CN117193702A - 基于嵌入式播放器的播放控制方法及相关装置 - Google Patents
基于嵌入式播放器的播放控制方法及相关装置 Download PDFInfo
- Publication number
- CN117193702A CN117193702A CN202311003384.8A CN202311003384A CN117193702A CN 117193702 A CN117193702 A CN 117193702A CN 202311003384 A CN202311003384 A CN 202311003384A CN 117193702 A CN117193702 A CN 117193702A
- Authority
- CN
- China
- Prior art keywords
- player
- embedded
- data
- embedded player
- players
- 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
- 238000000034 method Methods 0.000 title claims abstract description 57
- 230000006399 behavior Effects 0.000 claims abstract description 118
- 238000013507 mapping Methods 0.000 claims abstract description 76
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 53
- 238000004458 analytical method Methods 0.000 claims abstract description 38
- 230000002787 reinforcement Effects 0.000 claims abstract description 31
- 238000000605 extraction Methods 0.000 claims abstract description 10
- 230000006870 function Effects 0.000 claims description 50
- 238000012545 processing Methods 0.000 claims description 45
- 230000007613 environmental effect Effects 0.000 claims description 40
- 238000001914 filtration Methods 0.000 claims description 34
- 238000004891 communication Methods 0.000 claims description 32
- 238000012549 training Methods 0.000 claims description 31
- 238000011156 evaluation Methods 0.000 claims description 22
- 238000010606 normalization Methods 0.000 claims description 17
- 238000009826 distribution Methods 0.000 claims description 16
- 238000003860 storage Methods 0.000 claims description 16
- 238000004364 calculation method Methods 0.000 claims description 8
- 238000010276 construction Methods 0.000 claims description 8
- 238000007405 data analysis Methods 0.000 claims description 6
- 238000013506 data mapping Methods 0.000 claims description 6
- 230000011218 segmentation Effects 0.000 claims description 6
- 230000008569 process Effects 0.000 description 20
- 238000005286 illumination Methods 0.000 description 18
- 230000005540 biological transmission Effects 0.000 description 16
- 238000005457 optimization Methods 0.000 description 10
- 230000003542 behavioural effect Effects 0.000 description 8
- 230000002452 interceptive effect Effects 0.000 description 7
- 230000000694 effects Effects 0.000 description 5
- 230000003993 interaction Effects 0.000 description 5
- 230000009471 action Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 238000000638 solvent extraction Methods 0.000 description 4
- 238000005206 flow analysis Methods 0.000 description 3
- 238000005259 measurement Methods 0.000 description 3
- 238000007781 pre-processing Methods 0.000 description 3
- 238000012098 association analyses Methods 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000000903 blocking effect Effects 0.000 description 1
- 230000003139 buffering effect Effects 0.000 description 1
- 238000007621 cluster analysis Methods 0.000 description 1
- 238000010411 cooking Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000013075 data extraction Methods 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000012417 linear regression Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000012067 mathematical method Methods 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 238000000691 measurement method 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
- 230000008447 perception Effects 0.000 description 1
- 230000002085 persistent effect Effects 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000010223 real-time analysis Methods 0.000 description 1
- 238000000611 regression analysis Methods 0.000 description 1
- 230000002040 relaxant effect Effects 0.000 description 1
- 238000010845 search algorithm Methods 0.000 description 1
- 238000011524 similarity measure Methods 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Landscapes
- Circuit For Audible Band Transducer (AREA)
Abstract
本发明涉及播放控制技术领域,公开了一种基于嵌入式播放器的播放控制方法及相关装置,用于提高基于嵌入式播放器的播放控制的准确率。包括:对每个嵌入式播放器进行光线数据采集得到光线强度数据,对多个嵌入式播放器进行亮度调整参数计算,得到亮度调整参数;构建目标位置云图;通过目标位置云图及信号强度构建映射关系,得到目标映射关系;对每个嵌入式播放器进行关联关系分析,得到设备关联关系,对多个嵌入式播放器进行群组划分,得到多个播放器群组并进行行为特征提取,得到行为特征集合,将行为特征集合输入强化学习算法进行迭代分析,得到目标播放参数集;基于亮度调整参数以及目标播放参数集对多个嵌入式播放器进行播放控制。
Description
技术领域
本发明涉及播放控制技术领域,尤其涉及一种基于嵌入式播放器的播放控制方法及相关装置。
背景技术
随着科技的不断发展和智能设备的普及,人们对于多设备之间的无缝互动和跨设备同步体验的需求不断增加。嵌入式播放器作为一种智能设备,被广泛应用于各种娱乐和通讯场景,如智能电视、手机、VR设备等。然而,目前的嵌入式播放器在多设备互动方面仍存在一些不足,比如互动体验不够流畅、播放参数调整不智能等问题。
传统的播放控制方法依赖于中央控制系统,数据传输量较大,容易造成网络拥堵和延迟,影响播放体验。目前的播放器互动体验不够智能化,很难根据不同环境的光线条件自动调整亮度,用户体验较差。多设备之间的同步和互动效果不够理想,存在一定程度的卡顿和延迟现象,影响用户观影体验。现有的播放器群组管理算法往往过于简单粗糙,没有考虑到不同设备之间的复杂关联关系,导致优化效果不理想。
发明内容
本发明提供了一种基于嵌入式播放器的播放控制方法及相关装置,用于提高基于嵌入式播放器的播放控制的准确率和效率。
本发明第一方面提供了一种基于嵌入式播放器的播放控制方法,所述基于嵌入式播放器的播放控制方法包括:
在预置的空间内设置多个嵌入式播放器,并通过每个所述嵌入式播放器中预置的传感器进行环境信息采集,得到每个所述嵌入式播放器的环境参数;
通过每个所述嵌入式播放器的环境参数对每个所述嵌入式播放器进行光线数据采集,得到每个所述嵌入式播放器对应的光线强度数据,并根据每个所述嵌入式播放器对应的光线强度数据对多个所述嵌入式播放器进行亮度调整参数计算,得到每个所述嵌入式播放器对应的亮度调整参数;
获取每个所述嵌入式播放器的位置信息,得到位置信息集合,并通过所述位置信息集合构建多个所述嵌入式播放器对应的目标位置云图;
采集每个所述嵌入式播放器的信号强度,并通过所述目标位置云图以及每个所述嵌入式播放器的信号强度构建映射关系,得到目标映射关系;
对每个所述嵌入式播放器进行关联关系分析,得到每两个所述嵌入式播放器对应的设备关联关系,并通过每两个所述嵌入式播放器对应的设备关联关系对多个所述嵌入式播放器进行群组划分,得到多个播放器群组;
对每个所述播放器群组进行行为特征提取,得到每个所述播放器群组的行为特征集合,其中,所述行为特征集合包括:通信频率以及数据交换量;
将每个所述播放器群组的行为特征集合输入预置的强化学习算法进行迭代分析,得到目标播放参数集;
基于每个所述嵌入式播放器对应的亮度调整参数以及所述目标播放参数集对多个所述嵌入式播放器进行播放控制。
结合第一方面,在本发明第一方面的第一实施方式中,所述通过每个所述嵌入式播放器的环境参数对每个所述嵌入式播放器进行光线数据采集,得到每个所述嵌入式播放器对应的光线强度数据,并根据每个所述嵌入式播放器对应的光线强度数据对多个所述嵌入式播放器进行亮度调整参数计算,得到每个所述嵌入式播放器对应的亮度调整参数,包括:
对每个所述嵌入式播放器的环境参数进行数据抽取,得到每个所述嵌入式播放器的亮度数据;
对每个所述嵌入式播放器的亮度数据进行数据滤波处理,得到每个所述嵌入式播放器的滤波亮度参数;
基于每个所述嵌入式播放器的滤波亮度参数进行光线数据映射,得到每个所述嵌入式播放器对应的光线强度数据;
根据每个所述嵌入式播放器对应的光线强度数据对多个所述嵌入式播放器进行亮度调整参数计算,得到每个所述嵌入式播放器对应的亮度调整参数。
结合第一方面的第一实施方式,在本发明第一方面的第二实施方式中,所述根据每个所述嵌入式播放器对应的光线强度数据对多个所述嵌入式播放器进行亮度调整参数计算,得到每个所述嵌入式播放器对应的亮度调整参数,包括:
对每个所述嵌入式播放器对应的光线强度数据进行亮度范围匹配,确定每个所述嵌入式播放器的播放亮度区间;
基于每个所述嵌入式播放器的播放亮度区间,对每个所述嵌入式播放器对应的光线强度数据进行强度归一化处理,得到每个所述嵌入式播放器的归一化强度数据;
对每个所述嵌入式播放器的归一化强度数据进行线性映射,得到每个所述嵌入式播放器的亮度调整参数,得到每个所述嵌入式播放器对应的亮度调整参数。
结合第一方面,在本发明第一方面的第三实施方式中,所述获取每个所述嵌入式播放器的位置信息,得到位置信息集合,并通过所述位置信息集合构建多个所述嵌入式播放器对应的目标位置云图,包括:
对每个所述嵌入式播放器进行坐标信息提取,得到每个所述嵌入式播放器的三维坐标数据;
对每个所述嵌入式播放器的三维坐标数据进行时间戳标记,得到对应的时间序列数据;
通过所述时间序列数据对每个所述嵌入式播放器进行位置信息匹配,得到候选位置信息;
对所述候选位置信息进行卡尔曼滤波处理,得到所述位置信息集合;
基于所述位置信息集合,对每个所述嵌入式播放器进行云图节点构建,得到多个云图节点;
对每个所述云图节点进行云图显示参数匹配,得到每个所述云图节点对应的云图显示参数;
基于每个所述图节点对应的云图显示参数构建多个所述嵌入式播放器对应的目标位置云图。
结合第一方面的第三实施方式,在本发明第一方面的第四实施方式中,所述采集每个所述嵌入式播放器的信号强度,并通过所述目标位置云图以及每个所述嵌入式播放器的信号强度构建映射关系,得到目标映射关系,包括:
采集每个所述嵌入式播放器的信号强度,同时,对所述目标位置云图进行位置分布分析,得到播放器位置分布数据;
对每个所述嵌入式播放器的信号强度进行归一化处理,得到每个所述嵌入式播放器的归一化信号强度数据;
对每个所述嵌入式播放器的归一化信号强度数据及每个所述云图节点进行数据匹配,得到多个匹配数据组;
对每个所述匹配数据组进行数据拟合,得到每个所述匹配数据组对应的映射函数;
基于每个所述匹配数据组对应的映射函数进行映射关系构建,得到所述目标映射关系。
结合第一方面,在本发明第一方面的第五实施方式中,所述对每个所述播放器群组进行行为特征提取,得到每个所述播放器群组的行为特征集合,其中,所述行为特征集合包括:通信频率以及数据交换量,包括:
对每个所述播放器群组进行数据流采集,得到每个所述播放器群组对应的数据流信息;
通过预置的增量算法对每个所述播放器群组的数据流信息进行数据分析,得到每个所述播放器群组对应的数据流特征;
对每个所述播放器群组对应的数据流特征进行特征分割,得到多个子特征集合;
对多个所述子特征集合进行行为特征映射,得到每个所述播放器群组的行为特征集合,其中,所述行为特征集合包括:通信频率以及数据交换量。
结合第一方面,在本发明第一方面的第六实施方式中,所述将每个所述播放器群组的行为特征集合输入预置的强化学习算法进行迭代分析,得到目标播放参数集,包括:
将每个所述播放器群组的行为特征集合输入预置的强化学习算法进行奖励函数匹配,得到目标奖励函数;
基于所述目标奖励函数构建多个迭代训练参数,并通过多个所述迭代训练参数对每个所述播放器群组的行为特征进行迭代训练,得到多个奖励数据集;
对多个所述奖励数据集进行行为评价,得到行为评价指标,通过所述行为评价指标进行播放参数计算,得到所述目标播放参数集。
本发明第二方面提供了一种基于嵌入式播放器的播放控制装置,所述基于嵌入式播放器的播放控制装置包括:
采集模块,用于在预置的空间内设置多个嵌入式播放器,并通过每个所述嵌入式播放器中预置的传感器进行环境信息采集,得到每个所述嵌入式播放器的环境参数;
计算模块,用于通过每个所述嵌入式播放器的环境参数对每个所述嵌入式播放器进行光线数据采集,得到每个所述嵌入式播放器对应的光线强度数据,并根据每个所述嵌入式播放器对应的光线强度数据对多个所述嵌入式播放器进行亮度调整参数计算,得到每个所述嵌入式播放器对应的亮度调整参数;
获取模块,用于获取每个所述嵌入式播放器的位置信息,得到位置信息集合,并通过所述位置信息集合构建多个所述嵌入式播放器对应的目标位置云图;
构建模块,用于采集每个所述嵌入式播放器的信号强度,并通过所述目标位置云图以及每个所述嵌入式播放器的信号强度构建映射关系,得到目标映射关系;
划分模块,用于对每个所述嵌入式播放器进行关联关系分析,得到每两个所述嵌入式播放器对应的设备关联关系,并通过每两个所述嵌入式播放器对应的设备关联关系对多个所述嵌入式播放器进行群组划分,得到多个播放器群组;
提取模块,用于对每个所述播放器群组进行行为特征提取,得到每个所述播放器群组的行为特征集合,其中,所述行为特征集合包括:通信频率以及数据交换量;
分析模块,用于将每个所述播放器群组的行为特征集合输入预置的强化学习算法进行迭代分析,得到目标播放参数集;
控制模块,用于基于每个所述嵌入式播放器对应的亮度调整参数以及所述目标播放参数集对多个所述嵌入式播放器进行播放控制。
本发明第三方面提供了一种基于嵌入式播放器的播放控制设备,包括:存储器和至少一个处理器,所述存储器中存储有指令;所述至少一个处理器调用所述存储器中的所述指令,以使得所述基于嵌入式播放器的播放控制设备执行上述的基于嵌入式播放器的播放控制方法。
本发明的第四方面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指令,当其在计算机上运行时,使得计算机执行上述的基于嵌入式播放器的播放控制方法。
本发明提供的技术方案中,通过采集每个嵌入式播放器的环境参数和光线强度数据,并计算亮度调整参数,可以实现对每个播放器的亮度进行智能调整,根据不同环境的光线条件自动调整亮度,提供更舒适的观影体验。通过获取每个嵌入式播放器的位置信息,构建目标位置云图,并基于信号强度构建映射关系,可以实现多个播放器之间的位置和信号的关联,从而实现多个嵌入式播放器之间的跨设备同步和互动体验,使用户在不同设备上可以无缝切换播放状态,获得更加流畅的观影体验。通过对每个播放器群组进行行为特征提取,并应用强化学习算法进行迭代分析,得到目标播放参数集,可以优化每个播放器群组的互动行为。群组行为优化可以减少冲突和干扰,提高数据传输效率,为用户提供更好的播放体验。将数据流分析和边缘计算结合,实现在边缘端进行实时数据处理和分析,减少数据传输量和延迟,降低对中央控制系统的依赖,提高数据处理效率和实时性,为系统提供更加稳定和高效的服务。
附图说明
图1为本发明实施例中基于嵌入式播放器的播放控制方法的一个实施例示意图;
图2为本发明实施例中根据每个嵌入式播放器对应的光线强度数据对多个嵌入式播放器进行亮度调整参数计算的流程图;
图3为本发明实施例中通过位置信息集合构建多个嵌入式播放器对应的目标位置云图的流程图;
图4为本发明实施例中通过目标位置云图以及每个嵌入式播放器的信号强度构建映射关系的流程图;
图5为本发明实施例中基于嵌入式播放器的播放控制装置的一个实施例示意图;
图6为本发明实施例中基于嵌入式播放器的播放控制设备的一个实施例示意图。
具体实施方式
本发明实施例提供了一种基于嵌入式播放器的播放控制方法及相关装置,用于提高基于嵌入式播放器的播放控制的准确率。
本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等(如果存在)是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的实施例能够以除了在这里图示或描述的内容以外的顺序实施。此外,术语“包括”或“具有”及其任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
为便于理解,下面对本发明实施例的具体流程进行描述,请参阅图1,本发明实施例中基于嵌入式播放器的播放控制方法的一个实施例包括:
S101、在预置的空间内设置多个嵌入式播放器,并通过每个嵌入式播放器中预置的传感器进行环境信息采集,得到每个嵌入式播放器的环境参数;
可以理解的是,本发明的执行主体可以为基于嵌入式播放器的播放控制装置,还可以是终端或者服务器,具体此处不做限定。本发明实施例以服务器为执行主体为例进行说明。
具体的,服务器在预置的空间内设置多个嵌入式播放器。这些嵌入式播放器可以是智能音箱、音频模块或其他嵌入式音频设备。根据实际需求和场景规模,决定播放器的数量和布置位置。播放器需要预留接口或插槽用于集成传感器。为了采集环境信息,每个嵌入式播放器需要配备合适的传感器。常用的传感器包括光线传感器、温度传感器、湿度传感器、声音传感器等。根据场景的需求,选择适合的传感器,并将其嵌入到嵌入式播放器中,或通过接口与播放器进行连接。嵌入式播放器中的传感器会定期或实时地采集环境信息。采集到的原始数据将传输到播放器的控制单元。在控制单元中,对传感器采集的原始数据进行预处理,包括噪声滤除、数据校准和数据归一化等,以确保数据的准确性和稳定性。经过数据预处理后,控制单元将根据传感器数据计算得到每个嵌入式播放器的环境参数。例如,根据光线传感器的数据计算光线强度,根据温度传感器和湿度传感器的数据计算室内温度和湿度,根据声音传感器的数据计算环境噪声水平等。得到环境参数后,可以将这些数据存储在嵌入式播放器的本地存储器中,也可以通过网络连接上传到云端服务器。存储环境参数的历史数据和定期更新数据,有助于系统的后续分析和优化。基于每个嵌入式播放器的环境参数,可以实现智能化的播放控制。根据环境信息,自动调整播放器的音量、音质、背光亮度等设置,以提供更符合用户需求的音频体验。例如,在光线较暗的环境下,播放器可以自动增加屏幕亮度和音量,以提高用户体验。例如,假设服务器在一个智能家居场景中实施该方法。服务器预置了三个嵌入式音频播放器,每个播放器都配备了光线传感器、温度传感器和声音传感器。在白天,阳光充足,室内温度适宜,周围环境存在一定噪声。每个嵌入式播放器定期采集环境信息,传感器数据被传输到播放器的控制单元。在控制单元中,原始数据经过滤波、校准和归一化等处理,得到每个播放器的环境参数。例如,播放器1获得较高的光线强度、适宜的温度、适中的声音;播放器2获得适中的光线强度、较高的温度、较大的声音;播放器3获得较高的光线强度、适宜的温度、较小的声音。根据环境参数,智能播放控制系统会自动调整每个嵌入式播放器的音量和背光亮度。对于播放器1,系统会适当提高音量和背光亮度,使用户在较高光线下仍然能够享受清晰的音乐体验;对于播放器2,系统会降低音量和背光亮度,以适应较大的噪声和温度;对于播放器3,系统会调整音量和背光亮度,以提供舒适的音频体验。嵌入式播放器能够根据环境实时调整,为用户提供更加智能化的音频体验,并通过节能优化,提高整个智能家居系统的智能化程度。
S102、通过每个嵌入式播放器的环境参数对每个嵌入式播放器进行光线数据采集,得到每个嵌入式播放器对应的光线强度数据,并根据每个嵌入式播放器对应的光线强度数据对多个嵌入式播放器进行亮度调整参数计算,得到每个嵌入式播放器对应的亮度调整参数;
具体的,针对每个嵌入式播放器,从其环境参数中抽取与光线有关的数据,比如光线传感器采集的原始光线强度值。对这些数据进行滤波处理,以消除数据中的噪声和不稳定性。滤波可以采用常见的数字信号处理技术,例如移动平均滤波或滑动窗口滤波,确保得到的亮度数据具有一定的平滑性和稳定性。得到经过滤波处理的亮度数据后,将这些数据映射到合适的范围,以便与实际光线强度对应。这个过程可以根据光线传感器的特性和光线强度的量测范围来进行。例如,光线传感器输出0到100的原始数据,而实际光线强度范围是0到1000勒克斯。因此,需要将0到100的数据映射到0到1000的范围内,以得到真实的光线强度数据。根据每个嵌入式播放器的映射后的光线强度数据,计算相应的亮度调整参数。这些参数可以是一系列数值,用来表示在不同光线条件下播放器的亮度调整水平。例如,当光线较弱时,亮度调整参数是+50,表示需要增加播放器的背光亮度50个单位;当光线较强时,亮度调整参数是-30,表示需要降低播放器的背光亮度30个单位。这些参数的值可以根据实际情况和用户需求进行设定。例如,考虑一个智能办公室场景,本实施例中,设置了多个嵌入式音频播放器。每个播放器都配备了光线传感器,并能感知周围的光线强度。假设现在办公室中的光线较强,播放器1的光线强度数据经过滤波处理和映射后,得到光线强度值为800勒克斯。通过亮度调整参数计算,确定播放器1的亮度调整参数为-20,表示需要降低其背光亮度20个单位。与此同时,办公室中的其他嵌入式播放器也采集到了相应的环境参数和光线强度数据。根据每个播放器的映射后的光线强度数据,计算得到它们的亮度调整参数。由于位置不同、光线感知情况不同,每个播放器的亮度调整参数也不尽相同。综合得到每个嵌入式播放器的亮度调整参数后,系统会自动调整每个播放器的亮度设置,以适应当前的光线环境。无论办公室的光线强度是较强还是较弱,每个嵌入式播放器都能根据自身的亮度调整参数,实现最佳的播放效果,提供用户更加舒适和高品质的音频体验。同时,该方法也有助于节约能源,使嵌入式播放器在不同光线条件下都能表现出最佳的效果。
针对每个嵌入式播放器,根据其设计规格和硬件特性,确定合适的播放亮度区间。这个播放亮度区间是由嵌入式播放器所支持的最小和最大亮度值构成的。例如,嵌入式播放器A支持的亮度范围是0到100,而嵌入式播放器B支持的亮度范围是50到200。根据每个嵌入式播放器的光线强度数据和对应的亮度范围,对光线强度数据进行强度归一化处理。旨在将不同嵌入式播放器的光线强度数据统一到0到1的范围内。归一化公式可以采用如下形式:归一化强度数据=(光线强度数据-最小亮度)/(最大亮度-最小亮度)。其中,最小亮度是嵌入式播放器的播放亮度区间的最小值,最大亮度是嵌入式播放器的播放亮度区间的最大值。得到归一化强度数据后,根据每个嵌入式播放器的播放亮度区间进行线性映射,将归一化强度数据映射到实际的亮度调整参数范围内。映射公式可以采用如下形式:亮度调整参数=归一化强度数据*(最大亮度调整值-最小亮度调整值)+最小亮度调整值。其中,最大亮度调整值是嵌入式播放器的亮度调整参数范围的最大值,最小亮度调整值是嵌入式播放器的亮度调整参数范围的最小值。例如,考虑一个智能展览馆的场景,本实施例中设置了多个嵌入式音频播放器用于提供音乐背景。每个播放器配备了光线传感器,并能感知周围的光线强度。假设现在展览馆中的光线强度数据如下:播放器A:光线强度数据为500勒克斯,播放亮度区间是0到100;播放器B:光线强度数据为300勒克斯,播放亮度区间是50到200;播放器C:光线强度数据为800勒克斯,播放亮度区间是0到150。根据每个嵌入式播放器的亮度范围,对光线强度数据进行强度归一化处理。假设播放器A的最小亮度是0,最大亮度是100,播放器B的最小亮度是50,最大亮度是200,播放器C的最小亮度是0,最大亮度是150。进行归一化处理后:播放器A:归一化强度数据=(500-0)/(100-0)=5;播放器B:归一化强度数据=(300-50)/(200-50)=2;播放器C:归一化强度数据=(800-0)/(150-0)=5.33。根据每个播放器的亮度调整参数范围进行线性映射。假设播放器A的最小亮度调整值是-20,最大亮度调整值是+20,播放器B的最小亮度调整值是-30,最大亮度调整值是+30,播放器C的最小亮度调整值是-10,最大亮度调整值是+10。进行线性映射后:播放器A:亮度调整参数=5*(20-(-20))+(-20)=100;播放器B:亮度调整参数=2*(30-(-30))+(-30)=60;播放器C:亮度调整参数=5.33*(10-(-10))+(-10)=46.6。本实施例中,环境光线强度自动调整亮度,从而提供更好的音频体验,并在展览馆中创造出更舒适的氛围。
S103、获取每个嵌入式播放器的位置信息,得到位置信息集合,并通过位置信息集合构建多个嵌入式播放器对应的目标位置云图;
具体的,对每个嵌入式播放器进行坐标信息提取,得到每个嵌入式播放器的三维坐标数据(如x、y、z坐标)。同时,对这些坐标数据进行时间戳标记,以获得对应的时间序列数据。时间戳标记可以使用系统的时间戳或者定时器来记录位置信息的采集时间。通过时间序列数据对每个嵌入式播放器进行位置信息匹配。位置信息匹配是为了确定嵌入式播放器在同一时刻所处的位置。在智能化的场景中,会采用蓝牙定位、Wi-Fi信号强度定位、或者其他传感器技术进行位置匹配。通过匹配,可以得到候选位置信息,即在同一时刻每个嵌入式播放器的位置的候选值。对候选位置信息进行卡尔曼滤波处理。卡尔曼滤波是一种用于估计系统状态的优化算法,它可以在存在噪声和不确定性的情况下,对测量数据进行滤波和预测,从而得到更准确和稳定的状态估计值。通过卡尔曼滤波处理后,可以得到每个嵌入式播放器的位置信息集合,这些位置信息具有较高的准确性和可靠性。基于位置信息集合,对每个嵌入式播放器进行云图节点构建。云图是指将多个节点(这里指嵌入式播放器)以图形方式表示,并表示它们之间的关系。本实施例中,每个嵌入式播放器都是一个节点,并与其他节点有着关联关系。云图节点的构建可以采用图论算法,如最小生成树算法或深度优先搜索算法,来确定节点之间的连接关系。对每个云图节点进行云图显示参数匹配。云图显示参数是指每个嵌入式播放器在云图上显示的位置、大小、形状等参数。这些参数可以根据节点之间的距离、位置信息的准确性、播放器的功能等进行匹配,以使云图显示更符合实际需求和用户体验。基于每个云图节点对应的云图显示参数,构建多个嵌入式播放器对应的目标位置云图。目标位置云图是整个系统的视觉化显示,展示了多个嵌入式播放器在预置空间中的位置和相互关系。通过目标位置云图,用户可以直观地了解每个嵌入式播放器的位置,以便更方便地进行播放控制。例如,考虑一个智能展览馆的场景,展览馆中设置了多个嵌入式音频播放器用于提供音乐背景。每个播放器都配备了蓝牙定位模块,可以获取自身的位置信息。在展览馆开放时,所有嵌入式播放器会周期性地发送带有时间戳的位置信息数据到中央控制系统。中央控制系统接收到这些位置信息数据后,会进行位置信息匹配和卡尔曼滤波处理,以提高位置信息的准确性。根据嵌入式播放器的位置信息集合构建云图节点,并根据节点之间的关系进行云图显示参数匹配。中央控制系统将根据每个节点的云图显示参数构建目标位置云图,展示多个嵌入式播放器在展览馆中的位置分布和互动关系。通过这个目标位置云图,展馆工作人员可以轻松了解每个播放器的位置和状态,及时调整播放器的音乐内容和音量,以提供更好的音频体验和展览馆氛围。同时,这个系统也可以帮助优化播放器的布局,以提高整体的音乐覆盖范围和效果。
S104、采集每个嵌入式播放器的信号强度,并通过目标位置云图以及每个嵌入式播放器的信号强度构建映射关系,得到目标映射关系;
具体的,对每个嵌入式播放器进行信号强度采集。信号强度可以是蓝牙信号强度、Wi-Fi信号强度等,这些信号可以用于估计嵌入式播放器与其他设备的距离或相对位置。同时,对目标位置云图进行位置分布分析,获取云图节点的位置分布数据,这些位置分布数据反映了每个节点在预置空间中的位置信息。对每个嵌入式播放器的信号强度数据进行归一化处理,将信号强度数据统一映射到0到1的范围内。这样做是为了消除不同嵌入式播放器之间信号强度的量纲差异,使得数据处理更加统一和便捷。将归一化后的信号强度数据与目标位置云图节点进行数据匹配。这里需要考虑信号强度数据与云图节点位置的相关性。采用距离匹配、最近邻匹配或其他相似性度量方法来找到每个嵌入式播放器与云图节点之间的匹配数据组。对每个匹配数据组进行数据拟合,得到每个匹配数据组对应的映射函数。数据拟合可以采用回归分析、多项式拟合或其他适合的数学模型,以找到信号强度数据和位置信息之间的映射关系。基于每个匹配数据组对应的映射函数,构建目标映射关系。这个映射关系可以用于将信号强度数据映射到实际的位置信息,或者反过来将位置信息映射到信号强度数据。就可以通过信号强度数据推测嵌入式播放器的位置,或者通过位置信息来优化信号强度的接收,从而实现更智能化的播放控制。例如,考虑一个智能家居场景,在家里设置了多个嵌入式音频播放器。每个播放器都支持蓝牙连接,并配备了蓝牙信号强度检测功能。现在家里有一个目标位置云图,展示了每个播放器在不同房间中的位置。家里的中央控制系统会定期采集每个播放器的蓝牙信号强度数据,并进行归一化处理。中央控制系统将归一化后的信号强度数据与目标位置云图节点进行数据匹配,找到每个播放器与对应节点的匹配数据组。通过拟合这些匹配数据组,得到每个匹配数据组对应的映射函数。通过这些映射函数,中央控制系统可以根据蓝牙信号强度数据推测每个播放器的位置,从而知道哪个播放器位于哪个房间。例如,当中央控制系统接收到播放器A的蓝牙信号强度数据,并根据映射函数计算得知信号强度对应目标位置云图节点B,系统就能判断播放器A位于对应的房间,然后调整播放器A的音乐内容或音量,以提供更符合场景的音频体验。通过这种智能化的信号强度映射关系,智能家居系统可以实现更精准和便捷的播放控制。
S105、对每个嵌入式播放器进行关联关系分析,得到每两个嵌入式播放器对应的设备关联关系,并通过每两个嵌入式播放器对应的设备关联关系对多个嵌入式播放器进行群组划分,得到多个播放器群组;
具体的,对每个嵌入式播放器进行关联关系分析。关联关系可以基于多种因素来确定,例如位置相近、功能类似、用户偏好相似等。具体分析方法可以采用聚类分析、相似性度量方法等。通过关联关系分析,得到每两个嵌入式播放器之间的设备关联关系。这些关联关系可以形成一个关联矩阵,矩阵中的元素表示两个嵌入式播放器之间是否存在关联。基于设备关联关系,对多个嵌入式播放器进行群组划分。群组划分可以采用图论中的图分割算法,例如最小割算法、谱聚类算法等。这些算法可以将嵌入式播放器划分成多个子集,每个子集即为一个播放器群组。在划分过程中,要确保群组内的嵌入式播放器之间存在紧密的关联,而群组之间的关联较弱。通过群组划分,得到多个播放器群组。每个播放器群组中的嵌入式播放器具有相似的特点或功能,且相互之间存在较强的关联。这样的划分可以使得播放器群组内的播放器共同协作,提供更协调和个性化的音频播放服务。例如,考虑一个智能餐厅的场景,该餐厅中设置了多个嵌入式音频播放器。这些播放器被安装在不同的区域,如用餐区、休息区、厨房等,并且具有不同的功能,如背景音乐播放、菜品介绍、服务提醒等。此外,每个区域的用户偏好也不同。本实施例中,中央控制系统通过每个嵌入式播放器的传感器收集环境信息和用户行为数据。通过分析这些数据,可以确定每两个嵌入式播放器之间的关联关系。例如,用餐区的两个播放器之间存在较强的关联,因为它们都是用于播放背景音乐,而厨房和休息区的播放器之间的关联较弱,因为它们的功能和用途不同。基于关联关系分析的结果,中央控制系统可以将嵌入式播放器划分成多个播放器群组。比如,将用餐区的播放器组成一个群组,厨房的播放器组成另一个群组,休息区的播放器组成第三个群组。每个群组中的播放器具有相似的功能和用途,并且可以根据用户的偏好进行个性化的音频播放控制。例如,在用餐区群组中,根据用户偏好和用餐时间,中央控制系统可以调整背景音乐的风格和音量,以提供更舒适和愉悦的用餐体验。而在厨房群组中,可以根据厨师的需求,播放菜品介绍和食材准备的提示音。在休息区群组中,可以播放放松音乐,帮助顾客放松身心。通过这样的嵌入式播放器关联关系分析和群组划分,智能餐厅可以提供更智能、个性化的音频播放服务,提升顾客体验和场所氛围。
S106、对每个播放器群组进行行为特征提取,得到每个播放器群组的行为特征集合,其中,行为特征集合包括:通信频率以及数据交换量;
具体的,对每个播放器群组进行数据流采集。数据流是指嵌入式播放器群组之间进行通信和数据交换的信息流。可以通过网络监测工具或传感器来实时采集数据流信息。这些数据流信息包括播放器之间的通信请求、数据包传输等。通过预置的增量算法对每个播放器群组的数据流信息进行数据分析。增量算法是一种实时处理数据的算法,可以对数据流进行实时处理和分析。在这个步骤中,可以统计每个播放器群组的通信频率和数据交换量。通信频率指的是群组内播放器之间进行通信的次数,而数据交换量指的是数据包的传输量。对每个播放器群组对应的数据流特征进行特征分割。特征分割是指将数据流特征分解成多个子特征集合。例如,可以将通信频率和数据交换量分别作为子特征集合。对多个子特征集合进行行为特征映射,得到每个播放器群组的行为特征集合。行为特征映射是为了更好地理解每个群组的行为模式。可以采用统计学方法、机器学习算法或专家经验来映射子特征集合到最终的行为特征集合。例如,可以采用聚类算法将通信频率和数据交换量映射到不同的行为类别,从而确定每个群组的行为特征。例如,考虑一个智能音频广播系统的场景,该系统包含多个嵌入式音频播放器群组。每个群组中的播放器通过无线网络进行通信和数据交换,以协调音频播放和提供更好的音频体验。每个播放器群组负责一个特定区域的音频服务,例如展览厅、休息区和会议室。本实施例中,中央控制系统通过网络监测工具实时采集每个播放器群组之间的数据流信息。通过预置的增量算法,对数据流进行实时分析,得到每个群组的通信频率和数据交换量。将这些数据流特征进行特征分割,得到通信频率和数据交换量两个子特征集合。接着,通过聚类算法将通信频率和数据交换量映射到不同的行为类别。例如,可以将群组A映射为高频率通信且数据交换量较大的群组,表示该群组内的播放器之间频繁进行通信并传输大量数据。而群组B映射为低频率通信且数据交换量较小的群组,表示该群组内的播放器之间通信较少且传输的数据量较少。通过行为特征映射,中央控制系统可以了解每个群组的行为模式,根据这些行为特征集合,进行更智能化和个性化的音频播放控制。例如,对于高频率通信且数据交换量较大的群组,需要增加音频缓存和网络带宽,以保证音频数据传输的稳定性和流畅性。而对于低频率通信且数据交换量较小的群组,可以适当减少网络资源的占用,以节约能源和提高整体系统效率。通过这样的智能播放控制,音频广播系统可以提供更高效和个性化的音频服务。
S107、将每个播放器群组的行为特征集合输入预置的强化学习算法进行迭代分析,得到目标播放参数集;
具体的,将每个播放器群组的行为特征集合输入预置的强化学习算法进行奖励函数匹配。奖励函数是强化学习中的关键组成部分,它用于评估每个行为动作的优劣程度。通过奖励函数匹配,强化学习算法将根据群组的行为特征集合来评估群组当前的状态和所采取的行为,从而得到目标奖励函数。基于目标奖励函数,构建多个迭代训练参数。迭代训练参数是强化学习算法中的调节参数,它们决定了学习过程中权重的更新方式。通过调整迭代训练参数,可以影响强化学习算法的学习速度和收敛性。这些参数包括学习率、折扣因子等。使用多个迭代训练参数,对每个播放器群组的行为特征进行迭代训练。迭代训练是强化学习的核心过程,它通过与环境的交互来不断更新策略,以优化目标奖励函数的最大化。在每次迭代中,强化学习算法将根据当前状态和奖励函数,选择下一步的行为,并更新策略以获得更高的奖励。对多个迭代训练得到的参数,得到多个奖励数据集。奖励数据集记录了在每次迭代训练中,播放器群组所获得的奖励值。这些奖励值反映了每个群组在不同状态下所采取的行为的优劣程度。对多个奖励数据集进行行为评价,得到行为评价指标。行为评价指标可以是平均奖励值、收敛速度等。通过行为评价指标,可以评估每个迭代训练参数的优劣,并选择最优的参数组合。根据行为评价指标,计算目标播放参数集。目标播放参数集是对每个播放器群组在当前环境下最优的播放参数配置。这些播放参数可以是音频播放的音量、音乐内容、播放模式等。例如,考虑一个智能家庭音频系统的场景,该系统中包含多个嵌入式音频播放器群组。每个群组负责一个特定区域的音频播放服务,例如客厅、卧室、厨房等。每个群组的行为特征包括通信频率和数据交换量。本实施例中,中央控制系统将每个播放器群组的行为特征集合输入预置的强化学习算法进行迭代分析。通过奖励函数匹配,强化学习算法将评估每个群组的状态和所采取的行为,得到目标奖励函数。基于多个迭代训练参数,对每个群组的行为特征进行迭代训练。在每次迭代中,算法会根据当前状态和奖励函数,选择下一步的行为,并更新策略以获得更高的奖励。通过多次迭代训练,得到多个奖励数据集。对这些奖励数据集进行行为评价,得到行为评价指标。例如,可以计算每个群组在不同迭代训练中获得的平均奖励值,并比较不同参数组合之间的收敛速度。根据行为评价指标,计算出每个群组的目标播放参数集。例如,在客厅群组中,如果观察到用户更喜欢在晚上播放舒缓的音乐,那么目标播放参数集会调整为在晚上增加舒缓音乐的播放频率和音量。而在厨房群组中,目标播放参数集会设置为在烹饪时间段播放食谱介绍的音频内容。通过这样的智能播放参数设置,音频系统可以提供更符合用户偏好的音频体验。
S108、基于每个嵌入式播放器对应的亮度调整参数以及目标播放参数集对多个嵌入式播放器进行播放控制。
需要说明的是,系统需要获取每个嵌入式播放器对应的亮度调整参数和目标播放参数集。亮度调整参数是通过之前的光线强度数据采集和处理得到的,它用于调节每个播放器的亮度级别。目标播放参数集是通过之前的强化学习算法得到的,它包含了每个播放器在当前环境下的最优播放配置。系统需要综合考虑每个嵌入式播放器的亮度调整参数和目标播放参数集。基于综合考虑的结果,系统制定播放策略。这个播放策略将根据每个嵌入式播放器的亮度调整参数和目标播放参数集,决定每个播放器在当前环境下的播放行为。例如,对于亮度调整参数较高的播放器,系统可以选择在光线较暗的情况下降低其亮度,以节省能源。对于目标播放参数集中设置了特定时间段播放特定类型音乐的播放器,系统将在对应的时间自动切换音乐内容。根据制定的播放策略,系统将广播播放指令到每个嵌入式播放器。这些指令包含了每个播放器的亮度调整参数和目标播放参数集,播放器根据指令进行相应的调节和控制。整个系统中的每个播放器都会按照智能化的策略来调整自己的亮度和播放行为。例如,考虑一个智能会议室的场景,该会议室中有多个嵌入式音频播放器和照明设备。每个播放器负责不同区域的音频播放,每个照明设备负责不同区域的照明调节。本实施例中,通过环境传感器采集会议室中的光线强度数据,并经过处理得到每个嵌入式播放器的亮度调整参数。同时,通过强化学习算法对每个嵌入式播放器的行为特征进行分析,得到目标播放参数集。例如,算法学习到在会议进行期间,应该选择播放安静的背景音乐,并根据会议的进程调整音量。系统将综合考虑每个嵌入式播放器的亮度调整参数和目标播放参数集。如果系统检测到某个播放器的亮度调整参数较高,表示该区域的光线较暗,系统将根据目标播放参数集选择适当的音乐,并降低该播放器的音量,以保持一个舒适的会议环境。如果系统发现另一个播放器对应的目标播放参数集为演讲时段播放讲话的录音,系统将根据亮度调整参数选择合适的照明模式,并保持该播放器的音量适中。系统将播放策略传输给每个嵌入式播放器和照明设备,使得每个播放器按照智能化的方式调节自己的亮度和音频播放行为,每个照明设备也根据智能化的策略调节自己的亮度,从而提供一个适合不同会议情境的智能化会议室环境。通过这样的智能播放控制,会议室可以提供更舒适和专业的音频和照明体验,增加会议的效率和参与度。
本发明实施例中,通过采集每个嵌入式播放器的环境参数和光线强度数据,并计算亮度调整参数,可以实现对每个播放器的亮度进行智能调整,根据不同环境的光线条件自动调整亮度,提供更舒适的观影体验。通过获取每个嵌入式播放器的位置信息,构建目标位置云图,并基于信号强度构建映射关系,可以实现多个播放器之间的位置和信号的关联,从而实现多个嵌入式播放器之间的跨设备同步和互动体验,使用户在不同设备上可以无缝切换播放状态,获得更加流畅的观影体验。通过对每个播放器群组进行行为特征提取,并应用强化学习算法进行迭代分析,得到目标播放参数集,可以优化每个播放器群组的互动行为。群组行为优化可以减少冲突和干扰,提高数据传输效率,为用户提供更好的播放体验。将数据流分析和边缘计算结合,实现在边缘端进行实时数据处理和分析,减少数据传输量和延迟,降低对中央控制系统的依赖,提高数据处理效率和实时性,为系统提供更加稳定和高效的服务。
在一具体实施例中,执行步骤S102的过程可以具体包括如下步骤:
(1)对每个嵌入式播放器的环境参数进行数据抽取,得到每个嵌入式播放器的亮度数据;
(2)对每个嵌入式播放器的亮度数据进行数据滤波处理,得到每个嵌入式播放器的滤波亮度参数;
(3)基于每个嵌入式播放器的滤波亮度参数进行光线数据映射,得到每个嵌入式播放器对应的光线强度数据;
(4)根据每个嵌入式播放器对应的光线强度数据对多个嵌入式播放器进行亮度调整参数计算,得到每个嵌入式播放器对应的亮度调整参数。
具体的,对于每个嵌入式播放器,通过预置的传感器进行环境信息采集,得到其对应的环境参数。环境参数可以包括光照强度、温度、湿度等信息,。将采集到的环境参数进行数据抽取和处理,得到每个嵌入式播放器的亮度数据。亮度数据反映了当前环境下该播放器所处的光照强度水平。由于环境参数存在噪声和波动,为了获得更加平滑和稳定的亮度数据,对每个嵌入式播放器的亮度数据进行数据滤波处理。滤波处理采用一些常见的滤波算法,如移动平均滤波或者卡尔曼滤波。滤波后得到每个嵌入式播放器的滤波亮度参数。基于每个嵌入式播放器的滤波亮度参数,进行光线数据映射。光线数据映射是将滤波亮度参数转换为对应的光线强度数据。这个映射过程使用一些已知的光照模型或者通过实验和校准得到。映射后,每个嵌入式播放器将有一个对应的光线强度数据,反映了当前环境中其所受到的光照强度。根据每个嵌入式播放器对应的光线强度数据,进行亮度调整参数计算。亮度调整参数是用于控制嵌入式播放器亮度的参数。计算方法可以根据实际应用场景和需求设计,涉及光照阈值设定、用户偏好、能耗控制等因素。通过计算,得到每个嵌入式播放器对应的亮度调整参数。例如,考虑一个智能办公室的场景,室内安装了多个嵌入式音频播放器和照明设备。传感器可以采集室内光照强度数据,并将其作为环境参数。每个嵌入式播放器与照明设备可以协同工作,根据环境光照自动调节自身的亮度和播放内容。本实施例中,假设室内光照强度数据经过数据抽取和滤波处理后得到每个嵌入式播放器的滤波亮度参数。假设播放器A的滤波亮度参数为0.7,播放器B的滤波亮度参数为0.5。通过光线数据映射,可以得到播放器A对应的光线强度为800lux,播放器B对应的光线强度为600lux。根据光线强度数据,可以计算每个播放器的亮度调整参数。假设本实施例中,室内光照强度超过700lux的区域被认为是光照充足的区域,不需要增加亮度。因此,播放器A的亮度调整参数设为0,保持不变。而室内光照强度低于700lux的区域需要增加亮度,因此播放器B的亮度调整参数设为0.2,表示增加20%的亮度。根据每个播放器的亮度调整参数,系统向每个嵌入式播放器发送相应的指令,播放器A保持当前亮度不变,播放器B增加亮度,以实现智能的光照控制。同时,根据目标播放参数集,播放器B会切换为播放愉快的音乐内容,提供更舒适的办公环境。
在一具体实施例中,如图2所示,执行根据每个嵌入式播放器对应的光线强度数据对多个嵌入式播放器进行亮度调整参数计算,得到每个嵌入式播放器对应的亮度调整参数步骤的过程可以具体包括如下步骤:
S201、对每个嵌入式播放器对应的光线强度数据进行亮度范围匹配,确定每个嵌入式播放器的播放亮度区间;
S202、基于每个嵌入式播放器的播放亮度区间,对每个嵌入式播放器对应的光线强度数据进行强度归一化处理,得到每个嵌入式播放器的归一化强度数据;
S203、对每个嵌入式播放器的归一化强度数据进行线性映射,得到每个嵌入式播放器的亮度调整参数,得到每个嵌入式播放器对应的亮度调整参数。
需要说明的是,对每个嵌入式播放器的光线强度数据进行亮度范围匹配,确定每个播放器的播放亮度区间。可以根据实际需求和用户偏好来设定,例如,在室内环境中,可以将亮度范围划分为几个级别,如低、中、高。根据这些级别,将每个嵌入式播放器的光线强度数据映射到对应的亮度范围内。基于每个嵌入式播放器的播放亮度区间,对其对应的光线强度数据进行强度归一化处理。这一步骤的目的是将不同范围内的光线强度数据统一到一个标准化的区间,通常是[0,1]之间。通过归一化处理,不同范围内的亮度数据可以进行直接比较,方便后续的处理。对每个嵌入式播放器的归一化强度数据进行线性映射,得到每个嵌入式播放器的亮度调整参数。线性映射是一种简单的映射方式,可以根据实际需求设计映射函数。例如,可以设定线性映射函数为y=kx+b,其中y为亮度调整参数,x为归一化强度数据,k和b为调节参数。根据这个映射函数,不同范围内的归一化强度数据将映射到对应的亮度调整参数。例如,考虑一个智能家居的场景,室内安装了多个嵌入式音频播放器和智能灯具。传感器可以采集室内光照强度数据,并将其作为环境参数。每个嵌入式播放器与灯具可以协同工作,根据环境光照自动调节自身的亮度和播放内容。假设室内光照强度数据经过亮度范围匹配后,得到每个嵌入式播放器的播放亮度区间。播放器A的光线强度数据匹配到低亮度范围,播放器B的光线强度数据匹配到中亮度范围,播放器C的光线强度数据匹配到高亮度范围。对播放器A、B和C的光线强度数据进行强度归一化处理,分别得到归一化强度数据为0.2、0.6和0.9。通过线性映射函数y=kx+b,设定参数k为0.5和b为0.5,对归一化强度数据进行映射,得到播放器A的亮度调整参数为0.6,播放器B的亮度调整参数为0.8,播放器C的亮度调整参数为0.95。根据每个嵌入式播放器的亮度调整参数,系统向每个嵌入式播放器和智能灯具发送相应的指令,实现智能调光和智能音频播放。播放器A和B将根据亮度调整参数自动调节自身的亮度和播放内容,而播放器C由于处于高亮度范围,将提供更加明亮的光照和愉快的音乐,营造一个舒适、温馨的居住环境。
在一具体实施例中,如图3所示,执行步骤S103的过程可以具体包括如下步骤:
S301、对每个嵌入式播放器进行坐标信息提取,得到每个嵌入式播放器的三维坐标数据;
S302、对每个嵌入式播放器的三维坐标数据进行时间戳标记,得到对应的时间序列数据;
S303、通过时间序列数据对每个嵌入式播放器进行位置信息匹配,得到候选位置信息;
S304、对候选位置信息进行卡尔曼滤波处理,得到位置信息集合;
S305、基于位置信息集合,对每个嵌入式播放器进行云图节点构建,得到多个云图节点;
S306、对每个云图节点进行云图显示参数匹配,得到每个云图节点对应的云图显示参数;
S307、基于每个图节点对应的云图显示参数构建多个嵌入式播放器对应的目标位置云图。
需要说明的是,对每个嵌入式播放器进行坐标信息提取。可以通过室内定位技术,如WiFi定位、蓝牙定位或者超声波定位等方式实现。通过这些定位技术,可以得到每个播放器在室内坐标系中的位置,即三维坐标数据。接着,对每个嵌入式播放器的三维坐标数据进行时间戳标记。时间戳是指在特定时间点对数据进行标记,用于后续的时间序列数据分析。通过时间戳标记,得到每个嵌入式播放器对应的时间序列数据,即坐标随时间的变化数据。通过时间序列数据对每个嵌入式播放器进行位置信息匹配。目的是将同一个嵌入式播放器在不同时间点获取的坐标数据匹配为一个整体,以便后续处理。匹配过程涉及到数据预处理、时间对齐等步骤,确保得到准确的位置信息。对候选位置信息进行卡尔曼滤波处理。卡尔曼滤波是一种用于估计状态的滤波算法,可以将测量数据与预测数据相结合,得到更加准确的估计值。在这里,卡尔曼滤波可以用于对嵌入式播放器的位置信息进行平滑处理,去除噪声和不确定性,得到更加稳定和可靠的位置信息。基于经过滤波处理的位置信息集合,对每个嵌入式播放器进行云图节点构建。云图节点是指在空间中对嵌入式播放器进行抽象和表示的节点。每个嵌入式播放器作为一个节点,其位置信息和其他相关信息构成了云图节点。对每个云图节点进行云图显示参数匹配。云图显示参数是指用于控制播放器播放行为的参数,如音量、播放内容、播放模式等。匹配过程可以根据节点的位置、周围环境、用户偏好等因素来确定每个节点的云图显示参数。基于每个云图节点对应的云图显示参数,构建多个嵌入式播放器对应的目标位置云图。目标位置云图是一个全局的视图,用于指导嵌入式播放器的智能播放控制。根据目标位置云图中的信息,系统可以实现对每个嵌入式播放器的播放内容、音量等播放控制。例如,考虑一个室内导航和音频播放场景,室内安装了多个嵌入式音频播放器和定位设备。通过定位设备,每个嵌入式播放器可以获取自己的三维坐标数据,并将其随时间进行记录。假设在某个时间点,嵌入式播放器A的坐标为(x1,y1,z1),时间戳为t1;在另一个时间点,坐标为(x2,y2,z2),时间戳为t2。通过时间序列数据对播放器A进行位置信息匹配,并应用卡尔曼滤波处理,得到平滑的位置信息。接着,对播放器A的位置信息进行云图节点构建,表示为节点A,根据节点A的位置和周围环境信息,匹配相应的云图显示参数,例如设置播放器A的音量和播放内容。类似地,对其他嵌入式播放器也进行相同的处理,构建相应的云图节点,并匹配云图显示参数。基于所有节点的云图显示参数,构建目标位置云图,它包含了所有嵌入式播放器的播放控制信息。根据目标位置云图,系统可以实现智能的导航和音频播放控制,例如在特定区域播放特定音频,根据用户的位置和移动轨迹调整音量等。通过这种方式,实现了基于嵌入式播放器的智能播放控制系统。
在一具体实施例中,如图4所示,执行步骤S104的过程可以具体包括如下步骤:
S401、采集每个嵌入式播放器的信号强度,同时,对目标位置云图进行位置分布分析,得到播放器位置分布数据;
S402、对每个嵌入式播放器的信号强度进行归一化处理,得到每个嵌入式播放器的归一化信号强度数据;
S403、对每个嵌入式播放器的归一化信号强度数据及每个云图节点进行数据匹配,得到多个匹配数据组;
S404、对每个匹配数据组进行数据拟合,得到每个匹配数据组对应的映射函数;
S405、基于每个匹配数据组对应的映射函数进行映射关系构建,得到目标映射关系。
在系统中预置传感器,用于采集嵌入式播放器的信号强度。这些传感器可以是蓝牙信号强度传感器、Wi-Fi信号强度传感器或其他适用的传感器。这些传感器将周期性地获取嵌入式播放器周围的信号强度数据。目标位置云图包含了嵌入式播放器的位置信息和其他相关信息。通过对目标位置云图进行位置分布分析,可以得到嵌入式播放器在室内空间的分布情况,包括每个区域内的播放器数量和密度等。将采集到的嵌入式播放器信号强度数据进行归一化处理。归一化可以使得不同播放器之间的信号强度数据具有一致的尺度,方便后续数据处理和分析。对每个嵌入式播放器的归一化信号强度数据和目标位置云图中的云图节点进行数据匹配。数据匹配的目的是找到每个嵌入式播放器在目标位置云图中对应的位置区域。对匹配的数据组进行数据拟合,得到每个匹配数据组对应的映射函数。数据拟合可以使用各种数学方法,如多项式拟合、线性回归等,来建立嵌入式播放器信号强度和位置分布数据之间的数学关系。基于每个匹配数据组对应的映射函数,构建嵌入式播放器信号强度和位置分布的映射关系。这个映射关系将嵌入式播放器的信号强度与其所处的位置区域相对应起来。例如,考虑一个智能音频导览系统,室内有多个嵌入式音频播放器和定位设备。通过定位设备,每个嵌入式播放器可以获取自己的信号强度和三维坐标数据。假设在某个时间点,嵌入式播放器A的信号强度为r1,归一化后为r1_norm,其坐标为(x1,y1,z1)。另一时间点,信号强度为r2,归一化后为r2_norm,坐标为(x2,y2,z2)。通过数据匹配和拟合,建立信号强度和位置分布之间的映射关系。例如,经过分析发现在区域A内,嵌入式播放器的信号强度随着距离中心点的距离增加而减小。根据拟合的映射函数,可以得到区域A内每个信号强度对应的位置信息。通过映射关系,系统可以根据嵌入式播放器的信号强度调整其对应区域内的音频播放参数,例如调整音量、选择播放内容等。就实现了基于信号强度和位置分布的智能音频导览系统。
在一具体实施例中,执行步骤S106的过程可以具体包括如下步骤:
(1)对每个播放器群组进行数据流采集,得到每个播放器群组对应的数据流信息;
(2)通过预置的增量算法对每个播放器群组的数据流信息进行数据分析,得到每个播放器群组对应的数据流特征;
(3)对每个播放器群组对应的数据流特征进行特征分割,得到多个子特征集合;
(4)对多个子特征集合进行行为特征映射,得到每个播放器群组的行为特征集合,其中,行为特征集合包括:通信频率以及数据交换量。
对每个播放器群组进行数据流采集,收集每个嵌入式播放器在特定时间段内的数据流信息。数据流信息可以包括音频播放量、数据传输量、网络通信频率等。通过预置的增量算法对每个播放器群组的数据流信息进行数据分析。增量算法是一种动态更新模型的方法,它可以实时处理新收集到的数据,保持模型的及时更新和适应性。将每个播放器群组对应的数据流特征进行分割,得到多个子特征集合。例如,可以将数据流特征分割为音频播放特征、数据传输特征和网络通信特征等子特征集合。对多个子特征集合进行行为特征映射,得到每个播放器群组的行为特征集合,其中包括通信频率以及数据交换量。行为特征映射是通过对子特征集合进行统计和分析,得出每个播放器群组的行为模式和特征。例如,考虑一个智能音频导览系统,在一个博物馆内部部署了多个嵌入式音频播放器,并将它们组织成若干个播放器群组。每个播放器群组位于不同的展厅或区域,它们的目标是为参观者提供相关的音频导览。系统每隔一段时间,对每个播放器群组进行数据流采集,记录每个播放器在该时间段内的音频播放量、数据传输量和网络通信频率。通过预置的增量算法,对每个播放器群组的数据流信息进行分析。例如,分析每个播放器群组的音频播放量是否与其所处的展厅流量有关。将数据流特征分割为音频播放特征、数据传输特征和网络通信特征等子特征集合。对每个子特征集合进行行为特征映射,得到每个播放器群组的行为特征集合。例如,某个播放器群组的音频播放量较高且数据传输频率较低,说明该群组所处的展厅拥有较多的音频内容,但相对较少的数据传输需求。通过行为特征集合的分析,系统可以根据不同播放器群组的特征,调整音频导览内容、播放模式和音频播放量,提供更智能化和个性化的音频导览服务。
在一具体实施例中,执行步骤S107的过程可以具体包括如下步骤:
(1)将每个播放器群组的行为特征集合输入预置的强化学习算法进行奖励函数匹配,得到目标奖励函数;
(2)基于目标奖励函数构建多个迭代训练参数,并通过多个迭代训练参数对每个播放器群组的行为特征进行迭代训练,得到多个奖励数据集;
(3)对多个奖励数据集进行行为评价,得到行为评价指标,通过行为评价指标进行播放参数计算,得到目标播放参数集。
具体的,将每个播放器群组的行为特征集合输入预置的强化学习算法进行奖励函数匹配。奖励函数是衡量行为的优劣的指标,通过与目标奖励函数进行匹配,系统可以根据行为特征集合给予每个播放器群组相应的奖励或惩罚。基于目标奖励函数,构建多个迭代训练参数,这些参数在强化学习的训练过程中会被动态调整。这些参数可以包括学习率、折扣因子、探索率等,它们影响着强化学习算法在不同阶段的行为决策。通过多个迭代训练参数对每个播放器群组的行为特征进行迭代训练。在每一轮训练中,系统根据当前状态和奖励函数进行决策,并更新模型的参数。随着训练的进行,播放器群组会逐渐优化其行为,以获取更高的累积奖励。经过多轮的迭代训练,每个播放器群组会得到多个奖励数据集,记录了每个行为决策的奖励值。这些奖励数据集可以用于后续的行为评价和参数优化。对多个奖励数据集进行行为评价,得到行为评价指标。行为评价指标可以是累积奖励、平均奖励或其他评价指标,用于衡量播放器群组的表现。通过行为评价指标对播放参数进行计算,得到目标播放参数集。目标播放参数集将用于调整播放器群组的行为,以实现系统的最优性能。例如,考虑一个智能音频导览系统,在博物馆内部署了多个嵌入式音频播放器,这些播放器组成了若干个播放器群组。通过强化学习算法,系统可以根据参观者的行为特征和反馈奖励,不断优化音频导览的播放策略。通过与预置的目标奖励函数进行匹配,判断参观者是否对音频导览的内容感兴趣、导览的准确性等因素进行奖励。设定学习率、折扣因子等参数,用于控制强化学习算法在训练过程中的调整幅度和策略优化程度。系统根据当前状态和奖励函数进行决策,调整播放器群组的行为,如音频内容、播放频率等,并更新模型参数。记录每个行为决策的奖励值,形成奖励数据集,用于后续的行为评价。通过对奖励数据集的评价,系统可以衡量播放器群组的表现,如是否能够吸引参观者的兴趣、提供准确的导览等。根据评价结果,调整播放参数,以实现更好的音频导览体验。例如,可以增加与参观者兴趣相关的音频内容,调整播放频率等。通过不断地迭代训练和优化,系统可以逐步提升播放器群组的性能,提供更智能化和个性化的音频导览服务,为参观者带来更好的体验和满意度。
上面对本发明实施例中基于嵌入式播放器的播放控制方法进行了描述,下面对本发明实施例中基于嵌入式播放器的播放控制装置进行描述,请参阅图5,本发明实施例中基于嵌入式播放器的播放控制装置一个实施例包括:
采集模块501,用于在预置的空间内设置多个嵌入式播放器,并通过每个嵌入式播放器中预置的传感器进行环境信息采集,得到每个嵌入式播放器的环境参数;
计算模块502,用于通过每个嵌入式播放器的环境参数对每个嵌入式播放器进行光线数据采集,得到每个嵌入式播放器对应的光线强度数据,并根据每个嵌入式播放器对应的光线强度数据对多个嵌入式播放器进行亮度调整参数计算,得到每个嵌入式播放器对应的亮度调整参数;
获取模块503,用于获取每个嵌入式播放器的位置信息,得到位置信息集合,并通过位置信息集合构建多个嵌入式播放器对应的目标位置云图;
构建模块504,用于采集每个嵌入式播放器的信号强度,并通过目标位置云图以及每个嵌入式播放器的信号强度构建映射关系,得到目标映射关系;
划分模块505,用于对每个嵌入式播放器进行关联关系分析,得到每两个嵌入式播放器对应的设备关联关系,并通过每两个嵌入式播放器对应的设备关联关系对多个嵌入式播放器进行群组划分,得到多个播放器群组;
提取模块506,用于对每个播放器群组进行行为特征提取,得到每个播放器群组的行为特征集合,其中,行为特征集合包括:通信频率以及数据交换量;
分析模块507,用于将每个播放器群组的行为特征集合输入预置的强化学习算法进行迭代分析,得到目标播放参数集;
控制模块508,用于基于每个嵌入式播放器对应的亮度调整参数以及目标播放参数集对多个嵌入式播放器进行播放控制。
通过上述各个组成部分的协同合作,通过采集每个嵌入式播放器的环境参数和光线强度数据,并计算亮度调整参数,可以实现对每个播放器的亮度进行智能调整,根据不同环境的光线条件自动调整亮度,提供更舒适的观影体验。通过获取每个嵌入式播放器的位置信息,构建目标位置云图,并基于信号强度构建映射关系,可以实现多个播放器之间的位置和信号的关联,从而实现多个嵌入式播放器之间的跨设备同步和互动体验,使用户在不同设备上可以无缝切换播放状态,获得更加流畅的观影体验。通过对每个播放器群组进行行为特征提取,并应用强化学习算法进行迭代分析,得到目标播放参数集,可以优化每个播放器群组的互动行为。群组行为优化可以减少冲突和干扰,提高数据传输效率,为用户提供更好的播放体验。将数据流分析和边缘计算结合,实现在边缘端进行实时数据处理和分析,减少数据传输量和延迟,降低对中央控制系统的依赖,提高数据处理效率和实时性,为系统提供更加稳定和高效的服务。
上面图5从模块化功能实体的角度对本发明实施例中的基于嵌入式播放器的播放控制装置进行详细描述,下面从硬件处理的角度对本发明实施例中基于嵌入式播放器的播放控制设备进行详细描述。
图6是本发明实施例提供的一种基于嵌入式播放器的播放控制设备的结构示意图,该基于嵌入式播放器的播放控制设备600可因配置或性能不同而产生比较大的差异,可以包括一个或一个以上处理器(central processing units,CPU)610(例如,一个或一个以上处理器)和存储器620,一个或一个以上存储应用程序633或数据632的存储介质630(例如一个或一个以上海量存储设备)。其中,存储器620和存储介质630可以是短暂存储或持久存储。存储在存储介质630的程序可以包括一个或一个以上模块(图示没标出),每个模块可以包括对基于嵌入式播放器的播放控制设备600中的一系列指令操作。更进一步地,处理器610可以设置为与存储介质630通信,在基于嵌入式播放器的播放控制设备600上执行存储介质630中的一系列指令操作。
基于嵌入式播放器的播放控制设备600还可以包括一个或一个以上电源640,一个或一个以上有线或无线网络接口650,一个或一个以上输入输出接口660,和/或,一个或一个以上操作系统631,例如Windows Server,Mac OS X,Unix,Linux,FreeBSD等等。本领域技术人员可以理解,图6示出的基于嵌入式播放器的播放控制设备结构并不构成对基于嵌入式播放器的播放控制设备的限定,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。
本发明还提供一种基于嵌入式播放器的播放控制设备,所述基于嵌入式播放器的播放控制设备包括存储器和处理器,存储器中存储有计算机可读指令,计算机可读指令被处理器执行时,使得处理器执行上述各实施例中的所述基于嵌入式播放器的播放控制方法的步骤。
本发明还提供一种计算机可读存储介质,该计算机可读存储介质可以为非易失性计算机可读存储介质,该计算机可读存储介质也可以为易失性计算机可读存储介质,所述计算机可读存储介质中存储有指令,当所述指令在计算机上运行时,使得计算机执行所述基于嵌入式播放器的播放控制方法的步骤。
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,上述描述的系统,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。
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通过时,可以存储在一个计算机可读取存储介质中。基于的理解,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(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。
以上所述,以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解: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,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (10)
1.一种基于嵌入式播放器的播放控制方法,其特征在于,方法包括:
在预置的空间内设置多个嵌入式播放器,并通过每个所述嵌入式播放器中预置的传感器进行环境信息采集,得到每个所述嵌入式播放器的环境参数;
通过每个所述嵌入式播放器的环境参数对每个所述嵌入式播放器进行光线数据采集,得到每个所述嵌入式播放器对应的光线强度数据,并根据每个所述嵌入式播放器对应的光线强度数据对多个所述嵌入式播放器进行亮度调整参数计算,得到每个所述嵌入式播放器对应的亮度调整参数;
获取每个所述嵌入式播放器的位置信息,得到位置信息集合,并通过所述位置信息集合构建多个所述嵌入式播放器对应的目标位置云图;
采集每个所述嵌入式播放器的信号强度,并通过所述目标位置云图以及每个所述嵌入式播放器的信号强度构建映射关系,得到目标映射关系;
对每个所述嵌入式播放器进行关联关系分析,得到每两个所述嵌入式播放器对应的设备关联关系,并通过每两个所述嵌入式播放器对应的设备关联关系对多个所述嵌入式播放器进行群组划分,得到多个播放器群组;
对每个所述播放器群组进行行为特征提取,得到每个所述播放器群组的行为特征集合,其中,所述行为特征集合包括:通信频率以及数据交换量;
将每个所述播放器群组的行为特征集合输入预置的强化学习算法进行迭代分析,得到目标播放参数集;
基于每个所述嵌入式播放器对应的亮度调整参数以及所述目标播放参数集对多个所述嵌入式播放器进行播放控制。
2.根据权利要求1所述的基于嵌入式播放器的播放控制方法,其特征在于,所述通过每个所述嵌入式播放器的环境参数对每个所述嵌入式播放器进行光线数据采集,得到每个所述嵌入式播放器对应的光线强度数据,并根据每个所述嵌入式播放器对应的光线强度数据对多个所述嵌入式播放器进行亮度调整参数计算,得到每个所述嵌入式播放器对应的亮度调整参数,包括:
对每个所述嵌入式播放器的环境参数进行数据抽取,得到每个所述嵌入式播放器的亮度数据;
对每个所述嵌入式播放器的亮度数据进行数据滤波处理,得到每个所述嵌入式播放器的滤波亮度参数;
基于每个所述嵌入式播放器的滤波亮度参数进行光线数据映射,得到每个所述嵌入式播放器对应的光线强度数据;
根据每个所述嵌入式播放器对应的光线强度数据对多个所述嵌入式播放器进行亮度调整参数计算,得到每个所述嵌入式播放器对应的亮度调整参数。
3.根据权利要求2所述的基于嵌入式播放器的播放控制方法,其特征在于,所述根据每个所述嵌入式播放器对应的光线强度数据对多个所述嵌入式播放器进行亮度调整参数计算,得到每个所述嵌入式播放器对应的亮度调整参数,包括:
对每个所述嵌入式播放器对应的光线强度数据进行亮度范围匹配,确定每个所述嵌入式播放器的播放亮度区间;
基于每个所述嵌入式播放器的播放亮度区间,对每个所述嵌入式播放器对应的光线强度数据进行强度归一化处理,得到每个所述嵌入式播放器的归一化强度数据;
对每个所述嵌入式播放器的归一化强度数据进行线性映射,得到每个所述嵌入式播放器的亮度调整参数,得到每个所述嵌入式播放器对应的亮度调整参数。
4.根据权利要求1所述的基于嵌入式播放器的播放控制方法,其特征在于,所述获取每个所述嵌入式播放器的位置信息,得到位置信息集合,并通过所述位置信息集合构建多个所述嵌入式播放器对应的目标位置云图,包括:
对每个所述嵌入式播放器进行坐标信息提取,得到每个所述嵌入式播放器的三维坐标数据;
对每个所述嵌入式播放器的三维坐标数据进行时间戳标记,得到对应的时间序列数据;
通过所述时间序列数据对每个所述嵌入式播放器进行位置信息匹配,得到候选位置信息;
对所述候选位置信息进行卡尔曼滤波处理,得到所述位置信息集合;
基于所述位置信息集合,对每个所述嵌入式播放器进行云图节点构建,得到多个云图节点;
对每个所述云图节点进行云图显示参数匹配,得到每个所述云图节点对应的云图显示参数;
基于每个所述图节点对应的云图显示参数构建多个所述嵌入式播放器对应的目标位置云图。
5.根据权利要求4所述的基于嵌入式播放器的播放控制方法,其特征在于,所述采集每个所述嵌入式播放器的信号强度,并通过所述目标位置云图以及每个所述嵌入式播放器的信号强度构建映射关系,得到目标映射关系,包括:
采集每个所述嵌入式播放器的信号强度,同时,对所述目标位置云图进行位置分布分析,得到播放器位置分布数据;
对每个所述嵌入式播放器的信号强度进行归一化处理,得到每个所述嵌入式播放器的归一化信号强度数据;
对每个所述嵌入式播放器的归一化信号强度数据及每个所述云图节点进行数据匹配,得到多个匹配数据组;
对每个所述匹配数据组进行数据拟合,得到每个所述匹配数据组对应的映射函数;
基于每个所述匹配数据组对应的映射函数进行映射关系构建,得到所述目标映射关系。
6.根据权利要求1所述的基于嵌入式播放器的播放控制方法,其特征在于,所述对每个所述播放器群组进行行为特征提取,得到每个所述播放器群组的行为特征集合,其中,所述行为特征集合包括:通信频率以及数据交换量,包括:
对每个所述播放器群组进行数据流采集,得到每个所述播放器群组对应的数据流信息;
通过预置的增量算法对每个所述播放器群组的数据流信息进行数据分析,得到每个所述播放器群组对应的数据流特征;
对每个所述播放器群组对应的数据流特征进行特征分割,得到多个子特征集合;
对多个所述子特征集合进行行为特征映射,得到每个所述播放器群组的行为特征集合,其中,所述行为特征集合包括:通信频率以及数据交换量。
7.根据权利要求1所述的基于嵌入式播放器的播放控制方法,其特征在于,所述将每个所述播放器群组的行为特征集合输入预置的强化学习算法进行迭代分析,得到目标播放参数集,包括:
将每个所述播放器群组的行为特征集合输入预置的强化学习算法进行奖励函数匹配,得到目标奖励函数;
基于所述目标奖励函数构建多个迭代训练参数,并通过多个所述迭代训练参数对每个所述播放器群组的行为特征进行迭代训练,得到多个奖励数据集;
对多个所述奖励数据集进行行为评价,得到行为评价指标,通过所述行为评价指标进行播放参数计算,得到所述目标播放参数集。
8.一种基于嵌入式播放器的播放控制装置,其特征在于,所述基于嵌入式播放器的播放控制装置包括:
采集模块,用于在预置的空间内设置多个嵌入式播放器,并通过每个所述嵌入式播放器中预置的传感器进行环境信息采集,得到每个所述嵌入式播放器的环境参数;
计算模块,用于通过每个所述嵌入式播放器的环境参数对每个所述嵌入式播放器进行光线数据采集,得到每个所述嵌入式播放器对应的光线强度数据,并根据每个所述嵌入式播放器对应的光线强度数据对多个所述嵌入式播放器进行亮度调整参数计算,得到每个所述嵌入式播放器对应的亮度调整参数;
获取模块,用于获取每个所述嵌入式播放器的位置信息,得到位置信息集合,并通过所述位置信息集合构建多个所述嵌入式播放器对应的目标位置云图;
构建模块,用于采集每个所述嵌入式播放器的信号强度,并通过所述目标位置云图以及每个所述嵌入式播放器的信号强度构建映射关系,得到目标映射关系;
划分模块,用于对每个所述嵌入式播放器进行关联关系分析,得到每两个所述嵌入式播放器对应的设备关联关系,并通过每两个所述嵌入式播放器对应的设备关联关系对多个所述嵌入式播放器进行群组划分,得到多个播放器群组;
提取模块,用于对每个所述播放器群组进行行为特征提取,得到每个所述播放器群组的行为特征集合,其中,所述行为特征集合包括:通信频率以及数据交换量;
分析模块,用于将每个所述播放器群组的行为特征集合输入预置的强化学习算法进行迭代分析,得到目标播放参数集;
控制模块,用于基于每个所述嵌入式播放器对应的亮度调整参数以及所述目标播放参数集对多个所述嵌入式播放器进行播放控制。
9.一种基于嵌入式播放器的播放控制设备,其特征在于,所述基于嵌入式播放器的播放控制设备包括:存储器和至少一个处理器,所述存储器中存储有指令;
所述至少一个处理器调用所述存储器中的所述指令,以使得所述基于嵌入式播放器的播放控制设备执行如权利要求1-7中任一项所述的基于嵌入式播放器的播放控制方法。
10.一种计算机可读存储介质,所述计算机可读存储介质上存储有指令,其特征在于,所述指令被处理器执行时实现如权利要求1-7中任一项所述的基于嵌入式播放器的播放控制方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311003384.8A CN117193702B (zh) | 2023-08-10 | 2023-08-10 | 基于嵌入式播放器的播放控制方法及相关装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311003384.8A CN117193702B (zh) | 2023-08-10 | 2023-08-10 | 基于嵌入式播放器的播放控制方法及相关装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117193702A true CN117193702A (zh) | 2023-12-08 |
CN117193702B CN117193702B (zh) | 2024-06-11 |
Family
ID=88991471
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311003384.8A Active CN117193702B (zh) | 2023-08-10 | 2023-08-10 | 基于嵌入式播放器的播放控制方法及相关装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117193702B (zh) |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104869523A (zh) * | 2014-02-26 | 2015-08-26 | 北京三星通信技术研究有限公司 | 虚拟多声道播放音频文件的方法、终端及系统 |
CN106507240A (zh) * | 2015-09-04 | 2017-03-15 | 音乐集团公司 | 一种将扬声器系统的扬声器的物理位置关联至扬声器标识符的方法 |
CN109831735A (zh) * | 2019-01-11 | 2019-05-31 | 歌尔科技有限公司 | 适于室内环境的音频播放方法、设备、系统及存储介质 |
CN110377265A (zh) * | 2019-06-24 | 2019-10-25 | 贵安新区新特电动汽车工业有限公司 | 声音播放方法及装置 |
CN110535735A (zh) * | 2019-08-15 | 2019-12-03 | 青岛海尔科技有限公司 | 基于物联网操作系统的播放设备控制方法和装置 |
CN113411725A (zh) * | 2021-06-25 | 2021-09-17 | Oppo广东移动通信有限公司 | 音频播放方法、装置、移动终端及存储介质 |
CN114866948A (zh) * | 2022-04-26 | 2022-08-05 | 北京奇艺世纪科技有限公司 | 一种音频处理方法、装置、电子设备和可读存储介质 |
US20230209294A1 (en) * | 2021-12-27 | 2023-06-29 | Spatialx Inc. | Audio space simulation in a localized audio environment |
CN116430748A (zh) * | 2023-06-14 | 2023-07-14 | 深圳市华科科技有限公司 | 一种基于智能设备的节能控制方法及系统 |
CN116456247A (zh) * | 2023-03-03 | 2023-07-18 | 安声(重庆)电子科技有限公司 | 立体声重放方法、装置、话筒设备、音箱设备和介质 |
-
2023
- 2023-08-10 CN CN202311003384.8A patent/CN117193702B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104869523A (zh) * | 2014-02-26 | 2015-08-26 | 北京三星通信技术研究有限公司 | 虚拟多声道播放音频文件的方法、终端及系统 |
CN106507240A (zh) * | 2015-09-04 | 2017-03-15 | 音乐集团公司 | 一种将扬声器系统的扬声器的物理位置关联至扬声器标识符的方法 |
CN109831735A (zh) * | 2019-01-11 | 2019-05-31 | 歌尔科技有限公司 | 适于室内环境的音频播放方法、设备、系统及存储介质 |
CN110377265A (zh) * | 2019-06-24 | 2019-10-25 | 贵安新区新特电动汽车工业有限公司 | 声音播放方法及装置 |
CN110535735A (zh) * | 2019-08-15 | 2019-12-03 | 青岛海尔科技有限公司 | 基于物联网操作系统的播放设备控制方法和装置 |
CN113411725A (zh) * | 2021-06-25 | 2021-09-17 | Oppo广东移动通信有限公司 | 音频播放方法、装置、移动终端及存储介质 |
US20230209294A1 (en) * | 2021-12-27 | 2023-06-29 | Spatialx Inc. | Audio space simulation in a localized audio environment |
CN114866948A (zh) * | 2022-04-26 | 2022-08-05 | 北京奇艺世纪科技有限公司 | 一种音频处理方法、装置、电子设备和可读存储介质 |
CN116456247A (zh) * | 2023-03-03 | 2023-07-18 | 安声(重庆)电子科技有限公司 | 立体声重放方法、装置、话筒设备、音箱设备和介质 |
CN116430748A (zh) * | 2023-06-14 | 2023-07-14 | 深圳市华科科技有限公司 | 一种基于智能设备的节能控制方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN117193702B (zh) | 2024-06-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108488987A (zh) | 空气调节设备的控制方法、存储介质和设备 | |
CN109974248B (zh) | 空调器的控制方法和空调运行系统 | |
Varshavsky et al. | GSM indoor localization | |
CN109302712B (zh) | 确定智能基站位置的方法、智能基站及存储介质 | |
CN1848839B (zh) | 在网络中对装置可提供的任务区分优先次序的方法和系统 | |
CN107110964A (zh) | 用于在无线电范围、尤其是室内区域的无线电范围中检测对象和/或生物的移动的方法、数字工具、设备和系统 | |
CN115860684B (zh) | 一种基于数字孪生的管理系统 | |
CN106842972A (zh) | 一种智能家居设备的预测控制方法及系统 | |
CN110535735B (zh) | 物联网设备多媒体流的管理方法和装置 | |
CN110262265B (zh) | 基于智能家居操作系统的室内环境调节方法及装置 | |
CN109445299A (zh) | 智能家居控制方法、系统及存储介质 | |
CN109165786A (zh) | 一种导游方案的规划方法及服务器 | |
CN111459214A (zh) | 一种基于智慧环境的控制管理系统及其方法 | |
CN108592316A (zh) | 空调器的控制方法、空调器和计算机可读存储介质 | |
CN109270848A (zh) | 情景模式的推荐方法、服务器、家电设备以及存储介质 | |
CN117193702B (zh) | 基于嵌入式播放器的播放控制方法及相关装置 | |
CN104900237B (zh) | 一种用于对音频信息进行降噪处理的方法、装置和系统 | |
CN114584993A (zh) | 一种识别接入点部署位置的方法以及位置识别设备 | |
CN107422703B (zh) | 一种设备控制方法及装置 | |
CN110187646B (zh) | 智能家居操作系统中的设备控制权限调整方法及装置 | |
CN109246842B (zh) | 设备控制方法和装置 | |
CN109239656A (zh) | 一种位置指纹定位中的射频地图建立方法 | |
CN117406613A (zh) | 基于环境感知的家具智能联动控制方法及控制装置 | |
CN116611560A (zh) | 一种区域自动划分方法、系统、装置和存储介质 | |
US10735685B2 (en) | Control method of presented information, control device of presented information, and speaker |
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 |