CN205653858U - 一种智能马桶自适应识别大小便的系统 - Google Patents

Abstract

本实用新型实施例公开了一种智能马桶自适应识别大小便的系统，包括拾音单元、信号放大单元、信号滤波单元、微处理器单元，所述拾音单元用于获取如厕的音频信号，所述信号放大单元用于使所述音频信号进行放大处理，所述信号滤波单元用于使放大的音频信号滤除高频成分，并取得声强变化的包络线，微处理器单元包含了A/D转换单元、滤背景噪声单元、模型判断单元。本实用新型利用了人体在经智能马桶设备如厕过程的大小便固有音频变化曲线，进行分析处理得出判断结果，避免了图像识别需安装摄像头造成用户隐私泄露及外红线、超声波不能准确表征排泄物的特征不足之处，准确地识别大小便采取合理水量冲洗排泄物，从而实现节约用水。

Description

一种智能马桶自适应识别大小便的系统

技术领域

本实用新型涉及一种厕所冲洗装置及洁厕方法，尤其涉及一种智能马桶自适应识别大小便的方法及系统。

背景技术

目前随着科技的进步和人民群众生活水平的提高，智能卫浴尤其是智能马桶设备在日常生活中的应用越来越广泛，而在这些智能卫浴设备中，一般都需要大量用水，如何根据污物决定用水量以利于实现节水是一个亟待解决的问题，而目前在现有技术中，一般采用红外线或超声波探测人体如厕时间长短判断大小便，而采用如厕时间的长短并不是大小便的固有属性，所以容易产生误判现象，在现有技术中又有采用安装摄像头进行图像识别的方案，然而采用摄像头容易造成用户隐私泄露的不足。

实用新型内容

本实用新型实施例所要解决的技术问题在于，提供一种智能马桶自适应识别大小便的方法。可通过对大小便污物排泄过程中产生的音频固有属性，进行精准表征其特性，实现精整识别。

为了解决上述技术问题，本实用新型实施例提供了一种智能马桶自适应识别大小便的系统，包括拾音单元、信号放大单元、信号滤波单元、微处理器单元，所述拾音单元用于获取如厕的音频信号，所述信号放大单元用于使所述音频信号进行放大处理，所述信号滤波单元用于使放大的音频信号滤除高频成分，并取得声强变化的包络线，微处理器单元包含了A/D转换单元、滤背景噪声单元、模型判断单元，所述A/D转换单元用于将所述声强变化的包络线的信号进行采样和量化，所述滤背景噪声单元，所述模型判断单元对语音信号进行分帧，使用以下短时线性加权平均幅度差函数定义：

其中，N是语音信号所加窗口的长度，S_n(m)是语音信号S(m)经过窗长为N的窗口截取的一段加窗语音信号，S_n(m)＝s(m)w(n-m)，w(n-m)为窗函数，根据平均幅度差函数识别大小便类型。

进一步地，所述模型判断单元还将原始语音信号进行分帧，并进行统计每帧平均能量，将能量小于设定阀值的帧进行内容作零处理，重新生成语音信号。

更进一步地，所述模型判断单元还对每帧信号的F_nw(k)的局部极小值进行筛选，使用极小值局部搜索范围为Fs/900～Fs/50个取样点，其中Fs为大小便信号的取样频率，使用以下方式进行第一次剔除野点：

对经过第一次剔除后统计出来的基音频率对应的取样点进行平均值计算：

其中，X(n)为局部极小值对应的取样点数，NUM为X(n)不为零的总个数。

更进一步地，所述模型判断单元还对以平均值为阙值对已经统计出来的各帧取样点数进行第二次去野点：

其中，阙值a(0<a<1)、b(b>1)的动态范围。

实施本实用新型实施例，具有如下有益效果：本实用新型利用了人体在经智能马桶设备如厕过程的大小便固有音频变化曲线，进行分析处理得出判断结果，避免了图像识别需安装摄像头造成用户隐私泄露及外红线、超声波不能准确表征排泄物的特征不足之处，准确地识别大小便采取合理水量冲洗排泄物，从而实现节约用水。

附图说明

图1是小便音频包络曲线的示意图；

图2是大便音频包络曲线的示意图；

图3是本实用新型的结构示意框图。

具体实施方式

为使本实用新型的目的、技术方案和优点更加清楚，下面将结合附图对本实用新型作进一步地详细描述。

本实用新型实施例还公开了一种智能马桶自适应识别大小便的系统，包括拾音单元10、信号放大单元20、信号滤波单元30、微处理器单元40。

拾音单元10是设置于人体如厕的声音传感器，例如电容式麦克风，但本实用新型实施例不限于此，其用于获取设备如厕时的音频信号，并通过信号放大单元20进行放大处理，信号滤波单元30为将放大后的信号进行滤除高频成份，并取得声强变化的包络线。

微处理器单元40包含了A/D转换单元401、滤背景噪声单元402、模型判断单元403，A/D转换单元401用于将声强变化的包络线的信号进行采样和量化，采录过程的声强变化过程的包络线的特征点。

滤背景噪声单元402通过程序将人体如厕的干扰音频成分去除，干扰音频成分包含了风扇噪声、振动、外界噪声等，将这些成份去除以进下一步的实时运算处理。

模型判断单元403实时监测音频包络曲线出现声强的最大值，计算人体如厕至所的时间跨度值△t，并采用最小二乘法做直线拟合所述音频包络曲线。

模型判断单元403还根据所述时间跨度值与所述起始声强建立人体如厕的数学模型公式，排泄物声音振幅随时间变化的规律，选择合适的矩形窗，计算其短时平均幅度Mn，根据排泄物的频率，从而得出识别结果由此完成判断结果检测。

模型判断单元403还将原始语音信号进行分帧，并进行统计每帧平均能量，将能量小于设定阀值的帧进行内容作零处理，重新生成语音信号。

模型判断单元403对新的语音信号进行分帧，使用以下短时线性加权平均幅度差函数定义：

其中，N是语音信号所加窗口的长度，S_n(m)是语音信号S(m)经过窗长为N的窗口截取的一段加窗语音信号，S_n(m)＝s(m)w(n-m)，w(n-m)为窗函数。

模型判断单元403判断每帧信号的中的局部极小值，由于人的大小便频率为50～900Hz，那么对应的极小值局部搜索范围为Fs/900～Fs/50(Fs是大小便信号的取样频率)个取样点，那么三倍以及三倍以上周期的情况都已经被排除，如果是二倍周期，可以使当前帧的基音频率所对应的取样点，从而对野点进行了第一次剔除，使用以下方式进行第一次剔除野点：

对经过第一次剔除后统计出来的基音频率对应的取样点进行平均值计算：

其中，X(n)为局部极小值对应的取样点数，NUM为X(n)不为零的总个数。

然后对经过第一次剔除后统计出来的基音频率对应的取样点进行平均值计算。以平均值为阙值对已经统计出来的各帧取样点数进行第二次去野点，即：如果某帧的基音频率对应的取样点数大于阙值的动态范围就认为该帧统计出来的数据是不合理的，并且把其基音周期置零处理。阙值a(0<a<1)、b(b>1)的动态范围可以根据实验结果择优选择。

第一次去野点时在Fs/500～Fs/50个取样点的局部范围内寻找极小值，三倍以上及三倍以上周期的情况都已被排除，如果没有基音周期但是在第一次处理时得到了不合理的数据，可以通过第二次去野点把数据排除掉，从而统计出来每一帧的基音频率所对应的取样点数，然后把取样点数转换为相应的基音频率，同时取样点数对零的数据仍然置零处理，并再次统计这个大小便语音信号的平均频率。

模型判断单元403根据人体大小便频率分析的依据：利用平均幅度差函数计算出大小便的声音信号的频率，根据大便声音频率fd小，小便声音频率fx大，两者fx＝nfd(n＝5～15),从而得出人体如厕排泄物的类型判断结果。

本实用新型的方法和系统通过单片机对人体如厕大小便固有声音信号特性进行处理得检测运算，根据建立的数学模型得出判断结果，克服了现有技术中采用红外线或超声波探测人体如厕时间长短判断大小便，而采用如厕时间的长短并不是大小便的固有属性所以容易产生误判现象，而采取图像处理技术需安装摄像头容易导致用户隐私泄露问题，准确地识别大小便采取合理水量冲洗排泄物，从而实现节约用水。

以上所揭露的仅为本实用新型一种较佳实施例而已，当然不能以此来限定本实用新型之权利范围，因此依本实用新型权利要求所作的等同变化，仍属本实用新型所涵盖的范围。

Claims (4)

1.一种智能马桶自适应识别大小便的系统，其特征在于，包括拾音单元、信号放大单元、信号滤波单元、微处理器单元，所述拾音单元用于获取如厕的音频信号，所述信号放大单元用于使所述音频信号进行放大处理，所述信号滤波单元用于使放大的音频信号滤除高频成分，并取得声强变化的包络线，微处理器单元包含了A/D转换单元、滤背景噪声单元、模型判断单元，所述A/D转换单元用于将所述声强变化的包络线的信号进行采样和量化，所述滤背景噪声单元，所述模型判断单元对语音信号进行分帧，使用以下短时线性加权平均幅度差函数定义：

其中，N是语音信号所加窗口的长度，S_n(m)是语音信号S(m)经过窗长为N的窗口截取的一段加窗语音信号，S_n(m)＝s(m)w(n-m)，w(n-m)为窗函数，根据平均幅度差函数识别大小便类型。

2.根据权利要求1所述的智能马桶自适应识别大小便的系统，其特征在于，所述模型判断单元用于将原始语音信号进行分帧，并进行统计每帧平均能量，将能量小于设定阀值的帧进行内容作零处理，重新生成语音信号。

3.根据权利要求2所述的智能马桶自适应识别大小便的系统，其特征在于，所述模型判断单元用于对每帧信号的F_nw(k)的局部极小值进行筛选，使用极小值局部搜索范围为Fs/900～Fs/50个取样点，其中Fs为大小便信号的取样频率，使用以下方式进行第一次剔除野点：

对经过第一次剔除后统计出来的基音频率对应的取样点进行平均值计算：

其中，X(n)为局部极小值对应的取样点数，NUM为X(n)不为零的总个数。

4.根据权利要求3所述的智能马桶自适应识别大小便的系统，其特征在于，所述模型判断单元用于以平均值为阙值对已经统计出来的各帧取样点数进行第二次去野点：

其中，阙值a(0<a<1)、b(b>1)的动态范围。