CN117824716A - 一种电容补偿方法、电子设备、芯片和电容传感器 - Google Patents
一种电容补偿方法、电子设备、芯片和电容传感器 Download PDFInfo
- Publication number
- CN117824716A CN117824716A CN202311866675.XA CN202311866675A CN117824716A CN 117824716 A CN117824716 A CN 117824716A CN 202311866675 A CN202311866675 A CN 202311866675A CN 117824716 A CN117824716 A CN 117824716A
- Authority
- CN
- China
- Prior art keywords
- capacitance
- data
- temperature
- multiple regression
- derivative
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 58
- 238000001514 detection method Methods 0.000 claims abstract description 75
- 230000008859 change Effects 0.000 claims abstract description 30
- 238000013507 mapping Methods 0.000 claims abstract description 19
- 230000000694 effects Effects 0.000 abstract description 16
- 238000000611 regression analysis Methods 0.000 description 24
- 238000012795 verification Methods 0.000 description 14
- 238000012360 testing method Methods 0.000 description 9
- 230000008569 process Effects 0.000 description 8
- 238000004364 calculation method Methods 0.000 description 7
- 230000003071 parasitic effect Effects 0.000 description 7
- 238000013500 data storage Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 6
- 230000001419 dependent effect Effects 0.000 description 5
- 238000001914 filtration Methods 0.000 description 5
- 238000013459 approach Methods 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 238000011897 real-time detection Methods 0.000 description 3
- 101100134058 Caenorhabditis elegans nth-1 gene Proteins 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000007405 data analysis Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000008676 import Effects 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 239000003990 capacitor Substances 0.000 description 1
- 230000000052 comparative effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000006698 induction Effects 0.000 description 1
- 238000012417 linear regression Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
- G01D5/00—Mechanical means for transferring the output of a sensing member; Means for converting the output of a sensing member to another variable where the form or nature of the sensing member does not constrain the means for converting; Transducers not specially adapted for a specific variable
- G01D5/12—Mechanical means for transferring the output of a sensing member; Means for converting the output of a sensing member to another variable where the form or nature of the sensing member does not constrain the means for converting; Transducers not specially adapted for a specific variable using electric or magnetic means
- G01D5/14—Mechanical means for transferring the output of a sensing member; Means for converting the output of a sensing member to another variable where the form or nature of the sensing member does not constrain the means for converting; Transducers not specially adapted for a specific variable using electric or magnetic means influencing the magnitude of a current or voltage
- G01D5/24—Mechanical means for transferring the output of a sensing member; Means for converting the output of a sensing member to another variable where the form or nature of the sensing member does not constrain the means for converting; Transducers not specially adapted for a specific variable using electric or magnetic means influencing the magnitude of a current or voltage by varying capacitance
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
- G01D21/00—Measuring or testing not otherwise provided for
- G01D21/02—Measuring two or more variables by means not covered by a single other subclass
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/11—Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/27—Regression, e.g. linear or logistic regression
-
- H—ELECTRICITY
- H03—ELECTRONIC CIRCUITRY
- H03K—PULSE TECHNIQUE
- H03K17/00—Electronic switching or gating, i.e. not by contact-making and –breaking
- H03K17/94—Electronic switching or gating, i.e. not by contact-making and –breaking characterised by the way in which the control signals are generated
- H03K17/945—Proximity switches
- H03K17/955—Proximity switches using a capacitive detector
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Physics (AREA)
- Mathematical Optimization (AREA)
- General Engineering & Computer Science (AREA)
- Pure & Applied Mathematics (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Life Sciences & Earth Sciences (AREA)
- Software Systems (AREA)
- Databases & Information Systems (AREA)
- Algebra (AREA)
- Operations Research (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Indication And Recording Devices For Special Purposes And Tariff Metering Devices (AREA)
Abstract
本申请涉及电子技术领域,公开了一种电容补偿方法、电子设备、芯片和电容传感器。方法包括:获取电子设备检测到的温度差分数据、检测到的温度差分数据的变化趋势信息,以及电子设备的温度差分数据、温度差分数据的变化趋势信息与电容补偿值之间的映射关系;基于检测到的温度差分数据、检测到的温度差分数据的变化趋势信息以及映射关系,确定电容补偿值;基于电容补偿值,对电子设备的检测通道的电容数据进行补偿,获取有效电容值。基于上述方案,将实测的温度差分数据及其一阶导数和二阶导数添加到电容补偿值中,增强了电容式传感器对于温度变化趋势的预测能力,提高了电容的补偿效果。
Description
技术领域
本申请涉及温度补偿技术领域,尤其涉及一种电容补偿方法、电子设备、芯片和电容传感器。
背景技术
电容式传感器是将被测物理量或机械量转换成为电容量变化的一种转换装置。寄生电容为电容式传感器的检测通道的传感器电极以及印刷电路板(printed circuitboard,PCB)上通常会存在的电容。为了能够尽量消除寄生电容对检测通道的影响,电容式传感器通常带有寄生电容补偿功能。但是,实际寄生电容的大小会随环境温度的变化而变化,造成电容式传感器对于寄生电容的补偿效果较差,现有的电容检测准确性还有待进一步的提高。
发明内容
有鉴于此,本申请实施例提供了一种电容补偿方法、电子设备、芯片和电容传感器。电子设备在常温和温度循环场景下,分别采集检测通道的电容数据和温度差分数据。建立反映温度差分数据、温度差分数据的一阶导数和二阶导数与电容补偿值之间的映射关系的多元回归方程。在实际运行时,电子设备将实测的温度差分数据及其一阶导数和二阶导数带入多元回归方程,实时计算电容补偿值。其中,温度差分数据的一阶导数和二阶导数能够用于反映温度差分数据的变化趋势,将实测的温度差分数据及其一阶导数和二阶导数添加到电容补偿值中,增强了电子设备对于温度变化趋势的预测能力,提高了电容的补偿效果。
第一方面,本申请实施例提供了一种电容补偿方法,应用于电子设备,该方法包括:
获取电子设备检测到的温度差分数据、检测到的温度差分数据的变化趋势信息,以及电子设备的温度差分数据、温度差分数据的变化趋势信息与电容补偿值之间的映射关系;基于检测到的温度差分数据、检测到的温度差分数据的变化趋势信息以及映射关系,确定电容补偿值;基于电容补偿值,对电子设备的检测通道的电容数据进行补偿,获取有效电容值。通过本申请实施例提供的方法,增强了电子设备对于温度变化趋势的预测能力,提高了电容的补偿效果。
在上述第一方面的一种可能实现中,温度差分数据的变化趋势信息包括温度差分数据的一阶导数和二阶导数。
将实测的温度差分数据及其一阶导数和二阶导数添加到电容补偿值中,增强了电子设备对于温度变化趋势的预测能力,提高了电容的补偿效果。
在上述第一方面的一种可能实现中,获取电子设备的温度差分数据、温度差分数据的变化趋势信息与电容补偿值之间的映射关系,包括:
获取多元回归方程,多元回归方程用于反映电子设备的温度差分数据、温度差分数据的变化趋势信息与电容补偿值之间的映射关系。
在上述第一方面的一种可能实现中,基于电容补偿值,对电子设备的检测通道的电容数据进行补偿,获取有效电容值,包括:
将电子设备的检测通道的电容数据减去电容补偿值,得到有效电容值。
在上述第一方面的一种可能实现中,多元回归方程的获取方式包括:
获取电子设备的检测通道的电容样本数据和温度差分样本数据;获取温度差分样本数据的一阶导数和二阶导数;基于温度差分样本数据、温度差分样本数据的一阶导数和二阶导数以及电容样本数据以及第一多元回归方程,确定第一多元回归方程中回归参数的值;基于第一多元回归方程以及第一多元回归方程中回归参数的值确定第二多元回归方程,其中,第二多元回归方程为第一多元回归方程确定回归参数的值的方程。
在上述第一方面的一种可能实现中,获取电子设备的检测通道的电容样本数据和温度差分样本数据,包括:分别在常温和温度循环场景下,获取电子设备的检测通道的电容样本数据和温度差分样本数据。
第二方面,本申请实施例提供了一种电子设备,该电子设备包括:存储器,用于存储由电子设备的一个或多个处理器执行的指令;以及处理器,是电子设备的处理器之一,用于执行存储器中存储的指令以实现上述第一方面以及上述第一方面的任意一种可能实现提供的电容补偿的方法。
第三方面,本申请实施例提供了一种存储介质,该存储介质包括:存储介质上存储有指令,该指令在电子设备上执行时使电子设备实现上述第一方面以及上述第一方面的任意一种可能实现提供的电容补偿方法。
第四方面,本申请实施例提供了一种芯片,该芯片包括控制电路,以执行上述第一方面以及上述第一方面的任意一种可能实现提供的电容补偿方法。
第五方面,本申请实施例提供了一种电容传感器,该电容传感器包括控制电路,以执行上述第一方面以及上述第一方面的任意一种可能实现提供的电容补偿方法。
附图说明
图1根据本申请的一些实施例,示出了一种用于建立电容补偿的方法中涉及的多元回归方程的系统框图;
图2根据本申请的一些实施例,示出了一种电容补偿方法的流程示意图;
图3根据本申请的一些实施例,示出了一种获取多元回归方程方式的流程示意图;
图4根据本申请的一些实施例,示出了一种回归参数的值;
图5根据本申请的一些实施例,示出了一种本申请方案和固定系数方案电容补偿效果对比图;
图6根据本申请的一些实施例,示出了另一种本申请方案和固定系数方案电容补偿效果对比图;
图7根据本申请的一些实施例,示出了另一种本申请方案和固定系数方案电容补偿效果对比图。
具体实施方式
本申请实施例包括但不限于一种电容补偿方法、电子设备、芯片和电容传感器。下面将结合附图对本申请实施例的具体方案进行介绍。
在实际应用中,电容式传感器为了能够尽量消除温度对检测通道电容数据的影响,通常采用温度差分数据对检测通道电容进行温度补偿。
在一些实施例中,采用固定温度补偿系数方法来进行电容补偿。例如,电容式传感器将温度差分数据与一固定的温度补偿系数相乘,将得到的乘积作为电容补偿值,计算公式可以为(1):
Δdet_raw[n]=k*Δref_raw[n] (1)
其中,n为检测次数,并且是大于0的自然数;Δdet_raw[n]为第n个电容补偿值;k为固定温度补偿系数;Δref_raw[n]为第n个温度差分数据。根据公式(1),电容式传感器将温度差分数据与一固定的温度补偿系数相乘,就能得到实时的电容补偿值。
基于公式(1),电容式传感器将检测通道电容数据减去电容补偿值,就能得到实际检测电容的有效值,计算公式可以为(2):
valid[n]=det_raw[n]-k*Δref_raw[n] (2)
其中,n为检测次数,并且是大于0的自然数;det_raw[n]为第n个检测通道的电容数据;k为固定温度系数;Δref_raw[n]为第n个温度差分数据;valid[n]为第n个有效电容值。
通过上述方式,电容式传感器将温度差分数据与一固定温度补偿系数相乘,将得到的乘积作为电容补偿值,以消除寄生电容。然而,实际应用中的寄生电容随温度变化的曲线并非简单的线性关系,因此固定的温度补偿系数在某一些温度区间内,无法达到补偿精度的要求。
在另一些实施例中,采用分段温度补偿系数方法来进行电容补偿。例如,将整个温度区间分为m段,每一段有一个温度补偿系数。电容式传感器可以将温度差分数据与每段的温度补偿系数相乘,将得到的乘积作为电容补偿值,计算公式可以为(3):
Δdet_raw[n]=km*Δref_raw[n] (3)
其中,n为检测次数,并且是大于0的自然数;m为整个温度区间的区分段数,m为大于1的自然数;km为第m个温度段的温度补偿系数;Δdet_raw[n]为第n个电容补偿值;Δref_raw[n]为第n个温度差分数据。
根据公式(3),电容式传感器将温度差分数据与对应温度段的温度补偿系数相乘,就能得到实时的电容补偿值。
采用上述分段温度补偿系数方法来进行电容补偿,在一定程度上提升了温度补偿效果,但是难以确定有效的温度分段标准,并且温度补偿系数的个数不止一个,过程比较繁琐。此外,受限于电容式传感器内部微处理器(microprocessor unit,MPU)的运行速度不高,且内部随机存取存储器(random access memory,RAM)比较小。复杂自学习神经网络自适应相关算法,存在运行迭代周期长,占用RAM资源多,存在响应速度慢,甚至无法运行的缺点。
为了解决上述问题,本申请实施例提供了一种电容补偿的方法。该方法包括:电容式传感器在常温和温度循环场景下,分别采集检测通道的电容数据和温度差分数据。建立反映温度差分数据、温度差分数据的一阶导数和二阶导数与电容补偿值之间的映射关系的多元回归方程。在实际运行时,电容式传感器将实测的温度差分数据及其一阶导数和二阶导数带入多元回归方程,实时计算电容补偿值。其中,温度差分数据的一阶导数和二阶导数能够用于反映温度差分数据的变化趋势,将实测的温度差分数据及其一阶导数和二阶导数添加到电容补偿值中,增强了电容式传感器对于温度变化趋势的预测能力,提高了电容的补偿效果。
为了更好地理解本申请实施例提及的电容补偿的方法,下面先对本申请实施例的系统结构进行介绍。图1是根据本申请的一些实施例,示出了一种用于建立电容补偿的方法中涉及的多元回归方程的系统框图。
如图1所示,该系统框图包括芯片(设备)、常温数据存储装置、温度循环数据存储装置、回归分析与验证装置。
其中,芯片(设备)用于采集电容数据和运行温度补偿算法。
常温数据存储装置存储有常温数据库,常温数据库用于保存芯片(设备)在常温下的检测通道电容数据和温度差分数据。
温度循环数据存储装置存储有温度循环数据库,温度循环数据库用于保存芯片(设备)在温度循环变化条件下的检测通道电容数据和温度差分数据。
回归分析和验证装置可以为软件装置,用于对两个数据库中的数据进行多元回归计算和分析,包括对回归参数和回归方程的生成,回归参数泛化能力验证等。例如,将实测的温度差分数据及其一阶导数和二阶导数带入多元回归方程,实时计算电容补偿值。其中,回归分析和验证装置可以是社会科学统计程序(statistical program for socialsciences,SPSS)、矩阵实验室(matrix laboratory,Matlab)等任意数据分析软件,在此不做限制。
回归分析和验证装置根据常温数据存储装置和温度循环数据存储装置中的数据,通过回归分析和验证后,将计算出的回归参数a、b、c、d的值和多元回归公式移植到芯片(设备)的算法中。后续系统实际运行时,根据多元回归公式计算得出实时的检测通道补偿数据,涵盖了温度变化趋势信息,从而实时提高温度补偿效果。
下面结合附图,对本申请实施例提供的电容补偿的方法做详细介绍。图2是根据本申请实施例,示出了一种电容补偿方法的流程示意图,该方法可以由电子设备执行,电子设备可以为电容式传感器,也可以为包括电容式传感器的任意设备执行,下面以电子设备为电容式传感器为例进行说明。方法包括如下步骤:
S201:获取温度差分数据、温度差分数据的一阶导数和二阶导数与电容补偿值之间的映射关系。
在一些实施例中,温度差分数据、温度差分数据的一阶导数和二阶导数与电容补偿值之间的映射关系可以由多元回归方程的方式呈现。
具体地,电容式传感器在常温和温度循环场景下,分别采集检测通道的电容数据和温度差分数据作为回归分析的样本,并将第n个检测通道的电容数据设定为det_raw[n],将第n个温度差分数据设定为Δref_raw[n],并建立以下多元回归方程(4),即本申请提及的第一多元回归方程。
Δdet_raw[n]=a*(Δref_raw)″[n]+b*(Δref_raw)′[n]+c*Aref_raw[n]+d (4)
其中,n为检测次数,并且是大于0的自然数;Δdet_raw[n]为第n个电容补偿值;(Δref_raw)″[n]为第n个温度差分数据的二阶导数;(Δref_raw)′[n]为第n个温度差分数据的一阶导数;Δref_raw[n]为第n个温度差分数据。
另外,多元回归方程(4)设置有4个回归参数:a、b、c、d。回归参数的值可以通过多元回归分析的方法获取,其中,参数a为第n个温度差分数据的二阶导数(Δref_raw)″[n]的系数;参数b为第n个温度差分数据一阶导数(Δref_raw)′[n]的系数;参数c为第n个温度差分数据Δref_raw[n]的系数;参数d为常数项。
在一些实施例中,可以由图1所示的系统获取多元回归方程,例如可以通过芯片(设备)在常温和温度循环场景下,采集检测通道的电容数据和温度差分数据,利用回归分析和验证装置建立反映温度差分数据、温度差分数据的一阶导数和二阶导数与电容补偿值之间的映射关系的多元回归方程,并通过多元回归分析的方法,得到回归参数a、b、c、d的值。将回归参数a、b、c、d的值带入多元回归方程,即得到温度差分数据、温度差分数据的一阶导数和二阶导数与电容补偿值之间的映射关系。
其中,获取多元回归方程的方式在后文中详述,此处不再赘述,
可以理解,本申请实施例中提及的芯片可以为电容传感器,与可以为具有电容传感器的设备,还可以为任意能够采集检测通道的电容数据和温度差分数据,并运行电容补偿算法的电子设备。
电容式传感器可以获取并存储上述芯片获取的多元回归方程。
S202:获取检测过程中温度差分数据、温度差分数据的一阶导数和二阶导数。
电容式传感器在实际运行时,获取检测过程中的温度差分数据、温度差分数据的一阶导数和二阶导数的值。
S203:基于映射关系,以及检测过程中温度差分数据、温度差分数据的一阶导数和二阶导数,确定电容补偿值。
基于温度差分数据、温度差分数据的一阶导数和二阶导数与电容补偿值之间的映射关系,电容式传感器在实际运行时,将实测的温度差分数据及其一阶导数和二阶导数带入多元回归方程,实时计算电容补偿值。
其中,电容式传感器在常温和温度循环场景下,采集检测通道的电容数据和温度差分数据时,处于没有人体/物体的接近干扰的理想状态,电容补偿值可以通过以下公式(5)获取:
Δdet_raw[n]=det_raw[n]-det_raw[0] (5)
其中,n为检测次数,并且是大于0的自然数;Δdet_raw[n]为第n个电容补偿值;det_raw[n]为第n个检测通道电容数据;det_raw[0]为检测通道的初始电容数据。
可以理解,结合公式(5),并将电容式传感器采集到的检测通道的电容数据和温度差分数据及其一阶导数和二阶导数带入多元回归方程(4)中,通过多元回归分析的方法,可以得到回归参数a、b、c、d的值。
S204:基于所述电容补偿值,对检测通道的电容进行补偿,获取有效电容值。
在一些实施例中,电容式传感器可以将获取的检测通道的电容数据减去电容补偿值,得到有效的电容值。
基于上述方案,在实际运行中,根据本申请实施例建立的多元回归方程(4),电容式传感器将实测的温度差分数据及其一阶导数和二阶导数带入多元回归方程(4),可以实时计算电容补偿值。并且,多元回归方程(4)有且仅有4个回归参数:a、b、c、d,且可以通过样本采集和标准的多元回归分析进行参数整定,工程应用简单方便。同时,多元回归计算流程简单,占用内存较少,运行速度快。
下面对获取反映温度差分数据、温度差分数据的一阶导数和二阶导数与电容补偿值之间的映射关系的多元回归方程的方式进行说明。图3是根据本申请的一些实施例,示出了一种获取多元回归方程方式的流程示意图,该方式包括:
S301:常温测试数据库建立。
在一些实施例中,芯片(设备)放置在常温环境中,采集检测通道电容数据和温度差分数据,建立常温测试数据库。例如芯片(设备)可以放置在25℃的室温下采集数据,例如,可以采集用于检测人体感应的检测通道数据和反应环境温度的温度差分数据。并可以通过通讯接口,将采集的数据导入到电脑端数据库中。具体测试场景可以根据实际常温测试项的要求进行设定。检测的次数也可以根据需要设定,并且相邻两次检测间隔时间无特殊要求,可以根据具体的应用场景进行设置。例如,在电容式传感器的接近检测中,两次检测间隔时间范围一般为2ms~500ms。
S302:温度循环测试数据库建立。
在一些实施例中,芯片(设备)放置在可以循环变温的温箱中,采集检测通道电容数据和温度差分数据,建立温度循环测试数据库。例如,温箱的温度可以按照25℃、55℃、-10℃、25℃……依次循环。芯片(设备)可以通过通讯接口,将采集的数据导入到电脑端数据库中。根据本申请实施例,温度循环测试数据库的建立需要覆盖以下两个场景:
(1)芯片(设备)处于悬空状态下,进行数据采集。
(2)芯片(设备)处于人体接近状态下,进行数据采集。
电容检测的次数可以根据需要设定,并且相邻两次检测间隔时间无特殊要求,可以根据具体的应用场景进行设置,例如,在电容式传感器的接近检测中,两次检测间隔时间范围一般为2ms~500ms。
S303:数据导入与滤波。
在一些实施例中,回归分析和验证装置分别从常温数据库和温度循环数据库中获取样本数据的过程中,会不可避免的引入错误点、冗余点以及环境所带来的测量噪声等,这些对后期的数据分析会带来很大的干扰,为了更好的提取实物的特征数据,必须进行数据滤波,将这些错误点等去除。通常的数据滤波主要是借助数字信号处理和图像处理中的滤波技术来进行,具体的滤波方式在此不做限制。
S304:温度差分数据求导。
在一些实施例中,回归分析和验证装置将接收到的常温测试数据库与温度循环测试数据库中的温度差分数据进行一阶求导和二阶求导。
如前所示,第n个温度差分数据为Δref_raw[n],第n个温度差分数据Δref_raw[n]的一阶导数(Δref_raw)′[n]可以根据以下公式(6)得出:
(Δref_raw)′[n]=Δref_raw[n]-Δref_raw[n-1] (6)
其中,n为检测次数,并且是大于0的自然数;Aref_raw[n]为第n个温度差分数据;Δref_raw[n-1]为第n-1个温度差分数据;(Δref_raw)′[n]为第n个温度差分数据的一阶导数。
基于上述公式(6),第n个温度差分数据Δref_raw[n]二阶导数(Δref_raw)″[n]可以根据以下公式(7)得出:
(Δref_raw)″[n]=(Δref_raw)′[n]-(Δref_raw)′[n-1] (7)
其中,n为检测次数,并且是大于0的自然数;(Δref_raw)′[n]为第n个温度差分数据的一阶导数,(Δref_raw)′[n-1]为第n-1个温度差分数据的一阶导数;(Δref_raw)″[n]为第n个温度差分数据二阶导数。
基于上述公式(6)和公式(7),以及多元回归方程(4),电容式传感器将检测通道电容数据减去电容补偿值,就能得到实际检测电容的有效值,计算公式可以为(8):
valid[n]=der_raw[n]-(a*(Δref_raw)″[n]+b*(Δref_raw)′[n]+c*Δref_raw[n]+d) (8)
其中,n为检测次数,并且是大于0的自然数;valid[n]为第n个有效电容值;det_raw[n]为第n个检测通道的电容数据;(Δref_raw)′[n]为第n个温度差分数据的一阶导数,(Δref_raw)′[n-1]为第n-1个温度差分数据的一阶导数;(Δref_raw)″[n]为第n个温度差分数据二阶导数。
S305:回归分析。
回归分析和验证装置将数据库中的检测通道电容数据与温度差分数据以及温度差分数据的一阶导数和二阶导数进行回归分析,得出回归参数a、b、c、d的值,以及生成芯片(设备)的多元回归方程。
根据上述多元回归方程(4),并利用多元回归分析的方法,设定自变量x1、x2、x3,因变量y。其中,自变量x1对应温度差分数据的二阶导数;自变量x2对应温度差分数据的一阶导数;自变量x3对应温度差分数据;因变量y对应电容补偿值,参考以下表一。
y | x1 | x2 | x3 |
Δdet_raw[n] | (Δref_raw)″[n] | (Δref_raw)′[n] | Δref_raw[n] |
表一
分别将自变量x1、x2、x3和因变量y带入多元回归方程(4),可以得到以下公式(9)。
y=a*x1+b*x2+c*x3+d (9)
根据多元回归分析的方法,取n组不同的自变量x1、x2、x3的值,每组自变量对应一个因变量电容补偿值y,可以建立以下所示的方程组(10)。
获取常温数据库和温度循环数据库中的温度差分数据和检测通道电容数据,得到n组不同的温度差分数据x3n的值,并根据公式(5)理想状态的电容补偿值求解n组不同的yn的值,根据公式(7)求解n组不同的温度差分数据的二阶导数x1n的值,根据公式(6)求解n组不同的温度差分数据的一阶导数x2n的值。分别将yn、x1n、x2n、x3n的值带入方程组(10),求解回归参数a、b、c、d的值。
因为自变量x1n、x2n、x3n与因变量yn呈线性关系,方程组(10)可以使用线性回归算法,拟合出回归系数a、b、c、常数项d的值。例如,方程组(10)可以使用最小二乘法或者最小绝对误差回归的方法求解多元回归方程组(10)的解,具体求解多元回归方程组(10)的解的方式,在此不做限制。
例如,图4为一芯片(设备)根据上述多元回归分析方法得出的回归参数a、b、c、d的值。将回归参数a、b、c、d的值带入多元回归方程(4),即本申请提及的第一多元回归方程,可以得到这芯片(设备)的多元回归方程(11),即本申请提及的第二多元回归方程。其中,第一多元回归方程包含四个未知的回归参数a、b、c、d。通过上述求解方法,得出回归参数a、b、c、d的值,并将回归参数a、b、c、d的值带入第一多元回归方程,即可以得出第二多元回归方程。
Δdet_raw[n]=1.981937294*(Δref_raw[n])″[n]+1.82902499*(Δref_raw[n])′[n]-0.912048474*Δref_raw[n]-1780.880304 (11)
后续这一芯片(设备)运行时,将实测的温度差分数据及其一阶导数的值、二阶导数的值带入方程(11),就能计算实时的电容补偿值。
S306:泛化能力验证。
得出补偿公式后,回归分析和验证装置从数据库中随机选取样本数据,对温度补偿效果泛化能力进行验证。
例如,图5为人体/物体接近状态温度循环场景下,本申请方案和固定系数方案电容补偿效果对比图。其中,横坐标表示时间,纵坐标表示补偿后检测通道的电容值。如图5所示,固定系数方案中补偿后检测通道的电容值在A点出现峰值,本申请方案中补偿后检测通道的电容值在B点出现峰值,并且B点对应的电容值小于A点对应的电容值。即采用本申请温度补偿后的数据峰峰值降低。并且,本申请方案补偿后检测通道的电容值相较于固定系数方案变化数据更平稳。
再例如,图6为人体/物体远离状态温度循环场景下,本申请方案和固定系数方案电容补偿效果对比图,其中,横坐标表示时间,纵坐标表示补偿后检测通道的电容值。如图6所示,固定系数方案中补偿后检测通道的电容值在C点出现峰值,本申请方案中补偿后检测通道的电容值在D点出现峰值,并且D点对应的电容值小于C点对应的电容值。并且,本申请方案补偿后检测通道的电容值相较于固定系数方案变化数据更平稳。
由此可见,在温度循环场景下,本申请方案补偿后检测通道的电容值相较于固定系数方案,数据峰值降低,并且补偿后的电容值总体平稳性提高。
又例如,图7为常温环境中人体/物体在接近和远离状态不断切换的场景下,本申请方案和固定系数方案电容补偿效果对比图。其中,横坐标表示时间,纵坐标表示补偿后检测通道的电容值。在人体/物体接近状态,检测通道的电容值变大,在人体/物体远离状态,检测通道电容值趋近为零。如图7所示,常温条件下,人体/物体处于稳定的接近或远离状态时,电容补偿后的数据更平缓。
S307:写入算法。
当回归分析和验证装置完成泛化能力的验证后,将多元回归方程(4)和通过回归分析得出的回归参数的值均导入芯片(设备)的固件算法逻辑中。例如,可以将多元回归方程(11)导入到芯片(设备)中。后续系统实际运行,实时采集温度差分数据,并根据多元回归方程计算得出实时的检测通道电容补偿数据。
基于本申请实施例的上述步骤,电容式传感器在常温和温度循环场景下,分别采集检测通道的电容数据和温度差分数据。建立包含检测通道电容数据和温度差分数据的多元回归方程,并通过多元回归分析的方法,得到回归参数的值。在实际运行时,电容式传感器将实测的温度差分数据及其一阶导数和二阶导数带入多元回归方程,实时计算电容补偿值。其中,温度差分数据的一阶导数和二阶导数包含了温度差分数据的变化趋势,将实测的温度差分数据及其一阶导数和二阶导数添加到电容补偿值中,增强了电容式传感器对于温度变化趋势的预测能力,提高了电容的补偿效果。并且,多元回归方程有且仅有4个回归参数:a、b、c、d,且可以通过样本采集和标准的多元回归分析进行参数整定,工程应用简单方便。同时,多元回归计算流程简单,占用内存较少,运行速度快。
在附图中,可以以特定布置和/或顺序示出一些结构或方法特征。然而,应该理解,可能不需要这样的特定布置和/或排序。而是,在一些实施例中,这些特征可以以不同于说明性附图中所示的方式和/或顺序来布置。另外,在特定图中包括结构或方法特征并不意味着暗示在所有实施例中都需要这样的特征,并且在一些实施例中,可以不包括这些特征或者可以与其他特征组合。
需要说明的是,本申请各设备实施例中提到的各单元/模块都是逻辑单元/模块,在物理上,一个逻辑单元/模块可以是一个物理单元/模块,也可以是一个物理单元/模块的一部分,还可以以多个物理单元/模块的组合实现,这些逻辑单元/模块本身的物理实现方式并不是最重要的,这些逻辑单元/模块所实现的功能的组合才是解决本申请所提出的技术问题的关键。此外,为了突出本申请的创新部分,本申请上述各设备实施例并没有将与解决本申请所提出的技术问题关系不太密切的单元/模块引入,这并不表明上述设备实施例并不存在其它的单元/模块。
需要说明的是,在本专利的示例和说明书中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。虽然通过参照本申请的某些优选实施例,已经对本申请进行了图示和描述,但本领域的普通技术人员应该明白,可以在形式上和细节上对其作各种改变,而不偏离本申请的范围。
Claims (10)
1.一种电容补偿方法,应用于电子设备,其特征在于,包括:
获取所述电子设备检测到的温度差分数据、所述检测到的温度差分数据的变化趋势信息,以及所述电子设备的温度差分数据、温度差分数据的变化趋势信息与电容补偿值之间的映射关系;
基于所述检测到的温度差分数据、所述检测到的温度差分数据的变化趋势信息以及所述映射关系,确定电容补偿值;
基于所述电容补偿值,对所述电子设备的检测通道的电容数据进行补偿,获取有效电容值。
2.根据权利要求1所述的方法,其特征在于,所述温度差分数据的变化趋势信息包括所述温度差分数据的一阶导数和二阶导数。
3.根据权利要求1或2所述的方法,其特征在于,获取电子设备的温度差分数据、温度差分数据的变化趋势信息与电容补偿值之间的映射关系,包括:
获取多元回归方程,所述多元回归方程用于反映所述电子设备的温度差分数据、温度差分数据的变化趋势信息与电容补偿值之间的映射关系。
4.根据权利要求1或2所述的方法,其特征在于,基于所述电容补偿值,对所述电子设备的检测通道的电容数据进行补偿,获取有效电容值,包括:
将所述电子设备的所述检测通道的电容数据减去所述电容补偿值,得到所述有效电容值。
5.根据权利要求3所述的方法,其特征在于,所述多元回归方程的获取方式包括:
获取所述电子设备的检测通道的电容样本数据和温度差分样本数据;
获取所述温度差分样本数据的一阶导数和二阶导数;
基于所述温度差分样本数据、所述温度差分样本数据的一阶导数和二阶导数以及所述电容样本数据以及第一多元回归方程,确定所述第一多元回归方程中回归参数的值;
基于所述第一多元回归方程以及所述第一多元回归方程中回归参数的值确定第二多元回归方程,其中,所述第二多元回归方程为所述第一多元回归方程确定回归参数的值的方程。
6.根据权利要求5所述的方法,其特征在于,所述获取所述电子设备的检测通道的电容样本数据和温度差分样本数据,包括:
分别在常温和温度循环场景下,获取所述电子设备的所述检测通道的电容样本数据和所述温度差分样本数据。
7.一种电子设备,其特征在于,包括:
存储器,用于存储由电子设备的一个或多个处理器执行的指令;
以及处理器,是所述电子设备的处理器之一,用于执行所述存储器中存储的指令以实现权利要求1至6中任一项所述的电容补偿的方法。
8.一种存储介质,其特征在于,包括:所述存储介质上存储有指令,所述指令在电子设备上执行时使所述电子设备实现权利要求1至6中任一项所述的电容补偿方法。
9.一种芯片,其特征在于,包括控制电路,以执行权利要求1-6中任一项所述的电容补偿方法。
10.一种电容传感器,其特征在于,包括控制电路,以执行权利要求1-6中任一项所述的电容补偿方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311866675.XA CN117824716A (zh) | 2023-12-29 | 2023-12-29 | 一种电容补偿方法、电子设备、芯片和电容传感器 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311866675.XA CN117824716A (zh) | 2023-12-29 | 2023-12-29 | 一种电容补偿方法、电子设备、芯片和电容传感器 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117824716A true CN117824716A (zh) | 2024-04-05 |
Family
ID=90503837
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311866675.XA Pending CN117824716A (zh) | 2023-12-29 | 2023-12-29 | 一种电容补偿方法、电子设备、芯片和电容传感器 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117824716A (zh) |
-
2023
- 2023-12-29 CN CN202311866675.XA patent/CN117824716A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112147573A (zh) | 一种基于csi的幅值和相位信息的无源定位方法 | |
CN106529559A (zh) | 一种指针式圆形多仪表盘实时读数识别方法 | |
CN109656366B (zh) | 一种情感状态识别方法、装置、计算机设备及存储介质 | |
CN108073153A (zh) | 传感器接口装置、测量信息通信系统及方法、存储介质 | |
US20190317118A1 (en) | Chemical sensing system | |
TWI703466B (zh) | 指紋識別方法、存儲媒體、指紋識別系統及智能裝置 | |
CN114169372A (zh) | 一种物体表面粗糙度识别方法、系统及设备 | |
CN108958565B (zh) | 用于多点电容触控的坐标计算方法、触控装置及移动终端 | |
CN114218244A (zh) | 一种在线色谱仪数据库更新方法、数据识别方法及装置 | |
CN117824716A (zh) | 一种电容补偿方法、电子设备、芯片和电容传感器 | |
US20210052165A1 (en) | Heart rate measurement method and device, and computer readable storage medium | |
CN117055726A (zh) | 一种脑机交互的微运动控制方法 | |
CN111610428B (zh) | 一种基于响应混叠性度量小波包分解算法的参数优化方法 | |
Shamsan et al. | Intrinsic recurrence quantification analysis of nonlinear and nonstationary short-term time series | |
CN111587415A (zh) | 触摸检测方法、触控芯片及电子设备 | |
US11294507B2 (en) | Touch sensing device and method thereof | |
CN105739860B (zh) | 一种图片生成方法及移动终端 | |
Lee | Temporal correlation analysis of programming language popularity | |
Gu et al. | Using deep learning to detect motor impairment in early Parkinson’s disease from touchscreen typing | |
Duffy et al. | An investigation into smartphone based weakly supervised activity recognition systems | |
CN113283448B (zh) | 一种脑电影像特征提取模型的训练方法及装置 | |
CN111796916A (zh) | 数据分发方法、装置、存储介质及服务器 | |
CN109635660A (zh) | 指纹传感系统的检测方法 | |
CN117930370B (zh) | 海洋磁力场测量及成像方法、装置、设备及介质 | |
US20240152180A1 (en) | Method for detecting folding angle of foldable screen, touch chip, and touch panel |
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 |