[发明专利]一种智能移动终端基于多普勒效应进行危险监测及预警的方法

说明书

技术领域

本发明属于信号处理、分类器和传感器领域，具体涉及一种智能移动终端基于多普勒效应进行危险监测及预警的方法。

背景技术

随着社会的不断进步和科学技术的日新月异，人们的生活方式正在不断变革。以智能手机为代表的新一代高性能智能移动终端以其操作简单，便于携带等特点给予人们生活上极大的便利，在这种情况下，人们对于智能设备的依赖程度也逐渐提高。另一方面，正是对手机的依赖导致很多人随时随地都专注于手机，即使在出行过程中也把玩于手中，从而由于分心很容易忽略周围环境中潜在的危险因素，产生安全隐患，轻则跌倒，重则发生车祸。因此如何有效避免由于玩手机导致分心而发生意外是亟待解决的问题。

传统的环境障碍检测方法主要基于测距技术，包括激光测距、红外线测距、超声波测距等。此类环境障碍检测技术精度高、识别准，属于精密测距，广泛应用于军事领域、工业测控领域等。但是以上测距技术需要特定的传感器及相应的硬件支持、造价不菲、不便于随身携带，不适合个人以及家庭的使用。

在智能设备上也出现了障碍物检测应用，主要包括两种解决方法。第一种是直接通过智能设备的后置摄像头获取环境图像进而利用计算机视觉技术判断环境中是否存在障碍物。该方法可以比较精确的对环境危险因素进行判断，但是其自身对设备姿势、外界光源亮度以及视距方向有非常高的要求，通常只能检测明亮环境中特定方向上的障碍物，并且检测时资源消耗大，实时性低。第二种是通过在智能设备上额外增加一个激光测距仪或超声波模块获取环境信息，在智能设备上进行处理，得到障碍物的距离。该方法精度高，但是需要额外的硬件设备，便携性低。

发明内容

为了解决现有技术中的问题，本发明提出一种利用加速度计判断走路状态，并基于声音多普勒效应和声音测距获得周围环境信息，结合分类器得到的危险等级进行预警，规避人们由于使用手机导致分心产生的安全隐患的智能移动终端基于多普勒效应进行危险监测及预警的方法。

为了实现以上目的，本发明所采用的技术方案为：包括以下步骤：

1)状态检测：判断用户是否处于行走状态，并且是否正在使用智能移动终端设备；

2)环境监测：检测发射声波与反射声波的时间差t，计算声源与障碍物之间的距离S，声源与用户进行相对运动时，用户收到的声波振动频率与声源发出的频率不同发生频移，对比发射声波和反射声波的频率偏移，即可检测周围环境中移动物体和智能移动终端设备之间的相对运动速度，从而判断是否即将有危险发生；

3)危险等级分类及预警：通过支持向量机分类器判断是否有危险信号，若有危险信号，则通过KNN算法判断危险的程度进行预警获得危险数据后，利用KNN算法构建向量空间模型对危险程度进行分类并向用户预警。

所述的步骤1)中根据智能移动终端设备屏幕的点亮与否判断用户是否正在使用手机，点亮表示正在使用，未点亮表示未使用。

所述的步骤1)中利用智能移动终端设备的加速度计数据的规律性振动判断人是否在行走，在静止状态下加速度计数据在0附近微小振动，在走路时数据会以较大幅度振动。

所述的步骤2)中智能移动终端设备周期性发射特定振幅、频率和采样率的声波，检测发射声波与反射声波的时间差t，声波在空气中传播速度v＝332m/s，从而获得智能移动终端设备与障碍物之间的距离S为：

所述的步骤2)中智能移动终端设备与障碍物有相对运动，接收到的反射声波与发射声波有频率偏移，声波在空气中的传播速度为v＝332m/s，f为声波的原始发射频率，发生频移的反射声波频率为f′，则用户与障碍物的相对速度v₀通过下式得出：

其中，+表示两者具有靠近的相对运动，－表示两者具有远离的相对运动。

所述的步骤2)发射声波与反射声波的检测中采用巴特沃斯低通滤波器降低周围环境噪声获得反射声波。

所述的步骤3)中获得危险数据后，KNN算法采用向量空间模型来分类，相同类别的数据相似度高，借助计算与已知类别数据的相似度来预测未知类别数据的可能分类，利用海明距离作为距离度量，通过多数表决计算海明距离与类别中K个最小的距离，即可获得危险等级。

所述的步骤3)获得危险等级后，根据危险等级类别不同以不同智能移动终端震动强度向用户预警。

所述的步骤3)中需要训练支持向量机分类器，将多普勒频移、障碍物距离、运动状态、运动速度输入分类器进行训练以调整分类器参数，当分类器在一定距离内的准确率达到阈值之后停止训练。