[發(fā)明專利]一種智能手表的交互方法及交互系統(tǒng)

有效

• 申請?zhí)枺?/td>: 201910013634.3
• 申請日: 2019-01-04
• 公開（公告）號: CN109840480B
• 公開（公告）日: 2021-08-13
• 發(fā)明（設(shè)計）人: 伍楷舜;陳文強;王璐;邱銘輝
• 申請（專利權(quán)）人: 深圳大學(xué)
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06F3/01
• 代理公司: 北京市誠輝律師事務(wù)所 11430
• 代理人: 范盈

1.一種智能手表的交互方法，其特征在于，包括以下步驟：

S1、基于人體傳播振動信號，采集智能手表加速度計和陀螺儀的X、Y、Z三軸振動信號；

S2、采用異常檢測算法識別振動信號；

S3、對振動信號進(jìn)行預(yù)處理，采用k近鄰算法改進(jìn)后的算法利用經(jīng)訓(xùn)練的模型對振動信號進(jìn)行進(jìn)一步的分類識別；

S4、分析使用者對分類識別結(jié)果是否進(jìn)行糾正的反饋來矯正所述模型在訓(xùn)練階段使用的訓(xùn)練樣本，以維持穩(wěn)定的識別精度；

其中，所述K近鄰 算法改進(jìn)后的算法為：基于動態(tài)時間規(guī)整算法，將實際信號與訓(xùn)練信號進(jìn)行以幀為單位的匹配，計算出實際信號和訓(xùn)練信號之間的最短曼哈頓距離，并以所獲得的最短曼哈頓距離作為k近鄰算法進(jìn)行分類識別的依據(jù)；

其中，步驟S2利用異常檢測算法識別振動信號包括：

S21、采集加速度計Z軸數(shù)據(jù)；

S22、采用高通濾波器對所述加速度計Z軸數(shù)據(jù)進(jìn)行濾波；

S23、設(shè)置有效敲擊信號的閾值及噪音信號閾值；

S24、讀取一段振幅小于噪音信號閾值信號作為第一狀態(tài)；

S25、繼續(xù)監(jiān)聽，等待讀取振幅大于有效敲擊信號閾值的信號，計振幅大于有效敲擊信號閾值的位置為x，設(shè)置信號的起始位置為位置X前L的位置，即X-L；

S26、繼續(xù)監(jiān)聽，等待讀取一段連續(xù)且振幅小于噪音信號閾值的信號，當(dāng)出現(xiàn)連續(xù)振幅小于噪音信號閾值時，設(shè)置信號的結(jié)束位置為當(dāng)前位置；

S27、通過信號起止位置獲取信號數(shù)據(jù)，判斷信號長度是否滿足長度區(qū)間，如不滿足則回到S25，如滿足則進(jìn)入下一步；

S28、對數(shù)據(jù)進(jìn)行高通濾波，分別計算濾波后信號前m個點的能量及m個點之后的能量，判斷信號是否大于信噪比閾值，大于則判斷信號為有效信號，否則認(rèn)為是噪音信號，返回到S25。

2.根據(jù)權(quán)利要求1所述的智能手表的交互方法，其特征在于，步驟S3具體為：

S31、對信號進(jìn)行歸一化的預(yù)處理，將信號減去均值并除以方差；

S32、在初始化訓(xùn)練模型階段，將步驟S31處理后的數(shù)據(jù)作為訓(xùn)練樣本存儲到數(shù)據(jù)庫中；在實際使用階段，使用基于k近鄰算法改進(jìn)后的算法對信號進(jìn)行分類與識別。

3.根據(jù)權(quán)利要求1所述的智能手表的交互方法，其特征在于，步驟S4包括：

S41、由步驟S3得到的分類結(jié)果集合后，糾正使用者輸入結(jié)果；

S42、糾正后，對訓(xùn)練樣本進(jìn)行一定程度的修正，從而保持精度的穩(wěn)定。

4.根據(jù)權(quán)利要求3中所述的智能手表的交互方法，其特征在于，步驟S41中通過提供候選鍵或通過在輸入法的聯(lián)想結(jié)果對于實際輸入進(jìn)行糾正。

5.根據(jù)權(quán)利要求4中所述的智能手表的交互方法，其特征在于，步驟S42具體為：

S421、糾正結(jié)果與分類結(jié)果一致，無操作；

S422、糾正結(jié)果與分類結(jié)果不一致時，對于訓(xùn)練樣本中與分類結(jié)果相同類別的樣本，刪除通過K近鄰 算法改進(jìn)后的算法計算得到的距離最大的樣本，再將當(dāng)前的樣本替換至被刪除樣本的位置。