基于手机麦克风的键盘输入感知方法技术

技术编号:14050424 阅读:59 留言:0更新日期:2016-11-24 05:02
本发明专利技术公开了一种基于手机麦克风的键盘输入感知方法,用于解决现有基于手机麦克风的键盘输入感知方法实用性差的技术问题。技术方案采用手机麦克风对键盘中的按键音频进行采集,对采集到的音频信号进行滤波处理,利用双门限算法对单个按键以及单个按键的不同阶段进行端点检测。对于单个按键中的push峰进行频域转换,对于单词序列按键则对单词中的两两按键间的push‑release峰中时域短时互相关性进行计算,得到互相关矩阵。对于单键识别,结合短时信号特征,使用支持向量机算法采用线性核,对单个按键进行识别。对于单词序列识别,根据互相关矩阵,结合BestFriendSelection算法得到相邻关系矩阵。实用性强。

【技术实现步骤摘要】

本专利技术属于传感器数据采集与分析领域,特别涉及一种基于手机麦克风的键盘输入感知方法
技术介绍
随着感知技术的高速发展与智能手机的不断改进与普及,基于手机的感知系统层出不穷。一部智能手机上,集成了包括加速度传感器、陀螺仪、重力计、气压计等十几种传感器。这些种类繁多,性能优越的传感器,可以拥有很高的灵敏度和分辨率。这使得智能手机已经不单单可以作为一种沟通工具,其日益强大的计算能力、通信能力、与感知能力使其在日常生活中可以扮演更加重要的角色,因此智能手机外加一些简单的外在设备或工具就能够实现更为强大的功能,在2014年MobiSys中发表的《Ubiquitous keyboard for small mobile devices:harnessing multipath fading for fine-grained keystroke localization》文章利用敲击同一桌面不同位置定义为不同的按键,也就是利用双麦克风定位来对不同位置的敲击进行定位,这将给用户带来极大的便利与用户体验。再根据美兰德最新结果显示:2016年全球智能手机用户达22亿,其中中国智能手机用户达6.24亿。在中国,城市居民每天使用手机的时间约4.5小时,而10.5%的受访者每日使用手机时间更是超过了10小时。手机已经成为了生活必需品,更是每个人出行必备的随身物品之一,手机无时无刻感知着我们的行为,利用键盘感知的结果,可对用户提供更加具有上下文环境的修改化服务,以及对用户当前是的行为进行识别与提供一种新型的人机交互的体验。
技术实现思路
为了克服现有基于手机麦克风的键盘输入感知方法实用性差的不足,本专利技术提供一种基于手机麦克风的键盘输入感知方法。该方法使键盘与手机保持一个相对不变的位置,而后打开手机麦克风,对键盘中的按键音频进行录制,并记下相应的真实值。对采集到的音频信号进行滤波处理,减少噪音对端点检测算法的干扰。基于滤波后的音频信号,利用双门限算法,单个按键以及单个按键的不同阶段进行端点检测。对于单个按键中的push峰进行频域转换,便提取频域中的短时信号特征。对于单词序列按键则对单词中的两两按键间的push-release峰中时域短时互相关性进行计算,得到互相关矩阵。对于单键识别,结合短时信号特征,使用支持向量机算法采用线性核,对单个按键进行识别。对于单词序列识别,根据互相关矩阵,结合BestFriendSelection算法得到相邻关系矩阵。基于相邻关系矩阵,随机抽取M组约束条件,每一组约束条件对应一组候选单词,得到排序好的候选单词集,实用性强。本专利技术解决其技术问题所采用的技术方案:一种基于手机麦克风的键盘输入感知方法,其特点是包括以下步骤:步骤一、使键盘与手机保持一个相对不变的位置,而后打开手机麦克风,对键盘中的按键音频进行采集,并记下相应的音频信号。步骤二、对采集到的音频信号进行滤波处理,减少噪音对端点检测算法的干扰。假设维纳滤波器的输入信号是s(t),噪声为n(t)。输出信号为x(t),通过滤波器g(t)使用卷积运算得到x(t)=g(t)*(s(t)+n(t)),其中,输出信号x(t)与输入信号s(t)一致,即e2(t)=s2(t)-2s(t)x(t)+x2(t)平方误差均值最小。步骤三、基于滤波后的音频信号,利用双门限算法,单个按键以及单个按键的不同阶段进行端点检测。双门限端点检测算法使用短时能量和短时过零率为阈值进行两级判决。每个按键信号被划分为push-release两个阶段。步骤四、对于单个按键中的push峰进行频域转换,并提取频域中的短时信号特征。对于单词序列按键则对单词中的两两按键间的push-release峰中时域短时互相关性进行计算,得到互相关矩阵。提取出按键音片段后利用频域分析法,得知26个字母按键音的频谱都集中分布在0~8Khz的范围内。因此,首先将得到的频谱序列归一化,再按照每5hz划分一个小区间,将每个区间内的点累加起来,得到400个特征值。步骤五、对于单键识别,结合短时信号特征,使用支持向量机算法采用线性核,对单个按键进行识别。通过支持向量机,取10折交叉验证,即训练用于单个按键的识别模型计算预测的精度来描述模型的效果。步骤六、对于单词序列识别,根据互相关矩阵,结合BestFriendSelection算法得到相邻关系矩阵。每个按键语音的push段互相做互相关函数计算,形成一个NXN矩阵,每个按键语音的release段取出做互相关函数计算,再生成一个NXN矩阵。然后利用求平均的方式合成两个矩阵为一个矩阵。然后遍历每行,如果i行j列是i行最大值且j行i列是j行最大值,则第i个字母和第j个字母互为最好朋友,即满足EQ(相等)关系,既得到一个单词间的约束矩阵步骤七、基于相邻关系矩阵,随机抽取M组约束条件,每一组约束条件对应一组候选单词,因此就能得到排序好的候选单词集。一个约束条件组c包含很多个δi约束,它的EVAL(c)=∩mEVAL(δm),也就是单词必须满足条件组里的所有约束。根据多个约束组可找到多组候选单词,排序后得到最终键盘输入的单词。本专利技术的有益效果是:该方法使键盘与手机保持一个相对不变的位置,而后打开手机麦克风,对键盘中的按键音频进行录制,并记下相应的真实值。对采集到的音频信号进行滤波处理,减少噪音对端点检测算法的干扰。基于滤波后的音频信号,利用双门限算法,单个按键以及单个按键的不同阶段进行端点检测。对于单个按键中的push峰进行频域转换,便提取频域中的短时信号特征。对于单词序列按键则对单词中的两两按键间的push-release峰中时域短时互相关性进行计算,得到互相关矩阵。对于单键识别,结合短时信号特征,使用支持向量机算法采用线性核,对单个按键进行识别。对于单词序列识别,根据互相关矩阵,结合BestFriendSelection算法得到相邻关系矩阵。基于相邻关系矩阵,随机抽取M组约束条件,每一组约束条件对应一组候选单词,得到排序好的候选单词集,实用性强。下面结合附图和具体实施方式对本专利技术作详细说明。附图说明图1是本专利技术基于手机麦克风的键盘输入感知方法的流程图。图2是本专利技术方法中所用键盘按键信号被划分为push-release两个阶段的示意图。具体实施方式参照图1-2。本专利技术基于手机麦克风的键盘输入感知方法具体步骤如下:步骤一、使键盘与手机保持一个相对不变的位置,而后打开手机麦克风,对键盘中的按键音频进行采集,并记下相应的音频信号。步骤二、对采集到的音频信号进行滤波处理,减少噪音对端点检测算法的干扰。假设维纳滤波器的输入信号是s(t),噪声为n(t)。输出信号为x(t),通过滤波器g(t)使用下面的卷积运算得到x(t)=g(t)*(s(t)+n(t))其中为使输出信号x(t)与输入信号s(t)最为一致,即e2(t)=s2(t)-2s(t)x(t)+x2(t)平方误差均值最小。步骤三、基于滤波后的音频信号,利用双门限算法,单个按键以及单个按键的不同阶段进行端点检测。双门限端点检测算法使用短时能量和短时过零率为阈值进行两级判决。每个按键信号被划分为push-release两个阶段。步骤四、对于单个按键中的push峰进行频域转换,并提取频域中的短时信号特征。对于单词序列按键则对单词中本文档来自技高网...
基于手机麦克风的键盘输入感知方法

【技术保护点】
一种基于手机麦克风的键盘输入感知方法,其特征在于包括以下步骤:步骤一、使键盘与手机保持一个相对不变的位置,而后打开手机麦克风,对键盘中的按键音频进行采集,并记下相应的音频信号;步骤二、对采集到的音频信号进行滤波处理,减少噪音对端点检测算法的干扰;假设维纳滤波器的输入信号是s(t),噪声为n(t);输出信号为x(t),通过滤波器g(t)使用卷积运算得到x(t)=g(t)*(s(t)+n(t)),其中,输出信号x(t)与输入信号s(t)一致,即e2(t)=s2(t)‑2s(t)x(t)+x2(t)平方误差均值最小;步骤三、基于滤波后的音频信号,利用双门限算法,单个按键以及单个按键的不同阶段进行端点检测;双门限端点检测算法使用短时能量和短时过零率为阈值进行两级判决;每个按键信号被划分为push‑release两个阶段;步骤四、对于单个按键中的push峰进行频域转换,并提取频域中的短时信号特征;对于单词序列按键则对单词中的两两按键间的push‑release峰中时域短时互相关性进行计算,得到互相关矩阵;提取出按键音片段后利用频域分析法,得知26个字母按键音的频谱都集中分布在0~8Khz的范围内;因此,首先将得到的频谱序列归一化,再按照每5hz划分一个小区间,将每个区间内的点累加起来,得到400个特征值;步骤五、对于单键识别,结合短时信号特征,使用支持向量机算法采用线性核,对单个按键进行识别;通过支持向量机,取10折交叉验证,即训练用于单个按键的识别模型计算预测的精度来描述模型的效果;步骤六、对于单词序列识别,根据互相关矩阵,结合BestFriendSelection算法得到相邻关系矩阵;每个按键语音的push段互相做互相关函数计算,形成一个NXN矩阵,每个按键语音的release段取出做互相关函数计算,再生成一个NXN矩阵;然后利用求平均的方式合成两个矩阵为一个矩阵;然后遍历每行,如果i行j列是i行最大值且j行i列是j行最大值,则第i个字母和第j个字母互为最好朋友,即满足EQ(相等)关系,既得到一个单词间的约束矩阵步骤七、基于相邻关系矩阵,随机抽取M组约束条件,每一组约束条件对应一组候选单词,因此就能得到排序好的候选单词集;一个约束条件组c包含很多个δi约束,它的EVAL(c)=∩mEVAL(δm),也就是单词必须满足条件组里的所有约束;根据多个约束组可找到多组候选单词,排序后得到最终键盘输入的单词。...

【技术特征摘要】
1.一种基于手机麦克风的键盘输入感知方法,其特征在于包括以下步骤:步骤一、使键盘与手机保持一个相对不变的位置,而后打开手机麦克风,对键盘中的按键音频进行采集,并记下相应的音频信号;步骤二、对采集到的音频信号进行滤波处理,减少噪音对端点检测算法的干扰;假设维纳滤波器的输入信号是s(t),噪声为n(t);输出信号为x(t),通过滤波器g(t)使用卷积运算得到x(t)=g(t)*(s(t)+n(t)),其中,输出信号x(t)与输入信号s(t)一致,即e2(t)=s2(t)-2s(t)x(t)+x2(t)平方误差均值最小;步骤三、基于滤波后的音频信号,利用双门限算法,单个按键以及单个按键的不同阶段进行端点检测;双门限端点检测算法使用短时能量和短时过零率为阈值进行两级判决;每个按键信号被划分为push-release两个阶段;步骤四、对于单个按键中的push峰进行频域转换,并提取频域中的短时信号特征;对于单词序列按键则对单词中的两两按键间的push-release峰中时域短时互相关性进行计算,得到互相关矩阵;提取出按键音片段后利用频域分析法,得知26个字母按键音的频谱都集中分布在0~8Khz的范围内;因此,首先...

【专利技术属性】
技术研发人员:於志文肖栋郭斌王柱
申请(专利权)人:西北工业大学
类型:发明
国别省市:陕西;61

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1