【技术实现步骤摘要】
本专利技术涉及显示控制，尤其涉及触摸显示屏的控制方法及系统。
技术介绍
1、显示控制
，是一个集成了电子显示和触摸技术的交互式系统设计领域，重点关注于如何通过触摸输入来控制显示设备上的信息显示和界面交互。覆盖了从基础的触摸检测技术、触摸信号的处理和解析，到触摸交互引发的显示内容变化和界面响应等多个方面，旨在提升用户交互的直观性、效率和舒适度，同时也致力于增强显示设备的功能性和应用范围。
2、其中，触摸显示屏的控制方法是一种允许用户通过触摸屏幕表面来直接与电子设备交互的技术。其主要目的是通过触摸指令来控制显示内容和执行特定操作，从而提供一种直观、便捷的交互方式，使得用户能够通过简单的触摸、滑动或其他手势来浏览信息、输入数据、调节设置等，实现与设备的实时、动态交互，旨在达成的效果包括提高用户操作的准确性和响应速度，增强用户体验，以及扩展设备的应用功能和场景。
3、传统触摸屏控制方法依赖于简单的信号处理技术和固定参数的反馈机制，导致其在处理复杂环境干扰、适应多样化用户操作意图方面存在不足。例如，未经充分去噪和标准化的原始触摸数据易受设备差异和外界噪声的影响，降低数据处理的准确性和系统的响应效率。缺乏深度学习算法的支持，传统方法在理解用户复杂触摸意图上能力有限，难以实现个性化和高精度的触摸控制，限制了触摸控制技术的应用范围和发展。
技术实现思路
1、本专利技术的目的在于克服上述传统技术的不足之处，提供一种触摸显示屏的控制方法及系统。
2、本专利技术
3、触摸显示屏的控制方法，包括以下步骤，
4、s1：基于触摸操作中产生的物理变化，采用高斯滤波算法对加速度传感器和压力传感器采集的数据进行去噪处理，利用最小-最大归一化方法对数据进行标准化，消除数据量纲影响和噪声，生成预处理后的触摸数据；
5、s2：基于所述预处理后的触摸数据，采用卷积神经网络模型对触摸动态特征进行深度学习分析，学习和识别差异化压力级别和触摸意图之间的复杂关系，准确识别用户触摸意图，并进行模型构建，生成触摸意图识别模型；
6、s3：基于所述触摸意图识别模型，利用反馈控制算法对触摸屏进行实时响应调整，根据意图识别结果动态调整触摸屏的压力感应强度和触感反馈，根据用户的操作意图提供对应反馈，生成动态触摸反馈机制；
7、s4：基于显示屏的触摸操作动作，通过最小均方误差算法，分析和处理实时监测到的电磁干扰，动态调整滤波参数，减少电磁干扰对触摸信号的影响，优化触摸信号的准确性和可靠性，生成优化后的触摸信号；
8、s5：基于所述优化后的触摸信号，使用长短期记忆网络，预测电磁干扰对触摸信号的潜在影响，调整触摸信号处理流程补偿干扰，学习历史干扰数据与触摸信号之间的关系，生成干扰补偿模型；
9、s6：基于收集并分析触摸操作数据和屏幕响应情况，采用反向传播算法，对校准模型进行训练和优化，通过循环迭代学习，调整模型参数，优化触摸精度和响应速度，生成深度学习校准模型；
10、s7：基于所述深度学习校准模型、动态触摸反馈机制和干扰补偿模型，通过集成控制策略对触摸屏进行全面优化和控制，调整屏幕校准参数，揭示适应性强的触摸控制解决方案，生成触摸屏幕综合控制单元。
11、作为本专利技术的进一步方案，所述预处理后的触摸数据包括去噪声后的加速度信息和标准化的压力数据；所述触摸意图识别模型具体为识别用户的触摸动作，包括轻触、滑动或长按；所述动态触摸反馈机制具体为依据差异化触摸动作调节屏幕的物理反馈；所述优化后的触摸信号具体为经过干扰消减的精确触摸数据；所述干扰补偿模型具体为动态调整信号处理策略；所述深度学习校准模型包括优化触摸位置和压力强度的检测精度；所述触摸屏幕综合控制单元具体为集成多模型和算法，实现精确、可靠和用户友好的触摸交互体验的控制系统。
12、作为本专利技术的进一步方案，基于触摸操作中产生的物理变化，采用高斯滤波算法对加速度传感器和压力传感器采集的数据进行去噪处理，利用最小-最大归一化方法对数据进行标准化，消除数据量纲影响和噪声，生成预处理后的触摸数据的步骤为：
13、s101：基于触摸操作中产生的物理变化，采用高斯滤波算法进行去噪处理，计算每个数据点周围的加权平均来平滑数据，使用python中的scipy库的gaussian_filter函数，设置标准差参数sigma为1.5，生成去噪后的传感器数据；
14、s102：基于所述去噪后的传感器数据，将每个特征值线性转换到0到1的范围内，使用python的numpy库的min和max函数计算每个特征的最小值和最大值，应用归一化公式将每个数据点进行转换，生成归一化的传感器数据；
15、s103：基于所述归一化的传感器数据，进行数据整理和格式化，包括时间戳对齐和缺失值处理，使用pandas库的fillna方法采用前向填充方式处理缺失值，保证数据的一致性和准确性，生成预处理后的触摸数据。
16、作为本专利技术的进一步方案，基于所述预处理后的触摸数据，采用卷积神经网络模型对触摸动态特征进行深度学习分析，学习和识别差异化压力级别和触摸意图之间的复杂关系，准确识别用户触摸意图，并进行模型构建，生成触摸意图识别模型的步骤为：
17、s201：基于所述预处理后的触摸数据，采用数据清洗算法，去除无关项和噪声数据，通过最大最小规范化方法将数据特征缩放到给定的范围内，保持数据一致性，优化后续学习效率，生成规范化触摸数据；
18、s202：基于所述规范化触摸数据，采用卷积神经网络模型，通过层叠的卷积层提取空间特征，利用池化层降低特征维度并减少计算量，通过全连接层整合学习到的特征，使用反向传播算法优化网络参数，生成触摸特征学习模型；
19、s203：基于所述触摸特征学习模型，调整网络层结构和参数配置，采用交叉验证方法在差异化数据子集上测试模型性能，优化模型的泛化能力和准确率，生成触摸意图识别模型。
20、作为本专利技术的进一步方案，基于所述触摸意图识别模型，利用反馈控制算法对触摸屏进行实时响应调整，根据意图识别结果动态调整触摸屏的压力感应强度和触感反馈，根据用户的操作意图提供对应反馈，生成动态触摸反馈机制的步骤为：
21、s301：基于所述触摸意图识别模型，采用时间序列分析方法，实时分析用户的触摸数据，识别连续触摸动作中的模式和意图，使用循环神经网络或长短期记忆网络处理序列数据，识别用户的触摸意图，生成触摸意图分析结果；
22、s302：基于所述触摸意图分析结果，采用比例-积分-微分控制算法，根据意图分析结果动态调整触摸屏的压力感应强度和触感反馈，匹配用户的操作意图，生成触感调整参数；
23、s303：基于所述触感调整参数，实施反馈机制，调整触摸屏的响应特性，包括改变振动强度、调节触摸屏压力阈值，优化用户触摸反馈体验，生成动态触摸反馈机制。
24、作为本发本文档来自技高网...
【技术保护点】
1.触摸显示屏的控制方法，其特征在于：包括以下步骤：
2.根据权利要求1所述的触摸显示屏的控制方法，其特征在于：所述预处理后的触摸数据包括去噪声后的加速度信息和标准化的压力数据；所述触摸意图识别模型具体为识别用户的触摸动作，包括轻触、滑动或长按；所述动态触摸反馈机制具体为依据差异化触摸动作调节屏幕的物理反馈；所述优化后的触摸信号具体为经过干扰消减的精确触摸数据；所述干扰补偿模型具体为动态调整信号处理策略；所述深度学习校准模型包括优化触摸位置和压力强度的检测精度；所述触摸屏幕综合控制单元具体为集成多模型和算法，实现精确、可靠和用户友好的触摸交互体验的控制系统。
3.根据权利要求1所述的触摸显示屏的控制方法，其特征在于，基于触摸操作中产生的物理变化，采用高斯滤波算法对加速度传感器和压力传感器采集的数据进行去噪处理，利用最小-最大归一化方法对数据进行标准化，消除数据量纲影响和噪声，生成预处理后的触摸数据的步骤为：
4.根据权利要求1所述的触摸显示屏的控制方法，其特征在于：基于所述预处理后的触摸数据，采用卷积神经网络模型对触摸动态特征进行深度学习分析，
5.根据权利要求1所述的触摸显示屏的控制方法，其特征在于：基于所述触摸意图识别模型，利用反馈控制算法对触摸屏进行实时响应调整，根据意图识别结果动态调整触摸屏的压力感应强度和触感反馈，根据用户的操作意图提供对应反馈，生成动态触摸反馈机制的步骤为，
6.根据权利要求1所述的触摸显示屏的控制方法，其特征在于：基于显示屏的触摸操作动作，通过最小均方误差算法，分析和处理实时监测到的电磁干扰，动态调整滤波参数，减少电磁干扰对触摸信号的影响，优化触摸信号的准确性和可靠性，生成优化后的触摸信号的步骤为：
7.根据权利要求1所述的触摸显示屏的控制方法，其特征在于：基于所述优化后的触摸信号，使用长短期记忆网络，预测电磁干扰对触摸信号的潜在影响，调整触摸信号处理流程补偿干扰，学习历史干扰数据与触摸信号之间的关系，生成干扰补偿模型的步骤为：
8.根据权利要求1所述的触摸显示屏的控制方法，其特征在于：基于收集并分析触摸操作数据和屏幕响应情况，采用反向传播算法，对校准模型进行训练和优化，通过循环迭代学习，调整模型参数，优化触摸精度和响应速度，生成深度学习校准模型的步骤为：
9.根据权利要求1所述的触摸显示屏的控制方法，其特征在于：基于所述深度学习校准模型、动态触摸反馈机制和干扰补偿模型，通过集成控制策略对触摸屏进行全面优化和控制，调整屏幕校准参数，揭示适应性强的触摸控制解决方案，生成触摸屏幕综合控制单元的步骤为：
10.触摸显示屏的控制系统，其特征在于：根据权利要求1-9任一项所述的触摸显示屏的控制方法，所述系统包括数据预处理模块、触摸特征分析模块、意图识别模块、干扰补偿模型模块、深度学习校准模块、控制单元优化模块；
...【技术特征摘要】
1.触摸显示屏的控制方法，其特征在于：包括以下步骤：
2.根据权利要求1所述的触摸显示屏的控制方法，其特征在于：所述预处理后的触摸数据包括去噪声后的加速度信息和标准化的压力数据；所述触摸意图识别模型具体为识别用户的触摸动作，包括轻触、滑动或长按；所述动态触摸反馈机制具体为依据差异化触摸动作调节屏幕的物理反馈；所述优化后的触摸信号具体为经过干扰消减的精确触摸数据；所述干扰补偿模型具体为动态调整信号处理策略；所述深度学习校准模型包括优化触摸位置和压力强度的检测精度；所述触摸屏幕综合控制单元具体为集成多模型和算法，实现精确、可靠和用户友好的触摸交互体验的控制系统。
3.根据权利要求1所述的触摸显示屏的控制方法，其特征在于，基于触摸操作中产生的物理变化，采用高斯滤波算法对加速度传感器和压力传感器采集的数据进行去噪处理，利用最小-最大归一化方法对数据进行标准化，消除数据量纲影响和噪声，生成预处理后的触摸数据的步骤为：
4.根据权利要求1所述的触摸显示屏的控制方法，其特征在于：基于所述预处理后的触摸数据，采用卷积神经网络模型对触摸动态特征进行深度学习分析，学习和识别差异化压力级别和触摸意图之间的复杂关系，准确识别用户触摸意图，并进行模型构建，生成触摸意图识别模型的步骤为：
5.根据权利要求1所述的触摸显示屏的控制方法，其特征在于：基于所述触摸意图识别模型，利用反馈控制算法对触摸屏进行实时响应调整，根据意图识别结果动态调整触摸屏的压力感应强度和触...
【专利技术属性】
技术研发人员：赵振合，庞红雁，邵贞贞，尹义伟，
申请(专利权)人：山东京运维科技有限公司，
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。