本申请公开了一种感应开关控制方法、系统和电子设备，其通过使用红外检测信号本身的相位信息来进行高维特征提取，这样能够以相对简单的数据来包含传播参数以及传播过程中的噪声干扰信息，以提高了高维特征空间中的信息密度，并且本申请还考虑到红外检测信号在传播时的特性，因此进一步基于相位特征值来进行上行传播的参数修正，以使得所提取出的特征进一步地表达信号传播的信息，提高了分类的准确性。提高了分类的准确性。提高了分类的准确性。
【技术实现步骤摘要】
感应开关控制方法、系统和电子设备
[0001]本专利技术涉及智能感应开关的领域，且更为具体地，涉及一种感应开关控制方法、系统和电子设备。
技术介绍
[0002]迄今人类已经专利技术了许多种类的人体感应自动开关，有传统的被动式红外热释自动感应开关，有主动式红外人体感应开关。
[0003]原理而言，传统的被动式红外热释人体感应开关，是通过所感应人体发出的红外线来工作的，这种感应开关只能人体感应“开”而不能人体感应“关”，也就是，在这种开关作用下，人只有不停的“动”才能保持它的“开”的动作的实现，这种条件下，被动式红外热释人体感应开关的使用范围被极大地限制了。
[0004]主动式红外人体感应开关，是通过主动发出红外检测信号来工作的。其虽然可以实现“人来即开
‑
人走即关”的人体感应的即时开关功能，但是它的作用范围通常是有限的，只能在它的光路所覆盖的很有限的范围内感应人体存在，从而实现“开”或“关”的功能，同时这种方式的人体感应开关还存在抗干扰能力差，自身能耗高的诸多问题。
[0005]因此，期望提供一种优化的用于中主动式感应开关的控制方案。
技术实现思路
[0006]为了解决上述技术问题，提出了本申请。本申请的实施例提供了一种感应开关控制方法、系统和电子设备，其通过使用红外检测信号本身的相位信息来进行高维特征提取，这样能够以相对简单的数据来包含传播参数以及传播过程中的噪声干扰信息，以提高了高维特征空间中的信息密度，并且本申请还考虑到红外检测信号在传播时的特性，因此进一步基于相位特征值来进行上行传播的参数修正，以使得所提取出的特征进一步地表达信号传播的信息，提高了分类的准确性。
[0007]根据本申请的一个方面，提供了一种感应开关控制方法，其包括：
[0008]获取在判定时间段内的一系列预定时间点的红外检测信号的相位数据；
[0009]将所述一系列预定时间点的红外检测信号的相位数据构造按时间维度排列为相位向量；
[0010]将所述相位向量通过深度神经网络模型以获得相位特征向量，所述相位特征向量用于表示各个时间点的红外检测信号的相位数据的高维隐含特征和相邻两个时间点的红外检测信号的相位数据之间的关联的高维隐含特征；
[0011]基于所述相位特征向量中各个位置的特征值，计算所述相位特征向量中各个位置的上行修正特征值，其中，所述上行修正特征值还基于红外检测器的发送功率、红外检测器与检测对象之间的距离、红外检测器到检测对象的小规模衰减效应参数和红外检测器到检测对象的小规模衰减功率分量生成；
[0012]将各个位置的所述上行修正特征值排列为上行修正特征向量；
[0013]将所述上行修正特征向量输入分类器以获得分类结果，所述分类结果用于表示监测对象的运动模式；以及
[0014]基于所述分类结果，确定感应开关的控制状态。
[0015]在上述感应开关控制方法中，将所述相位向量通过深度神经网络模型以获得相位特征向量，包括：使用所述深度神经网络模型的至少一全连接层对所述相位向量进行全连接编码以提取出所述相位向量中各个时间点的红外检测信号的相位数据的高维隐含特征；以及，使用所述深度神经网络模型的一维卷积层对所述相位向量进行一维卷积编码以提取出所述相位向量中相邻两个时间点的红外检测信号的相位数据之间的关联的高维隐含特征。
[0016]在上述感应开关控制方法中，基于所述相位特征向量中各个位置的特征值，计算所述相位特征向量中各个位置的上行修正特征值，包括：基于所述相位特征向量中各个位置的特征值，以如下公式计算所述相位特征向量中各个位置的上行修正特征值；所述公式为：
[0017][0018]其中是相位特征值，T
i
是红外检测器的发送功率，d
i
是红外检测器与检测对象之间的距离，a
T,O
是红外检测器到检测对象的小规模衰减效应参数，hT
,O
是红外检测器到检测对象的小规模衰减功率分量，且σ2表示加性白高斯噪声的功率。
[0019]在上述感应开关控制方法中，所述红外检测器到检测对象的小规模衰减效应参数，包含路径损失和遮挡损失；且所述红外检测器到检测对象的小规模衰减功率分量与所述红外检测器的发射频率相关。
[0020]在上述感应开关控制方法中，将所述上行修正特征向量输入分类器以获得分类结果，包括：将所述上行修正特征向量输入所述分类器的Softmax分类函数以获得所述上行修正特征向量分别归属于不同运动模式标签的多个概率值；以及，将所述多个概率值中最大者对应的运动模式标签，确定为所述分类结果。
[0021]在上述感应开关控制方法中，所述运动模式标签包括：静止、匀速行进、加速行进、减速行进。
[0022]在上述感应开关控制方法中，基于所述分类结果，确定感应开关的控制状态，包括：响应于所述分类结果为匀速行进，基于所述匀速行进的速度确定所述感应开关的延长关闭时间；响应于所述分类结果为匀速行进，基于所述加速行进的加速度确定所述感应开关的延长关闭时间；以及，响应于所述分类结果为匀速行进，基于所述减速行进的加速度确定所述感应开关的延长关闭时间。
[0023]根据本申请的另一方面，提供了一种感应开关控制系统，其包括：
[0024]数据获取单元，用于获取在判定时间段内的一系列预定时间点的红外检测信号的相位数据；
[0025]相位向量排列单元，用于将所述数据获取单元获得的所述一系列预定时间点的红外检测信号的相位数据构造按时间维度排列为相位向量；
[0026]深度神经网络处理单元，用于将所述相位向量排列单元获得的所述相位向量通过深度神经网络模型以获得相位特征向量，所述相位特征向量用于表示各个时间点的红外检
测信号的相位数据的高维隐含特征和相邻两个时间点的红外检测信号的相位数据之间的关联的高维隐含特征；
[0027]上行修正特征值计算单元，用于基于所述深度神经网络处理单元获得的所述相位特征向量中各个位置的特征值，计算所述相位特征向量中各个位置的上行修正特征值，其中，所述上行修正特征值还基于红外检测器的发送功率、红外检测器与检测对象之间的距离、红外检测器到检测对象的小规模衰减效应参数和红外检测器到检测对象的小规模衰减功率分量生成；
[0028]特征向量生成单元，用于将各个位置的所述上行修正特征值计算单元获得的所述上行修正特征值排列为上行修正特征向量；
[0029]分类单元，用于将所述特征向量生成单元获得的所述上行修正特征向量输入分类器以获得分类结果，所述分类结果用于表示监测对象的运动模式；以及
[0030]确定单元，用于基于所述分类单元获得的所述分类结果，确定感应开关的控制状态。
[0031]在上述感应开关控制系统中，所述深度神经网络处理单元，包括：全连接编码子单元，用于使用所述深度神经网络模型的至少一全连接层对所述相位向量进行全连接编码以提取出所述相位向量中各个时间点的红外检测信号的相位数据的高维隐含特本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种感应开关控制方法，其特征在于，包括：获取在判定时间段内的一系列预定时间点的红外检测信号的相位数据；将所述一系列预定时间点的红外检测信号的相位数据构造按时间维度排列为相位向量；将所述相位向量通过深度神经网络模型以获得相位特征向量，所述相位特征向量用于表示各个时间点的红外检测信号的相位数据的高维隐含特征和相邻两个时间点的红外检测信号的相位数据之间的关联的高维隐含特征；基于所述相位特征向量中各个位置的特征值，计算所述相位特征向量中各个位置的上行修正特征值，其中，所述上行修正特征值还基于红外检测器的发送功率、红外检测器与检测对象之间的距离、红外检测器到检测对象的小规模衰减效应参数和红外检测器到检测对象的小规模衰减功率分量生成；将各个位置的所述上行修正特征值排列为上行修正特征向量；将所述上行修正特征向量输入分类器以获得分类结果，所述分类结果用于表示监测对象的运动模式；以及基于所述分类结果，确定感应开关的控制状态。2.根据权利要求1所述的感应开关控制方法，其中，将所述相位向量通过深度神经网络模型以获得相位特征向量，包括：使用所述深度神经网络模型的至少一全连接层对所述相位向量进行全连接编码以提取出所述相位向量中各个时间点的红外检测信号的相位数据的高维隐含特征；以及使用所述深度神经网络模型的一维卷积层对所述相位向量进行一维卷积编码以提取出所述相位向量中相邻两个时间点的红外检测信号的相位数据之间的关联的高维隐含特征。3.根据权利要求1所述的感应开关控制方法，其中，基于所述相位特征向量中各个位置的特征值，计算所述相位特征向量中各个位置的上行修正特征值，包括：基于所述相位特征向量中各个位置的特征值，以如下公式计算所述相位特征向量中各个位置的上行修正特征值；所述公式为：其中是相位特征值，T
i
是红外检测器的发送功率，d
i
是红外检测器与检测对象之间的距离，a
T,O
是红外检测器到检测对象的小规模衰减效应参数，h
T,O
是红外检测器到检测对象的小规模衰减功率分量，且σ2表示加性白高斯噪声的功率。4.根据权利要求3所述的感应开关控制方法，其中，所述红外检测器到检测对象的小规模衰减效应参数，包含路径损失和遮挡损失；且所述红外检测器到检测对象的小规模衰减功率分量与所述红外检测器的发射频率相关。5.根据权利要求1所述的感应开关控制方法，其中，将所述上行修正特征向量输入分类器以获得分类结果，包括：将所述上行修正特征向量输入所述分类器的Softmax分类函数以获得所述上行修正特
征向量分别归属于不同运动模式标签的多个概率值；以及将所述多个概率值中最大者对应的...
【专利技术属性】
技术研发人员：杨林炯，杨丽莉，罗秋萍，沈雅文，
申请(专利权)人：深圳蓝宝利电子有限公司，
类型：发明
国别省市：
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。