专利摘要
本发明提供一种基于骨传导的智能输入方法和系统。该方法包括：接收来自于按键的骨传导的振动信号并进行特征提取，获得经特征提取后的振动信号；将所述经特征提取后的振动信号的时序信号序列输入至经训练的神经网络分类模型，识别出所述骨传导振动信号对应的按键类型；基于识别出的按键类型确定用户输入的文字信息。本发明提供的基于骨传导的智能输入方法和系统能够快速且精确地识别用户输入的文字信息。
权利要求
1.一种基于骨传导的智能输入方法，包括以下步骤：
步骤S1，接收来自于按键的骨传导的振动信号并进行特征提取，获得经特征提取后的振动信号；
步骤S2，将所述经特征提取后的振动信号的时序信号序列输入至经训练的神经网络分类模型，识别出所述骨传导的振动信号对应的按键类型；
步骤S3，基于识别出的按键类型确定用户输入的文字信息。
2.根据权利要求1所述的方法，其中，步骤S1包括第一次特征提取，该第一次体征提取包括：
通过振动贴片传感器对接收的振动信号进行采集；
对于采集到的振动信号，使用巴氏低通滤波器去除高频的电噪声；
对于去除高频噪声的振动信号，使用信号放大器进行放大；
将放大后的振动信号通过模数转换器转换为对应的数字信号。
3.根据权利要求2所述的方法，其中，在所述第一次特征提取之后还包括：
利用陷波滤波器去除高频和低频的信号噪声；
对于去除高频和低频的信号噪声的振动信号，判断其是否为噪声信号；
对于判断为非噪声信号的振动信号，确定切割起点和切割终点，提取所述切割起点和所述切割终点之间的信号作为待分析的目标信号。
4.根据权利要求3所述方法，其中，将振动信号的幅度超过幅度阈值并且持续时间超过时间阈值的信号判断为非噪声信号。
5.根据权利要求3所述的方法，其中，对于判断为非噪声信号的振动信号，根据以下步骤确定所述切割起点和切割终点：
将所述切割起点选择在振动信号幅度超过第一幅度阈值的第一个点之前，取N1个采样点；
将所述切割终点选择在振动信号连续M个采样点低于第二幅度阈值的第一个点之后，取N2个采样点，其中，N1、M、N2为正整数。
6.根据权利要求3所述的方法，其中，步骤S1还包括对于所述待分析的目标信号执行以下步骤：
将所述待分析的目标信号的峰值与训练所述神经网络分类模型的训练集中的所有振动信号进行峰值对齐；
使用归一化的方法，对所述待分析的目标信号进行幅度归一化处理。
7.根据权利要求6所述的方法，其中，还包括对于归一化处理的信号进行第二次特征提取，该第二次特征提取包括：
将信号使用Haar小波进行处理之后，保留趋势子信号；
计算信号各个维度之间的方差，将方差大于方差阈值的特征维度滤除。
8.根据权利要求1所述的方法，其中，步骤S3还包括：
对比识别出的用户输入的字母组合和用户选择的字母组合，将不相同的字母标记为误判的字母；
在同一字母多次被标记为误判的字母的情况下，根据其被标记时对应的振动信号的相似性，确定是否对所述神经网络分类模型重新进行训练。
9.根据权利要求8所述的方法，其中，对于两组振动信号，根据以下步骤确定是否具有相似性：
计算该两组振动信号的皮尔逊相关系数ρ，当ρ大于阈值ρthreshold时，确定该两组振动信号有相似性，其中，0＜ρthreshold≤1。
10.根据权利要求1所述的方法，其中，所述神经网络分类模型是基于径向基函数的神经网络分类模型。
11.一种基于骨传导的智能输入系统，包括：
振动信号处理单元：用于接收来自于按键的骨传导的振动信号并进行特征提取，获得经特征提取后的振动信号；
分类识别单元：用于将所述经特征提取后的振动信号的时序信号序列输入至经训练的神经网络分类模型，识别出所述骨传导的振动信号对应的按键类型；
输出单元：用于基于识别出的按键类型确定用户输入的文字信息。
12.一种计算机可读存储介质，其上存储有计算机程序，其中，该程序被处理器执行时实现根据权利要求1至10中任一项所述方法的步骤。
一种基于骨传导的智能输入方法和系统专利购买费用说明
Q：办理专利转让的流程及所需资料
A：专利权人变更需要办理著录项目变更手续，有代理机构的，变更手续应当由代理机构办理。
1：专利变更应当使用专利局统一制作的“著录项目变更申报书”提出。
2：按规定缴纳著录项目变更手续费。
3：同时提交相关证明文件原件。
4：专利权转移的，变更后的专利权人委托新专利代理机构的，应当提交变更后的全体专利申请人签字或者盖章的委托书。
Q:专利著录项目变更费用如何缴交
A：（1）直接到国家知识产权局受理大厅收费窗口缴纳,（2）通过代办处缴纳，（3）通过邮局或者银行汇款,更多缴纳方式
Q：专利转让变更，多久能出结果
A：著录项目变更请求书递交后，一般1-2个月左右就会收到通知，国家知识产权局会下达《转让手续合格通知书》。
动态评分
0.0