉及数据信息处理技术领域,且更确切地涉及一种无源电磁触控屏手写压力感应补偿算法。
背景技术
无源电磁触控屏是一种广泛应用于手写识别、数字签名、图形绘制等领域的屏幕类型。其使用电磁感应原理实现手写笔的识别和追踪,可以无需内置电池,不会造成干扰和伤害。在无源电磁触控屏中,手写笔的压力感应补偿是实现高精度和灵敏度的关键技术之一。
为了提高手写笔的压力感应准确性,补偿算法可以用于校正和消除由于电磁场干扰、线圈布局不均匀等因素引起的误差。这些误差可能导致手写笔的压力感应不准确或者在不同区域显示不一致。现存的压力感应补偿算法存在着很多弊端,一方面现存的压力感应补偿算法只能通过触控屏的压力点位置识别用户的目标落笔位置,不能考虑到光谱反射的对人眼的影响造成的压力点偏差,另一方面现存的压力感应补偿算法的精度和灵敏度无法达到人们的需求。这导致数据信息处理滞后,因此,本发明提出了一种无源电磁触控屏手写压力感应补偿算法,旨在提供更为快速、更加稳定、更为精确的压力感应补偿算法,以大大提高数据信息处理能力。
发明内容
针对上述技术的不足,本发明公开一种无源电磁触控屏手写压力感应补偿算法,通过压点矫正模型调节由于人眼对不同颜色光谱的观测误差导致的所述触控屏压力感应点的位置误差,通过运动判断系统采用改进型K-means算法判断手写笔的运动状态,在手写笔静止或过缓移动时停止压力感应补偿计算,减少数据损耗,达到稳定补偿精确度的效果,通过加权补偿系统采用改进型蝙蝠算法得到所述加权迭代单元的最佳初始参数,提高后续压力感应补偿计算的精确度,采用改进型卡尔曼子模型,对每秒压力点压力感应特征进行分帧分组,并加权迭代的方法得到消除电磁干扰后的感应压力值,实现一种更为快速、更为精确、更加稳定的压力感应补偿算法。
为了实现上述技术效果,本发明采用以下技术方案:
一种无源电磁触控屏手写压力感应补偿算法,其中包括以下步骤:
步骤一、数据收集,根据手写笔在感应线圈组上产生的电动势,确定手写笔所在的位置、速度、加速度和压力点的感应压力;
手写笔为用户发送控制命令的媒介,通过磁体和线圈构成的电磁感应原理向触控屏传输控制命令;
触控屏用于接收用户控制指令和执行用户控制指令,并显示反馈结果;
感应线圈组位于触控屏内,每两个相邻感应线圈间有且只有一次交叉,接收所述手写笔切割磁场产生的电信号,由电磁感应原理产生电动势;
步骤二、数据预处理,将接收到的电动势信号转换为有效且清晰的数字信号;
数据预处理模块用于去除采集到的信号中的噪声,放大信号,并进行采样和A/D转换;
所述数据预处理模块包括放大子模块、滤波子模块、整流子模块、采样子模块和A/D转换器,所述放大子模块用于将感应线圈组中产生的微弱电动势信号的幅度增大,方便信号的分析,所述滤波子模块用于保留100HZ到200HZ的电动势信号,去除无效的信号,流子模块用于将交流信号转换为直流信号,便于电动势信号的采样,所述采样子模块用于将连续的直流信号离散化,所述A/D转换器将电动势信号转换为数字信号,所述放大子模块的输出端连接滤波子模块的输入端,所述滤波子模块的输出端连接整流子模块的输入端,所述整流子模块的输出端连接采样子模块的输入端,所述采样子模块的输出端连接A/D转换器的输入端;
步骤三、通过卷积网络提取数据特征,通过输入层将数字信号输入至卷积层分析处理,所述数字信号通过卷积层提取数据梯度特征,以获取具有区分度的主体和特定目标特征,数据梯度特征包括所述手写笔的位置特征、所述手写笔的速度特征、所述手写笔的加速度特征以及所述触控屏实时压力感应特征;
步骤四、消除压力感应点的位置误差,建立压点矫正模型,基于所述触控屏在不同颜色下的光谱反射差异和所述手写笔的位置特征,通过对光谱信息进行匹配,调节由于人眼对不同颜色光谱的观测误差导致的所述触控屏压力感应点的位置误差;
所述压点矫正模型包括反射样本集、确认系统和校正系统,所述反射样本集用于存储所述触控屏发光点不同光色与不同光强对应的光谱对人眼造成的误差值,所述确认系统用于确认所述触控屏中压力点的光色信息与光强信息,所述校正系统采用GMM算法计算所述手写笔笔尖与所述触控屏压力点的位置误差,所述反射样本集和确认系统的输出端连接校正系统的输出端;
步骤五、消除压力感应点电磁干扰的误差,建立压感补偿模型,根据所述手写笔的速度特征、所述手写笔的加速度特征以及所述触控屏上个时刻的压力感应特征,计算每个压力点下个时刻压力感应值的权重系数,从而对压力感应的电磁干扰进行补偿;
所述压感补偿模型包括数据库、运动判断系统和加权补偿系统,所述数据库用于存储所述手写笔的速度特征、所述手写笔的加速度特征以及所述触控屏实时压力感应特征,所述运动判断系统用于所述手写笔静止或过缓移动时停止所述压感补偿模型的补偿计算,减少数据损耗,所述加权补偿系统采用改进型卡尔曼算法得到下一秒消除电磁干扰后的感应压力值,所述数据库和运动判断系统的输出端连接所述加权补偿系统的输入端,所述数据库的输出端连接运动判断系统的输入端。
作为本发明进一步的技术方案,所述运动判断系统包括判定单元、通信单元和运动样本库,所述判定单元采用改进型K-means算法判断所述手写笔的运动状态,所述通信单元在所述手写笔静止或过缓移动时对所述加权补偿系统发送暂停信息,使所述加权补偿系统暂停接收下个时刻压力感应特征,在所述手写笔重新开始移动时对所述加权补偿系统发送开始信息,使所述加权补偿系统开始接收下个时刻压力感应特征,所述运动样本库存储所述手写笔静止样本数据簇、过缓样本数据簇和移动样本数据簇,所述运动样本库的输出端连接判定单元的输入端,所述判定单元的输出端连接通信单元的输入端。
作为本发明进一步的技术方案,所述改进型K-means算法通过去除孤点,消除冗余数据,通过权值排序法,确认聚类中心点,增加所述运动判断系统分类计算的准确性,通过计算运动样本簇合和待分类数据簇之间距离的方法,确认待分类数据簇的运动类别,所述改进型K-means算法的工作方式为:
步骤1、确认K值,将K值固定为3,预设所述手写笔静止数据簇、过缓数据簇和运动数据簇;
步骤2、去除孤点,计算下一秒内所述手写笔的速度值的点密度,确认点密度低于密度指数的数据点为孤点,将孤点从数据集中删除;
步骤3、确认聚类中心点,对下一秒内所述手写笔的速度值按每帧所述手写笔的加速度正比赋权值,选取权值最低的三个下一秒内所述手写笔的速度值为聚类中心点;
步骤4、聚类计算,将聚类中心点周围的数据按照欧式距离为半径归类为待分类数据簇;
步骤5、数据归类,将运动样本簇合并入待分类数据簇中,计算运动样本簇与待分类数据簇的距离小于距离阈值时,待分类数据簇归类到运动样本数据簇中,距离阈值公式为:
式(1)中,为运动样本数据簇的中心点位置,/>为待分类数据簇的聚类中心点,/>为待分类数据簇个数, j为待分类数据簇中心点的标号,i为样本数据簇的聚类中心点的标号,r为待分类数据簇的半径,R为样本数据簇的半径,D为距离阈值。
作为本发明进一步的技术方案,所述改进型KNN模型将初始信号特征数据集在全局范围内宏观分类后生成聚合集,根据聚合集对实时信号特征数据集进行分类,实现对信号特征与数据库中的数字信号调制解调方案的匹配,所述改进型KNN模型包括聚合单元和分类单元,所述聚合单元用于生成聚合集,所述分类单元根据距离排序将实时信号特征数据集分类到各聚合集中,所述聚合单元的输出端连接所述分类单元的输入端。
作为本发明进一步的技术方案,所述加权补偿系统包括数据接收单元、改进型卡尔曼子模型和数据输出单元,所述数据接收单元用于接收所述运动判断系统的暂停指令与开始指令和所述手写笔与所述触控屏的倾斜夹角、所述手写笔的加速度以及所述触控屏实时压力感应特征,所述改进型卡尔曼子模型通过改进型蝙蝠算法采用群体分级法逐级寻优,确定上一秒最佳压力感应特征,提高感应补偿计算的精确度,通过加权迭代的方法进行下一秒压力感应特征的计算。
作为本发明进一步的技术方案,所述改进型卡尔曼子模型包括参数确认单元和加权迭代单元,所述参数确认单元采用改进型蝙蝠算法取上一秒四十八帧内压力点上所有压力感应特征为上一秒压力感应特征集合,得到上一秒压力感应特征集合中的全局最优解,得到所述加权迭代单元的最佳初始参数,提高消除电磁干扰后压力感应特征的精确度,所述加权迭代单元用于得到下一秒消除电磁干扰后的压力感应特征,所述参数确认单元的输出端连接加权迭代单元的输入端。
作为本发明进一步的技术方案,所述改进型蝙蝠算法将蝙蝠群按照个体适应度进行分级,通过三级命令逐级下发的方法实现寻优,减少寻优的随机性,提高寻优效率,所述改进型蝙蝠算法的工作方式为:
1)、等级分层,按照适应度值排序选取适应度最好的三只蝙蝠,把三只蝙蝠分为两组,a组包含一只蝙蝠,在蝙蝠群中起领导作用,b组包含两只蝙蝠,负责小范围的领导下位蝙蝠,蝙蝠群中其余蝙蝠为下位蝙蝠,在每只下位蝙蝠的脉冲搜索频率的范围内寻找最优解;
2)、缩小搜寻范围,确定在i时刻蝙蝠的位置和最优点的位置,并在寻优过程中随着迭代次数更新蝙蝠的位置;
3)、识别数据点方位,由a组蝙蝠领导首先辨别最优点的方位,下发指令到b组,b组领导下位蝙蝠全局搜索,逐步确认最优点的位置,得到目前全局最优解作为上一秒最佳压力感应特征。
作为本发明进一步的技术方案,所述加权迭代单元的工作方式为:
S1、确认高斯噪声偏差,取上一秒最佳压力感应特征与上一秒内压力感应特征集合中第四十八帧压力感应特征的差值为高斯噪声偏差;
S2、对压力感应特征赋权值,将下一秒所有压力感应特征集分为四十八帧,每四帧为一个下一秒压力感应特征组,计算下一秒压力感应特征组的均值,并对下一秒压力感应特征组中的压力感应特征分别附加权值,权值公式为:
式(2)中,Y为权值, n为下一秒的压力感应特征组中压力感应特征的帧数标号,P为下一秒压力感应特征组的均值,为下一秒的压力感应特征组中的压力感应特征值,/>为下一秒的压力感应特征组中的压力感应特征值的维度;
S3、确认压力感应补偿值,计算下一秒压力感应特征组中第一帧压力感应特征值和下一秒压力感应特征组的均值的差值为均值偏差,通过高斯噪声偏差和均值偏差的协方差,得到下一秒压力感应特征组中第一帧的压力感应补偿值,不断递归协方差,迭代计算压力感应补偿值,确认下一秒的压力感应特征组中每一帧的压力感应补偿值,压力感应补偿值的公式为:
S4、重新确认高斯噪声偏差,将下一秒的压力感应特征组中最后一帧的压力补偿误差值作为下一个压力感应特征组的高斯噪声偏差,重复S3和S4,直到完成一秒内所有压力感应特征数据的补偿后重新从S1开始循环。
本发明有益的积极效果在于:
区别于常规的压力感应补偿算法,针对上述技术的不足,本发明公开一种无源电磁触控屏手写压力感应补偿算法,通过压点矫正模型调节由于人眼对不同颜色光谱的观测误差导致的所述触控屏压力感应点的位置误差,通过运动判断系统采用改进型K-means算法判断手写笔的运动状态,在手写笔静止或过缓移动时停止压力感应补偿计算,减少数据损耗,达到稳定补偿精确度的效果,通过加权补偿系统采用改进型蝙蝠算法得到所述加权迭代单元的最佳初始参数,提高后续压力感应补偿计算的精确度,采用改进型卡尔曼子模型,对每秒压力点压力感应特征进行分帧分组,并加权迭代的方法得到消除电磁干扰后的感应压力值,实现一种更为快速、更为精确、更加稳定的压力感应补偿算法,以大大提高数据信息处理能力。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术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性的前提下,还可以根据这些附图获得其他的附图,其中:
图1本发明实施例提供的一种无源电磁触控屏手写压力感应补偿算法流程图;
图2本发明压感补偿模型的结构图;
图3本发明改进型K-means算法的流程图;
图4本发明改进型蝙蝠算法的流程图;
图5本发明加权迭代单元的工作流程图。
具体实施方式
下面将结合本文实施例中的附图,对本文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文一部分实施例,而不是全部的实施例。应该理解,这些描述只是示例性的,而并非要限制本发明的范围。此外,在以下说明中,省略了对公知结构和技术的描述,以避免不必要地混淆本发明的概念。
如图1所示,一种无源电磁触控屏手写压力感应补偿算法,包括以下步骤:
步骤一、数据收集,根据手写笔在感应线圈组上产生的电动势,确定手写笔所在的位置、速度、加速度和压力点的感应压力;
手写笔为用户发送控制命令的媒介,通过磁体和线圈构成的电磁感应原理向触控屏传输控制命令;
触控屏用于接收用户控制指令和执行用户控制指令,并显示反馈结果;
感应线圈组位于触控屏内,每两个相邻感应线圈间有且只有一次交叉,接收所述手写笔切割磁场产生的电信号,由电磁感应原理产生电动势;
步骤二、数据预处理,将接收到的电动势信号转换为有效且清晰的数字信号;
数据预处理模块用于去除采集到的信号中的噪声,放大信号,并进行采样和A/D转换;
所述数据预处理模块包括放大子模块、滤波子模块、整流子模块、采样子模块和A/D转换子模块,所述放大子模块用于将感应线圈组中产生的微弱电动势信号的幅度增大,方便信号的分析,所述滤波子模块用于保留100HZ到200HZ的电动势信号,去除无效的信号,流子模块用于将交流信号转换为直流信号,便于电动势信号的采样,所述采样子模块用于将连续的直流信号离散化,所述A/D转换子模块将电动势信号转换为数字信号,所述放大子模块的输出端连接滤波子模块的输入端,所述滤波子模块的输出端连接整流子模块的输入端,所述整流子模块的输出端连接采样子模块的输入端,所述采样子模块的输出端连接A/D转换子模块的输入端;
步骤三、通过卷积网络提取数据特征,通过输入层将数字信号输入至卷积层分析处理,所述数字信号通过卷积层提取数据梯度特征,以获取具有区分度的主体和特定目标特征,数据梯度特征包括所述手写笔的位置特征、所述手写笔的速度特征、所述手写笔的加速度特征以及所述触控屏实时压力感应特征;
步骤四、消除压力感应点的位置误差,建立压点矫正模型,基于所述触控屏在不同颜色下的光谱反射差异和所述手写笔的位置特征,通过对光谱信息进行匹配,调节由于人眼对不同颜色光谱的观测误差导致的所述触控屏压力感应点的位置误差;
所述压点矫正模型包括反射样本集、确认系统和校正系统,所述反射样本集用于存储所述触控屏发光点不同光色与不同光强对应的光谱对人眼造成的误差值,所述确认系统用于确认所述触控屏中压力点的光色信息与光强信息,所述校正系统采用GMM算法计算所述手写笔笔尖与所述触控屏压力点的位置误差,所述反射样本集和确认系统的输出端连接校正系统的输出端;
步骤五、消除压力感应点电磁干扰的误差,建立压感补偿模型,根据所述手写笔的速度特征、所述手写笔的加速度特征以及所述触控屏上个时刻的压力感应特征,计算每个压力点下个时刻压力感应值的权重系数,从而对压力感应的电磁干扰进行补偿;
所述压感补偿模型包括数据库、运动判断系统和加权补偿系统,所述数据库用于存储所述手写笔的速度特征、所述手写笔的加速度特征以及所述触控屏实时压力感应特征,所述运动判断系统用于所述手写笔静止或过缓移动时停止所述压感补偿模型的补偿计算,减少数据损耗,所述加权补偿系统采用改进型卡尔曼算法得到下一秒消除电磁干扰后的感应压力值,所述数据库和运动判断系统的输出端连接所述加权补偿系统的输入端,所述数据库的输出端连接运动判断系统的输入端。
在上述实施例中,所述压点矫正模型的工作原理为:所述反射样本集存储根据所述触控屏发光点的光色与光强分类的光谱信息,光谱信息包括峰值波长、带宽、主波长和质心波长,并根据不同光谱信息存储相应的人眼识别误差值,所述确认系统通过所述触控屏屏幕控制器的电信号确认触控屏发光点的光色与光强,所述手写笔笔尖与所述触控屏压力点的触控屏发光点的光色与光强,所述校正系统采用GMM算法根据所述反射样本集和所述确认系统的确认结果,进行发光点信息的对比分类,得到所述手写笔笔尖与所述触控屏压力点的位置误差值。
在具体实施例中,所述运动判断系统包括判定单元、通信单元和运动样本库,所述判定单元采用改进型K-means算法判断所述手写笔的运动状态,所述通信单元在所述手写笔静止或过缓移动时对所述加权补偿系统发送暂停信息,使所述加权补偿系统暂停接收下个时刻压力感应特征,在所述手写笔重新开始移动时对所述加权补偿系统发送开始信息,使所述加权补偿系统开始接收下个时刻压力感应特征,所述运动样本库存储所述手写笔静止样本数据簇、过缓样本数据簇和移动样本数据簇,所述运动样本库的输出端连接判定单元的输入端,所述判定单元的输出端连接通信单元的输入端。
在具体实施例中,所述改进型K-means算法通过去除孤点,消除冗余数据,通过权值排序法,确认聚类中心点,增加所述运动判断系统分类计算的准确性,通过计算运动样本簇合和待分类数据簇之间距离的方法,确认待分类数据簇的运动类别,所述改进型K-means算法的工作方式为:
步骤1、确认K值,将K值固定为3,预设所述手写笔静止数据簇、过缓数据簇和运动数据簇;
步骤2、去除孤点,计算下一秒内所述手写笔的速度值的点密度,确认点密度低于密度指数的数据点为孤点,将孤点从数据集中删除;
步骤3、确认聚类中心点,对下一秒内所述手写笔的速度值按每帧所述手写笔的加速度正比赋权值,选取权值最低的三个下一秒内所述手写笔的速度值为聚类中心点;
步骤4、聚类计算,将聚类中心点周围的数据按照欧式距离为半径归类为待分类数据簇;
步骤5、数据归类,将运动样本簇合并入待分类数据簇中,计算运动样本簇与待分类数据簇的距离小于距离阈值时,待分类数据簇归类到运动样本数据簇中,距离阈值公式为:
式(1)中,为运动样本数据簇的中心点位置,/>为待分类数据簇的聚类中心点,/>为待分类数据簇个数, j为待分类数据簇中心点的标号,i为样本数据簇的聚类中心点的标号,r为待分类数据簇的半径,R为样本数据簇的半径,D为距离阈值。
在上述实施例中,所述运动样本库中所述手写笔静止样本数据簇的速度值为0cm/s,过缓样本数据簇的速度值为0~0.25cm/s和移动样本数据簇的速度值为大于0.25cm/s。
在具体实施例中,所述加权补偿系统包括数据接收单元、改进型卡尔曼子模型和数据输出单元,所述数据接收单元用于接收所述运动判断系统的暂停指令与开始指令和所述手写笔与所述触控屏的倾斜夹角、所述手写笔的加速度以及所述触控屏实时压力感应特征,所述改进型卡尔曼子模型通过改进型蝙蝠算法采用群体分级法逐级寻优,确定上一秒最佳压力感应特征,提高感应补偿计算的精确度,通过加权迭代的方法进行下一秒压力感应特征的计算。
在具体实施例中,所述改进型卡尔曼子模型包括参数确认单元和加权迭代单元,所述参数确认单元采用改进型蝙蝠算法取上一秒四十八帧内压力点上所有压力感应特征为上一秒压力感应特征集合,得到上一秒压力感应特征集合中的全局最优解,得到所述加权迭代单元的最佳初始参数,提高消除电磁干扰后压力感应特征的精确度,所述加权迭代单元用于得到下一秒消除电磁干扰后的压力感应特征,所述参数确认单元的输出端连接加权迭代单元的输入端。
在具体实施例中,所述改进型蝙蝠算法将蝙蝠群按照个体适应度进行分级,通过三级命令逐级下发的方法实现寻优,减少寻优的随机性,提高寻优效率,所述改进型蝙蝠算法的工作方式为:
1)、等级分层,按照适应度值排序选取适应度最好的三只蝙蝠,把三只蝙蝠分为两组,a组包含一只蝙蝠,在蝙蝠群中起领导作用,b组包含两只蝙蝠,负责小范围的领导下位蝙蝠,蝙蝠群中其余蝙蝠为下位蝙蝠,在每只下位蝙蝠的脉冲搜索频率的范围内寻找最优解;
2)、缩小搜寻范围,确定在i时刻蝙蝠的位置和最优点的位置,并在寻优过程中随着迭代次数更新蝙蝠的位置;
3)、识别数据点方位,由a组蝙蝠领导首先辨别最优点的方位,下发指令到b组,b组领导下位蝙蝠全局搜索,逐步确认最优点的位置,得到目前全局最优解作为上一秒最佳压力感应特征。
在具体实施例中,所述加权迭代单元的工作方式为:
S1、确认高斯噪声偏差,取上一秒最佳压力感应特征与上一秒内压力感应特征集合中第四十八帧压力感应特征的差值为高斯噪声偏差;
S2、对压力感应特征赋权值,将下一秒所有压力感应特征集分为四十八帧,每四帧为一个下一秒压力感应特征组,计算下一秒压力感应特征组的均值,并对下一秒压力感应特征组中的压力感应特征分别附加权值,权值公式为:
式(2)中,Y为权值, n为下一秒的压力感应特征组中压力感应特征的帧数标号,P为下一秒压力感应特征组的均值,为下一秒的压力感应特征组中的压力感应特征值,/>为下一秒的压力感应特征组中的压力感应特征值的维度;
S3、确认压力感应补偿值,计算下一秒压力感应特征组中第一帧压力感应特征值和下一秒压力感应特征组的均值的差值为均值偏差,通过高斯噪声偏差和均值偏差的协方差,得到下一秒压力感应特征组中第一帧的压力感应补偿值,不断递归协方差,迭代计算压力感应补偿值,确认下一秒的压力感应特征组中每一帧的压力感应补偿值,压力感应补偿值的公式为:
S4、重新确认高斯噪声偏差,将下一秒的压力感应特征组中最后一帧的压力补偿误差值作为下一个压力感应特征组的高斯噪声偏差,重复S3和S4,直到完成一秒内所有压力感应特征数据的补偿后重新从S1开始循环。
在上述实施例中,压感补偿精确度如表1所示:
根据数据组对象数和属性数不同,设置四个测试组,采用四种方法分别对四组数据进行压感补偿,并把补偿后的压力感应值与标准压力感应值对比,得到补偿精确度,模型1为不添加运动判断系统,并采用标准卡尔曼子模型进行补偿的压感补偿模型,模型2为添加运动判断系统,并采用标准卡尔曼子模型进行补偿的压感补偿模型,模型3为不添加运动判断系统,并采用改进型卡尔曼子模型进行补偿的压感补偿模型,模型4添加运动判断系统,并采用改进型卡尔曼子模型进行补偿的压感补偿模型,如表1所示,在对四组压力感应值进行压感补偿时,模型1和模型3的补偿精确度不稳定,在压力感应次数相同的情况下,对于不存在静止或过缓状态的测试组,模型1和模型3的补偿精确度明显小于存在静止或过缓状态的测试组,这说明当压力感应点一直变化时,压感补偿模型需要不间断地处理大量数据信息,耗费处理空间较大,反观模型2和模型4的补偿精确度较为稳定,说明添加运动判断系统有利于节省压感补偿模型的处理空间,提高补偿精确度的稳定性,同时模型4的补偿精确度比模型1的补偿精确度高百分之十,说明改进型卡尔曼子模型优于标准的卡尔曼子模型,综上可以证明本发明的压力感应模型具有补偿精确度高、补偿稳定性强的特点。
虽然以上描述了本发明的具体实施方式,但是本领域的技术人员应当理解,这些具体实施方式仅是举例说明,本领域的技术人员在不脱离本发明的原理和实质的情况下,可以对上述方法和系统的细节进行各种省略、替换和改变。例如,合并上述方法步骤,从而按照实质相同的方法执行实质相同的功能以实现实质相同的结果则属于本发明的范围。因此,本发明的范围仅由所附权利要求书限定。
Claims (7)
1.一种无源电磁触控屏手写压力感应补偿算法,其特征在于:包括如下步骤,
步骤一、数据收集,根据手写笔在感应线圈组上产生的电动势,确定手写笔所在的位置、速度、加速度和压力点的感应压力;
手写笔为用户发送控制命令的媒介,通过磁体和线圈构成的电磁感应原理向触控屏传输控制命令;
触控屏用于接收用户控制指令和执行用户控制指令,并显示反馈结果;
感应线圈组位于触控屏内,每两个相邻感应线圈间有且只有一次交叉,接收所述手写笔切割磁场产生的电信号,由电磁感应原理产生电动势;
步骤二、数据预处理,将接收到的电动势信号转换为有效且清晰的数字信号;
数据预处理模块用于去除采集到的信号中的噪声,放大信号,并进行采样和A/D转换;
所述数据预处理模块包括放大子模块、滤波子模块、整流子模块、采样子模块和A/D转换子模块,所述放大子模块用于将感应线圈组中产生的微弱电动势信号的幅度增大,方便信号的分析,所述滤波子模块用于保留100HZ到200HZ的电动势信号,去除无效的信号,流子模块用于将交流信号转换为直流信号,便于电动势信号的采样,所述采样子模块用于将连续的直流信号离散化,所述A/D转换子模块将电动势信号转换为数字信号,所述放大子模块的输出端连接滤波子模块的输入端,所述滤波子模块的输出端连接整流子模块的输入端,所述整流子模块的输出端连接采样子模块的输入端,所述采样子模块的输出端连接A/D转换子模块的输入端;
步骤三、通过卷积网络提取数据特征,通过输入层将数字信号输入至卷积层分析处理,所述数字信号通过卷积层提取数据梯度特征,以获取具有区分度的主体和特定目标特征,数据梯度特征包括所述手写笔的位置特征、所述手写笔的速度特征、所述手写笔的加速度特征以及所述触控屏实时压力感应特征;
步骤四、消除压力感应点的位置误差,建立压点矫正模型,基于所述触控屏在不同颜色下的光谱反射差异和所述手写笔的位置特征,通过对光谱信息进行匹配,调节由于人眼对不同颜色光谱的观测误差导致的所述触控屏压力感应点的位置误差;
所述压点矫正模型包括反射样本集、确认系统和校正系统,所述反射样本集用于存储所述触控屏发光点不同光色与不同光强对应的光谱对人眼造成的误差值,所述确认系统用于确认所述触控屏中压力点的光色信息与光强信息,所述校正系统采用GMM算法计算所述手写笔笔尖与所述触控屏压力点的位置误差,所述反射样本集和确认系统的输出端连接校正系统的输出端;
步骤五、消除压力感应点电磁干扰的误差,建立压感补偿模型,根据所述手写笔的速度特征、所述手写笔的加速度特征以及所述触控屏上个时刻的压力感应特征,计算每个压力点下个时刻压力感应值的权重系数,从而对压力感应的电磁干扰进行补偿;
所述压感补偿模型包括数据库、运动判断系统和加权补偿系统,所述数据库用于存储所述手写笔的速度特征、所述手写笔的加速度特征以及所述触控屏实时压力感应特征,所述运动判断系统用于所述手写笔静止或过缓移动时停止所述压感补偿模型的补偿计算,减少数据损耗,所述加权补偿系统采用改进型卡尔曼子模型得到下一秒消除电磁干扰后的感应压力值,所述数据库和运动判断系统的输出端连接所述加权补偿系统的输入端,所述数据库的输出端连接运动判断系统的输入端。
2.根据权利要求1所述的一种无源电磁触控屏手写压力感应补偿算法,其特征在于:所述运动判断系统包括判定单元、通信单元和运动样本库,所述判定单元采用改进型K-means算法判断所述手写笔的运动状态,所述通信单元在所述手写笔静止或过缓移动时对所述加权补偿系统发送暂停信息,使所述加权补偿系统暂停接收下个时刻压力感应特征,在所述手写笔重新开始移动时对所述加权补偿系统发送开始信息,使所述加权补偿系统开始接收下个时刻压力感应特征,所述运动样本库存储所述手写笔静止样本数据簇、过缓样本数据簇和移动样本数据簇,所述运动样本库的输出端连接判定单元的输入端,所述判定单元的输出端连接通信单元的输入端。
3.根据权利要求2所述的一种无源电磁触控屏手写压力感应补偿算法,其特征在于:所述改进型K-means算法通过去除孤点,消除冗余数据,通过权值排序法,确认聚类中心点,增加所述运动判断系统分类计算的准确性,通过计算运动样本簇合和待分类数据簇之间距离的方法,确认待分类数据簇的运动类别,所述改进型K-means算法的工作方式为:
步骤1、确认K值,将K值固定为3,预设所述手写笔静止数据簇、过缓数据簇和运动数据簇;
步骤2、去除孤点,计算下一秒内所述手写笔的速度值的点密度,确认点密度低于密度指数的数据点为孤点,将孤点从数据集中删除;
步骤3、确认聚类中心点,对下一秒内所述手写笔的速度值按每帧所述手写笔的加速度正比赋权值,选取权值最低的三个下一秒内所述手写笔的速度值为聚类中心点;
步骤4、聚类计算,将聚类中心点周围的数据按照欧式距离为半径归类为待分类数据簇;
步骤5、数据归类,将运动样本簇合并入待分类数据簇中,计算运动样本簇与待分类数据簇的距离小于距离阈值时,待分类数据簇归类到运动样本数据簇中,距离阈值公式为:
4.根据权利要求1所述的一种无源电磁触控屏手写压力感应补偿算法,其特征在于:所述加权补偿系统包括数据接收单元、改进型卡尔曼子模型和数据输出单元,所述数据接收单元用于接收所述运动判断系统的暂停指令与开始指令和所述手写笔与所述触控屏的倾斜夹角、所述手写笔的加速度以及所述触控屏实时压力感应特征,所述改进型卡尔曼子模型通过改进型蝙蝠算法采用群体分级法逐级寻优,确定上一秒最佳压力感应特征,提高感应补偿计算的精确度,通过加权迭代的方法进行下一秒压力感应特征的计算。
5.根据权利要求4所述的一种无源电磁触控屏手写压力感应补偿算法,其特征在于:所述改进型卡尔曼子模型包括参数确认单元和加权迭代单元,所述参数确认单元采用改进型蝙蝠算法取上一秒四十八帧内压力点上所有压力感应特征为上一秒压力感应特征集合,得到上一秒压力感应特征集合中的全局最优解,得到所述加权迭代单元的最佳初始参数,提高消除电磁干扰后压力感应值的精确度,所述加权迭代单元用于得到下一秒消除电磁干扰后的压力感应特征,所述参数确认单元的输出端连接加权迭代单元的输入端。
6.根据权利要求5所述的一种无源电磁触控屏手写压力感应补偿算法,其特征在于:所述改进型蝙蝠算法将蝙蝠群按照个体适应度进行分级,通过三级命令逐级下发的方法实现寻优,减少寻优的随机性,提高寻优效率,所述改进型蝙蝠算法的工作方式为:
1)、等级分层,按照适应度值排序选取适应度最好的三只蝙蝠,把三只蝙蝠分为两组,a组包含一只蝙蝠,在蝙蝠群中起领导作用,b组包含两只蝙蝠,负责小范围的领导下位蝙蝠,蝙蝠群中其余蝙蝠为下位蝙蝠,在每只下位蝙蝠的脉冲搜索频率的范围内寻找最优解;
2)、缩小搜寻范围,确定在i时刻蝙蝠的位置和最优点的位置,并在寻优过程中随着迭代次数更新蝙蝠的位置;
3)、确定最优解,由a组蝙蝠领导首先辨别最优点的方位,下发指令到b组,b组领导下位蝙蝠全局搜索,逐步确认最优点的位置,得到目前全局最优解作为上一秒最佳压力感应特征。
7.根据权利要求5所述的一种无源电磁触控屏手写压力感应补偿算法,其特征在于:所述加权迭代单元的工作方式为:
S1、确认高斯噪声偏差,取上一秒最佳压力感应特征与上一秒内压力感应特征集合中第四十八帧压力感应特征的差值为高斯噪声偏差;
S2、对压力感应特征赋权值,将下一秒所有压力感应特征集分为四十八帧,每四帧为一个下一秒压力感应特征组,计算下一秒压力感应特征组的均值,并对下一秒压力感应特征组中的压力感应特征分别附加权值,权值公式为:
式(2)中,Y为权值, n为下一秒的压力感应特征组中压力感应特征的帧数标号,P为下一秒压力感应特征组的均值,为下一秒的压力感应特征组中的压力感应特征值,/>为下一秒的压力感应特征组中的压力感应特征值的维度;
S3、确认压力感应补偿值,计算下一秒压力感应特征组中第一帧压力感应特征值和下一秒压力感应特征组的均值的差值为均值偏差,通过高斯噪声偏差和均值偏差的协方差,得到下一秒压力感应特征组中第一帧的压力感应补偿值,不断递归协方差,迭代计算压力感应补偿值,确认下一秒的压力感应特征组中每一帧的压力感应补偿值,压力感应补偿值的公式为:
S4、重新确认高斯噪声偏差,将下一秒的压力感应特征组中最后一帧的压力补偿误差值作为下一个压力感应特征组的高斯噪声偏差,重复S3和S4,直到完成一秒内所有压力感应特征数据的补偿后重新从S1开始循环。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310671734.1A CN116400831B (zh) | 2023-06-08 | 2023-06-08 | 一种无源电磁触控屏手写压力感应补偿算法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310671734.1A CN116400831B (zh) | 2023-06-08 | 2023-06-08 | 一种无源电磁触控屏手写压力感应补偿算法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116400831A true CN116400831A (zh) | 2023-07-07 |
CN116400831B CN116400831B (zh) | 2023-08-18 |
Family
ID=87014587
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310671734.1A Active CN116400831B (zh) | 2023-06-08 | 2023-06-08 | 一种无源电磁触控屏手写压力感应补偿算法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116400831B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117850653A (zh) * | 2024-03-04 | 2024-04-09 | 山东京运维科技有限公司 | 触摸显示屏的控制方法及系统 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103809782A (zh) * | 2012-11-05 | 2014-05-21 | 宏碁股份有限公司 | 触碰位置补偿方法及装置 |
US20160139665A1 (en) * | 2014-11-14 | 2016-05-19 | The Eye Tribe Aps | Dynamic eye tracking calibration |
US9483129B1 (en) * | 2015-05-12 | 2016-11-01 | Atmel Corporation | Active stylus with fractional clock-cycle timing |
US20180088787A1 (en) * | 2016-09-23 | 2018-03-29 | Apple Inc. | Image data for enhanced user interactions |
CN111897423A (zh) * | 2020-07-14 | 2020-11-06 | 山东大学 | 一种基于mr鱼缸的精确触控交互方法及系统 |
WO2022030865A1 (ko) * | 2020-08-04 | 2022-02-10 | 삼성전자 주식회사 | 손글씨 정렬 방법 및 장치 |
CN116048313A (zh) * | 2022-08-25 | 2023-05-02 | 荣耀终端有限公司 | 一种光标控制方法、光标控制设备及存储介质 |
-
2023
- 2023-06-08 CN CN202310671734.1A patent/CN116400831B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103809782A (zh) * | 2012-11-05 | 2014-05-21 | 宏碁股份有限公司 | 触碰位置补偿方法及装置 |
US20160139665A1 (en) * | 2014-11-14 | 2016-05-19 | The Eye Tribe Aps | Dynamic eye tracking calibration |
US9483129B1 (en) * | 2015-05-12 | 2016-11-01 | Atmel Corporation | Active stylus with fractional clock-cycle timing |
US20180088787A1 (en) * | 2016-09-23 | 2018-03-29 | Apple Inc. | Image data for enhanced user interactions |
CN111897423A (zh) * | 2020-07-14 | 2020-11-06 | 山东大学 | 一种基于mr鱼缸的精确触控交互方法及系统 |
WO2022030865A1 (ko) * | 2020-08-04 | 2022-02-10 | 삼성전자 주식회사 | 손글씨 정렬 방법 및 장치 |
CN116048313A (zh) * | 2022-08-25 | 2023-05-02 | 荣耀终端有限公司 | 一种光标控制方法、光标控制设备及存储介质 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117850653A (zh) * | 2024-03-04 | 2024-04-09 | 山东京运维科技有限公司 | 触摸显示屏的控制方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN116400831B (zh) | 2023-08-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110070074B (zh) | 一种构建行人检测模型的方法 | |
CN109858406B (zh) | 一种基于关节点信息的关键帧提取方法 | |
CN110232308B (zh) | 基于手部速度与轨迹分布的跟随机器人手势轨迹识别方法 | |
CN103543826A (zh) | 一种基于加速度传感器的手势识别方法 | |
Zhang et al. | Pedestrian detection method based on Faster R-CNN | |
CN116400831B (zh) | 一种无源电磁触控屏手写压力感应补偿算法 | |
CN109284779A (zh) | 基于深度全卷积网络的物体检测方法 | |
CN112464738B (zh) | 改进朴素贝叶斯算法基于手机传感器的用户行为识别方法 | |
CN109492596A (zh) | 一种基于K-means聚类和区域推荐网络的行人检测方法及系统 | |
CN109976526A (zh) | 一种基于表面肌电传感器和九轴传感器的手语识别方法 | |
CN106339071A (zh) | 一种行为识别方法及设备 | |
CN111368762A (zh) | 基于改进的K-means聚类算法的机器人手势识别方法 | |
CN108108015A (zh) | 一种基于手机陀螺仪和动态时间规整的动作手势识别方法 | |
CN110163130B (zh) | 一种用于手势识别的特征预对齐的随机森林分类系统及方法 | |
Yin | Object Detection Based on Deep Learning: A Brief Review | |
CN112751633B (zh) | 一种基于多尺度窗口滑动的宽带频谱检测方法 | |
CN109753922A (zh) | 基于稠密卷积神经网络的仿人机器人表情识别方法 | |
CN107688828B (zh) | 一种基于手机传感器的公交车拥挤程度估测方法 | |
CN109165576A (zh) | 一种运动状态识别方法及装置 | |
CN109784145A (zh) | 基于深度图的目标检测方法及存储介质 | |
CN112380903A (zh) | 一种基于WiFi-CSI信号增强的人体活动识别方法 | |
WO2023143498A1 (zh) | 火焰检测方法、装置、设备和存储介质 | |
CN109350072B (zh) | 一种基于人工神经网络的步频探测方法 | |
CN114601455A (zh) | 基于两级神经网络的运动识别方法 | |
CN115862639A (zh) | 一种基于k—均值聚类分析的人工智能语音分析方法 |
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 |