[發(fā)明專利]一種基于1D-CNN的智能手機(jī)按鍵檢測方法在審
| 申請?zhí)枺?/td> | 202011430630.4 | 申請日: | 2020-12-07 |
| 公開(公告)號: | CN112560629A | 公開(公告)日: | 2021-03-26 |
| 發(fā)明(設(shè)計(jì))人: | 申興發(fā);倪振賢 | 申請(專利權(quán))人: | 杭州電子科技大學(xué) |
| 主分類號: | G06K9/00 | 分類號: | G06K9/00;G06K9/62;G06N3/04;G06N3/08 |
| 代理公司: | 杭州君度專利代理事務(wù)所(特殊普通合伙) 33240 | 代理人: | 楊舟濤 |
| 地址: | 310018 浙*** | 國省代碼: | 浙江;33 |
| 權(quán)利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關(guān)鍵詞: | 一種 基于 cnn 智能 手機(jī)按鍵 檢測 方法 | ||
1.一種基于1D-CNN的智能手機(jī)按鍵檢測方法,其特征在于,該方法具體包括以下步驟:
步驟1:數(shù)據(jù)采集
使用CSI Tool工具從無線網(wǎng)卡采集不同按鍵的CSI數(shù)據(jù);
步驟2:基于Hampel算法去除異常點(diǎn);
步驟3:基于巴特沃斯低通濾波去噪;
步驟4:基于主成分分析去噪和降維;
通過主成分分析方法保留CSI中最具有代表性的部分,去除冗余部分,實(shí)現(xiàn)了去噪和降維的效果;
步驟5:在完成CSI數(shù)據(jù)的預(yù)處理后,選出具有代表性的特征;
應(yīng)用預(yù)處理后的波形,基于方差的算法進(jìn)行提取高能部分,作為具有代表性的特征;
步驟6:在獲取了不同按鍵的高能CSI段后進(jìn)行模型訓(xùn)練;
使用1D-CNN對數(shù)據(jù)進(jìn)行訓(xùn)練,假設(shè)根據(jù)步驟5得到的高能CSI段長度為N,在1D-CNN中的卷積核大小一定要小于N,步長為l,過濾器數(shù)量為n_filter;因此表示為
其中N為高能段長度,kernel_length為卷積核大小,stride為卷積步長,nout為輸出維度,最后通過十倍交叉驗(yàn)證方式驗(yàn)證模型檢測按鍵的準(zhǔn)確率。
2.根據(jù)權(quán)利要求1所述的一種基于1D-CNN的智能手機(jī)按鍵檢測方法,其特征在于:所述步驟2中,使用中位值和絕對中位差找到數(shù)據(jù)的異常點(diǎn),具體使用滑動窗口中數(shù)據(jù)的中位值替換掉這些異常值,假設(shè)數(shù)據(jù)集X={x1,x2,x3,...,xn}以及滑動窗口的步長為l,滑動窗口長度為2l,則有mi=medium(xi-l,xi-l+1,xi-l+2,...,xi,xi+l-2,xi+l-1,xi+l),根據(jù)正態(tài)分布常量值k=1.4826,得到標(biāo)準(zhǔn)差估計(jì):
σi=k×medium(|xi-l-mi|,...,|xi+l-mi|)
對于給定一個閾值nσ,如果有|xi-mi|>nσσi,則將xi視為異常點(diǎn),通過中位值mi替換異常點(diǎn)數(shù)據(jù)。
3.根據(jù)權(quán)利要求1所述的一種基于1D-CNN的智能手機(jī)按鍵檢測方法,其特征在于:所述步驟3中,由于手指按鍵頻率在3-30Hz之間,因此根據(jù)通帶截止頻率公式求解:
其中Fs為采樣頻率,設(shè)置階數(shù)n=5即可求出截止頻率。
該專利技術(shù)資料僅供研究查看技術(shù)是否侵權(quán)等信息,商用須獲得專利權(quán)人授權(quán)。該專利全部權(quán)利屬于杭州電子科技大學(xué),未經(jīng)杭州電子科技大學(xué)許可,擅自商用是侵權(quán)行為。如果您想購買此專利、獲得商業(yè)授權(quán)和技術(shù)合作,請聯(lián)系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/202011430630.4/1.html,轉(zhuǎn)載請聲明來源鉆瓜專利網(wǎng)。
- 同類專利
- 專利分類
G06K 數(shù)據(jù)識別;數(shù)據(jù)表示;記錄載體;記錄載體的處理
G06K9-00 用于閱讀或識別印刷或書寫字符或者用于識別圖形,例如,指紋的方法或裝置
G06K9-03 .錯誤的檢測或校正,例如,用重復(fù)掃描圖形的方法
G06K9-18 .應(yīng)用具有附加代碼標(biāo)記或含有代碼標(biāo)記的打印字符的,例如,由不同形狀的各個筆畫組成的,而且每個筆畫表示不同的代碼值的字符
G06K9-20 .圖像捕獲
G06K9-36 .圖像預(yù)處理,即無須判定關(guān)于圖像的同一性而進(jìn)行的圖像信息處理
G06K9-60 .圖像捕獲和多種預(yù)處理作用的組合
- 圖像語義標(biāo)注的設(shè)備和方法及其模型的生成方法和系統(tǒng)
- 使用卷積神經(jīng)網(wǎng)絡(luò)的數(shù)字圖像處理
- 為數(shù)據(jù)庫確定卷積神經(jīng)網(wǎng)絡(luò)CNN模型的裝置和方法
- 確定卷積神經(jīng)網(wǎng)絡(luò)CNN模型的裝置和方法
- 采用嵌入式系統(tǒng)中的小規(guī)模卷積神經(jīng)網(wǎng)絡(luò)模塊的人臉檢測
- 針對深度通道和卷積神經(jīng)網(wǎng)絡(luò)圖像和格式使用相機(jī)設(shè)備的方法和系統(tǒng)
- 處理卷積神經(jīng)網(wǎng)絡(luò)的方法
- CNN加速器和電子設(shè)備
- 一種基于混合神經(jīng)網(wǎng)絡(luò)的腦電時空特征學(xué)習(xí)與情感分類方法
- 一種基于FPGA的深度學(xué)習(xí)加速方法





