[發明專利]一種壓力屏校準方法和裝置

在審

• 申請號: 201610344997.1
• 申請日: 2016-05-23
• 公開（公告）號: CN107422891A
• 公開（公告）日: 2017-12-01
• 發明（設計）人: 孟龍龍
• 申請（專利權）人: 中興通訊股份有限公司
• 主分類號: G06F3/041
• 分類號: G06F3/041
• 代理公司: 北京派特恩知識產權代理有限公司11270
• 代理人: 張穎玲,蔣雅潔

1.一種壓力屏校準方法，其特征在于，所述方法包括：

獲取各壓力傳感器在壓力屏各預設受壓位置施壓時感應到的壓力值，并獲取實際在所述各預設受壓位置施加的壓力值；

采用人工神經網絡模型，將所述各壓力傳感器感應到的壓力值作為人工神經網絡模型的輸入，將所述實際施加的壓力值作為所述人工神經網絡模型的輸出，確定所述人工神經網絡模型的權值參數；

所述確定權值參數的人工神經網絡模型，用于根據各壓力傳感器感應到的壓力值確定所述壓力屏受到的壓力值。

2.根據權利要求1所述的方法，其特征在于，所述采用人工神經網絡模型，包括：采用反向傳播BP神經網絡模型；

所述方法還包括：預設訓練誤差，確定達到所述預設訓練誤差要求時所述BP神經網絡模型的權值參數。

3.根據權利要求2所述的方法，其特征在于，所述方法還包括：選擇S型正切函數作為所述BP神經網絡模型的隱含層神經元的激勵函數，選擇純線性函數作為所述BP神經網絡模型的輸出層函數。

4.根據權利要求1至3任一項所述的方法，其特征在于，所述將所述各壓力傳感器感應到的壓力值作為人工神經網絡模型的輸入之前，所述方法還包括：對所述獲取的所述各壓力傳感器感應到的壓力值進行數據歸一化處理；

所述在將所述實際施加的壓力值作為所述人工神經網絡模型的輸出之前，所述方法還包括：對所述獲取的實際在所述各預設受壓位置施加的壓力值進行數據歸一化處理。

5.根據權利要求1至3任一項所述的方法，其特征在于，所述獲取實際在所述各預設受壓位置施加的壓力值，包括：

采用外部裝置測量各預設受壓位置受壓的壓力值。

6.根據權利要求4所述的方法，其特征在于，所述基于確定權值參數的人工神經網絡模型，根據各壓力傳感器感應到的壓力值確定所述壓力屏受到的壓力值，包括：

讀取當前各壓力傳感器的壓力值，并作為所述確定權值參數的人工神經網絡模型輸入，將獲取輸出值確定為當前壓力屏受到的壓力值；

所述方法還包括：所述將當前各壓力傳感器的壓力值作為所述確定權值參數的人工神經網絡模型輸入之前，對所述當前各壓力傳感器的壓力值作歸一化處理；對所述輸出值作反歸一化處理，確定為當前壓力屏受到的壓力值。

7.一種壓力屏校準裝置，其特征在于，所述裝置包括：獲取模塊和確定模塊；其中，

所述獲取模塊，用于獲取各壓力傳感器在壓力屏各預設受壓位置施壓時感應到的壓力值，并獲取實際在所述各預設受壓位置施加的壓力值；

所述確定模塊，用于采用人工神經網絡模型，將所述各壓力傳感器感應到的壓力值作為人工神經網絡模型的輸入，將所述實際施加的壓力值作為所述人工神經網絡模型的輸出，確定所述人工神經網絡模型的權值參數；

所述確定權值參數的人工神經網絡模型，用于根據各壓力傳感器感應到的壓力值確定所述壓力屏受到的壓力值。

8.根據權利要求7所述的裝置，其特征在于，所述確定模塊，所述人工神經網絡模型包括：BP神經網絡模型；

所述確定模塊，還用于：預設訓練誤差，確定達到所述預設訓練誤差要求時所述BP神經網絡模型的權值參數。

9.根據權利要求7或8所述的裝置，其特征在于，所述獲取模塊，用于獲取外部裝置測量各預設受壓位置受壓的壓力值。

10.根據權利要求7或8所述的裝置，其特征在于，所述確定模塊，還用于：

在將所述各壓力傳感器感應到的壓力值作為人工神經網絡模型的輸入之前，對所述獲取的所述各壓力傳感器感應到的壓力值進行數據歸一化處理；

在將所述實際施加的壓力值作為所述人工神經網絡模型的輸出之前，對所述獲取的實際在所述各預設受壓位置施加的壓力值進行數據歸一化處理。