一种智能手表及其解锁方法技术

本文提供了一种智能手表及其解锁方法，应用于所述智能手表，包括：获取使用者的语音信号；滤除所述语音信号中的噪声，得到除噪后的语音信号；将所述除噪后的语音信号输入匹配滤波器，输出处理后的语音信号；对所述除噪后的语音信号和所述处理后的语音信号进行卷积运算，得到结果序列；判断所述结果序列中指定位置处的结果数据是否大于设定阈值；若否，则停止执行后续步骤，解锁失败；若是，则根据所述使用者当前位置处的信号强度范围，预测所述使用者的坐标；判断所述使用者的坐标是否在预设坐标集合内；若是，则解锁成功；若否，则解锁失败。本文能够在保证数据安全性的前提下，提升用户使用感和体验感。使用感和体验感。使用感和体验感。

【技术实现步骤摘要】
一种智能手表及其解锁方法


[0001]本专利技术涉及智能手表领域，特别地，涉及一种智能手表及其解锁方法。

技术介绍

[0002]近年来，随着物联网和边缘计算的发展，以推动银行网点智能化为核心的“智慧网点”建设正如火如荼。在银行业中，客户经理一般会利用平板电脑进行通讯和收发消息，由于平板电脑不便携，因此现有技术中又提出了考虑运用智能手表进行通讯和消息收发的方案。但由于市售智能手表没有锁定功能，因此智能手表在被窃取后无法保证数据安全性。现有部分智能手表支持密码解锁，但因智能手表的显示屏较小，输入密码时非常不便，因此智能手表解锁不方便导致用户使用感和体验感差已经成为亟需解决的问题。

技术实现思路

[0003]本文实施例的目的在于提供一种智能手表及其解锁方法，以在保证数据安全性的前提下，提升用户使用感和体验感。
[0004]为达到上述目的，一方面，本文实施例提供了一种智能手表的解锁方法，应用于所述智能手表，包括：
[0005]获取使用者的语音信号；
[0006]滤除所述语音信号中的噪声，得到除噪后的语音信号；
[0007]将所述除噪后的语音信号输入匹配滤波器，输出处理后的语音信号；
[0008]对所述除噪后的语音信号和所述处理后的语音信号进行卷积运算，得到结果序列；
[0009]判断所述结果序列中指定位置处的结果数据是否大于设定阈值；
[0010]若否，则停止执行后续步骤，解锁失败；
[0011]若是，则根据所述使用者当前位置处的信号强度范围，预测所述使用者的坐标；
[0012]判断所述使用者的坐标是否在预设坐标集合内；
[0013]若是，则解锁成功；
[0014]若否，则解锁失败。
[0015]优选的，所述滤除所述语音信号中的噪声，得到除噪后的语音信号进一步包括：
[0016]将所述语音信号输入非递归式有限长单位冲激响应滤波器，得到滤波后的语音信号；
[0017]对所述滤波后的语音信号依次进行降采样和变采样，得到采样后的语音信号；
[0018]对所述采样后的语音信号依次预加重，得到预加重处理后的语音信号；
[0019]对所述预加重处理后的语音信号进行分帧操作；
[0020]对分帧后的每一帧语音信号进行短时傅里叶变换，得到频谱序列；
[0021]计算频谱序列的对数能量，对对数能量进行离散余弦变换得到梅尔频率倒谱；
[0022]利用数字低通滤波器对梅尔频率倒谱系数进行滤波，得到除噪后的语音信号。
[0023]优选的，所述计算频谱序列的对数能量进一步包括：
[0024]通过如下公式计算频谱序列的对数能量：
[0025]S(n)＝ln(MELapr(f
s,new
*n/N)*(|X(n)|2))；
[0026]MELapr(f
s,new
*n/N)＝(
‑
2.51*10
‑
21
)*(f
s,new
*n/N)5+(1.1*10
‑
16
)*(f
s,new
*n/N)4‑
(1.81*10
‑
12
)*(f
s,new
*n/N)3+(1.4*10
‑8)*(f
s,new
*n/N)2‑
(5.47*10
‑5)*(f
s,new
*n/N)+0.107；
[0027]其中，S(n)为频谱序列中第n个采样点对应的对数能量，X(n)为频谱序列中第n个采样点对应的频率，N为频谱序列的采样点数目，f
s,new
为降采样时的目标采样率。
[0028]优选的，所述设定阈值的确定方法包括：
[0029]获取语音的训练信号；
[0030]通过预设除噪方法滤除所述训练信号中的噪声，得到除噪后的训练信号；
[0031]将所述除噪后的训练信号输入匹配滤波器，输出处理后的训练信号；
[0032]对所述除噪后的训练信号和所述处理后的训练信号进行卷积运算，得到训练结果序列；
[0033]取训练结果序列中指定位置处的训练结果数据；
[0034]根据所述训练结果数据，计算得到设定阈值。
[0035]优选的，所述根据所述训练结果数据，计算得到设定阈值进一步包括：
[0036]通过如下公式计算得到设定阈值：
[0037][0038]其中，γ为设定阈值，γ
α
为预设的精准度值，取大于0小于等于1之间的任意数，MEa(l)为除噪后的训练信号，h(l)为处理后的训练信号，为卷积运算，为训练结果序列，l＝1,
…
,2L
‑
1，L为指定位置。
[0039]优选的，所述使用者当前位置处的信号强度范围的确定方法包括：
[0040]设置多个信号点，所述信号点用于向智能手表发射信号；
[0041]根据智能手表对应每一信号点的信号强度范围，确定使用者当前位置处对应每一信号点的信号强度范围。
[0042]优选的，所述根据所述使用者当前位置处的信号强度范围，预测所述使用者的坐标进一步包括：
[0043]根据所述使用者当前位置处对应每一信号点的信号强度范围，以及每一信号点的坐标，确定所述使用者的坐标范围；
[0044]根据所述使用者的坐标范围，预测所述使用者的坐标。
[0045]优选的，所述根据所述使用者当前位置处对应每一信号点的信号强度范围，以及每一信号点的坐标，确定所述使用者的坐标范围进一步包括：
[0046]根据所述使用者当前位置处对应每一信号点的信号强度范围，确定所述使用者当前位置与每一信号点之间的距离范围；
[0047]根据所述使用者当前位置与每一信号点之间的距离范围，以及每一信号点的坐标，确定所述使用者的坐标范围。
[0048]另一方面，本文实施例提供了一种智能手表，包括：
[0049]获取模块，用于获取使用者的语音信号；
[0050]除噪模块，用于滤除所述语音信号中的噪声，得到除噪后的语音信号；
[0051]处理模块，用于将所述除噪后的语音信号输入匹配滤波器，输出处理后的语音信号；
[0052]运算模块，用于对所述除噪后的语音信号和所述处理后的语音信号进行卷积运算，得到结果序列；
[0053]第一判断模块，用于判断所述结果序列中指定位置处的结果数据是否大于设定阈值；
[0054]若否，则停止执行后续步骤，解锁失败；
[0055]若是，则根据所述使用者当前位置处的信号强度范围，预测所述使用者的坐标；
[0056]第二判断模块，用于判断所述使用者的坐标是否在预设坐标集合内；
[0057]若是，则解锁成功；
[0058]若否，则解锁失败。
[0059]又一本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种智能手表的解锁方法，其特征在于，应用于所述智能手表，包括：获取使用者的语音信号；滤除所述语音信号中的噪声，得到除噪后的语音信号；将所述除噪后的语音信号输入匹配滤波器，输出处理后的语音信号；对所述除噪后的语音信号和所述处理后的语音信号进行卷积运算，得到结果序列；判断所述结果序列中指定位置处的结果数据是否大于设定阈值；若否，则停止执行后续步骤，解锁失败；若是，则根据所述使用者当前位置处的信号强度范围，预测所述使用者的坐标；判断所述使用者的坐标是否在预设坐标集合内；若是，则解锁成功；若否，则解锁失败。2.根据权利要求1所述的智能手表的解锁方法，其特征在于，所述滤除所述语音信号中的噪声，得到除噪后的语音信号进一步包括：将所述语音信号输入非递归式有限长单位冲激响应滤波器，得到滤波后的语音信号；对所述滤波后的语音信号依次进行降采样和变采样，得到采样后的语音信号；对所述采样后的语音信号依次预加重，得到预加重处理后的语音信号；对所述预加重处理后的语音信号进行分帧操作；对分帧后的每一帧语音信号进行短时傅里叶变换，得到频谱序列；计算频谱序列的对数能量，对对数能量进行离散余弦变换得到梅尔频率倒谱；利用数字低通滤波器对梅尔频率倒谱系数进行滤波，得到除噪后的语音信号。3.根据权利要求2所述的智能手表的解锁方法，其特征在于，所述计算频谱序列的对数能量进一步包括：通过如下公式计算频谱序列的对数能量：S(n)＝ln(MELapr(f
s,new
*n/N)*(|X(n)|2))；MELapr(f
s,new
*n/N)＝(
‑
2.51*10
‑
21
)*(f
s,new
*n/N)5+(1.1*10
‑
16
)*(f
s,new
*n/N)4‑
(1.81*10
‑
12
)*(f
s,new
*n/N)3+(1.4*10
‑8)*(f
s,new
*n/N)2‑
(5.47*10
‑5)*(f
s,new
*n/N)+0.107；其中，S(n)为频谱序列中第n个采样点对应的对数能量，X(n)为频谱序列中第n个采样点对应的频率，N为频谱序列的采样点数目，f
s,new
为降采样时的目标采样率。4.根据权利要求1所述的智能手表的解锁方法，其特征在于，所述设定阈值的确定方法包括：获取语音的训练信号；通过预设除噪方法滤除所述训练信号中的噪声，得到除噪后的训练信号；将所述除噪后的训练信号输入匹配滤波器，输出处理后的训练信号；对所述除噪后的训练信号和所...

【专利技术属性】
技术研发人员：苏泽华，
申请(专利权)人：中国工商银行股份有限公司，
类型：发明
国别省市：