[發明專利]一種基于CFCC空間梯度的鍵盤單鍵擊鍵內容識別方法

有效

• 申請號: 201911147998.7
• 申請日: 2019-11-21
• 公開（公告）號: CN111090337B
• 公開（公告）日: 2023-04-07
• 發明（設計）人: 劉影;石松寧;南敬昌
• 申請（專利權）人: 遼寧工程技術大學
• 主分類號: G06F3/023
• 分類號: G06F3/023;G06N3/08;G10L25/30;G10L25/51
• 代理公司: 沈陽東大知識產權代理有限公司 21109
• 代理人: 李在川

1.一種基于CFCC空間梯度的鍵盤單鍵擊鍵內容識別方法，其特征在于包括如下步驟：

步驟1：采集多組敲擊鍵盤時每個字母的聲音信號，并給每組聲音信號加上類別標簽，形成樣本集；

步驟2：采用CFCC的方法提取每個樣本的特征參數，與樣本的類別標簽形成新的樣本集，并將其按一定比例劃分為訓練集和測試集；

步驟3：通過BP神經網絡對訓練集進行訓練，得到訓練好的BP神經網絡模型；

步驟4：將測試集輸入訓練好的BP神經網絡模型中進行測試，得到測試集中每個樣本的類別；

步驟5：設定一個測試準確率閾值μ，計算同一類別樣本的測試準確率并與閾值μ進行比較，若大于閾值μ則輸出類別結果，否則執行步驟6；

步驟6：通過計算測試準確率低于閾值μ的γ鍵與其他鍵之間的曼哈頓距離及CFCC差值構建γ鍵的CSG矩陣；所述CSG為CFCC空間梯度；

所述步驟6的過程如下：

步驟6.1：根據鍵盤的形狀，在鍵盤的左下角建立坐標系，將每個字母由坐標系上的點表示；

步驟6.2：計算γ鍵與其他鍵之間的曼哈頓距離：

d(γ，β)＝|γ_x-β_x|+|γ_y-β_y|

其中，d(γ，β)為γ鍵和β鍵的曼哈頓距離，γ_x、γ_y分別為γ鍵在x、y軸上的坐標，β_x、β_y分別為β鍵在x、y軸上的坐標；

步驟6.3：計算γ鍵與其他鍵之間的CFCC差值：

φ(CFCC_γ，CFCC_β)＝CFCC_γ-CFCC_β

其中，φ(CFCC_γ，CFCC_β)是γ鍵和β鍵之間的CFCC差值，含p條記錄，CFCC_γ表示γ鍵提取的聲音信號特征，有p條記錄，即同理CFCC_β表示β鍵提取的聲音信號特征，有p條記錄，即

步驟6.4：將步驟6.2及步驟6.3得到的數據合成g鍵的CSG距離矩陣：

g＝{d(γ，β)，φ(CFCC_γ，CFCC_β)}

步驟7：基于γ鍵的CSG矩陣，構建新的訓練集和測試集；

所述步驟7的過程如下：

步驟7.1：根據曼哈頓距離由遠及近的原則，選取γ鍵的CSG矩陣中曼哈頓距離不超過i的所有相鄰位置的鄰域集合；

步驟7.2：根據步驟4得到的BP神經網絡對γ鍵所有測試樣本的類別判斷，從結果中選擇分類概率高的M個相似類別，并采用步驟7.1的方法選擇這M個相似類別的鄰域集合；

步驟7.3：將M個相似類別訓練集中原始樣本的CFCC值與步驟7.2得到的M個相似類別的鄰域集合的訓練集樣本CFCC值分別做差，得到新的訓練樣本集；

步驟7.4：根據步驟4得到的BP神經網絡對γ鍵所有測試集中原始樣本CFCC值與步驟7.2得到的M個相似類別的鄰域集合的測試集原始樣本CFCC值分別做差，得到新的測試集；

步驟8：根據步驟7得到新的訓練集進行神經網絡訓練，將步驟7得到新的測試樣本集輸入到新訓練好的神經網絡中，從結果中選擇分類概率最高的類別作為γ鍵的輸出類別。