[发明专利]一种压力屏校准方法和装置

说明书

技术领域

本发明涉及终端压力屏技术，尤其涉及一种压力屏校准方法和装置。

背景技术

压力感应是目前终端新增的一种用户体验方式，其应用场景主要包括基于压力感应的称重、游戏、图片预览及应用图标右键菜单控制等。

终端压力感应的主要原理是在其压力屏下方按照一定的规则布置数个压力传感器，当用户手指按压压力屏时，每个压力传感器都会读取到一个压力值，最后利用预设的算法根据每个压力传感器的压力值求出一个最终值，作为用户按压压力屏的压力值。由于结构、压力传感器的布局、每个压力传感器特性差异等因素的影响，终端的压力屏在出厂时需要做校准测试，否则压力屏不同部位的压力感应性能差异很大，造成用户的体验性不佳。

目前，终端压力屏的校准方法主要是利用仪器对压力屏不同位置加压，然后求出不同位置的校准系数，当用户按压不同的位置时，获取的压力值乘以该位置的校准系数作为用户按压屏幕的压力值。该方法校准后的压力屏仍然存在某些区域感知用户手指压力性能不佳的问题，整个压力屏压力感应的一致性较差。

因此，如何适应不同压力传感器的数量及布置方式，并能提供优良的校准精度，提升用户体验，是亟待解决的问题。

发明内容

有鉴于此，本发明实施例期望提供一种压力屏校准方法和装置，能有效适应不同压力传感器数量及布置方式，并能提供优良的校准精度，提升用户体验。

为达到上述目的，本发明的技术方案是这样实现的：

本发明实施例提供了一种压力屏校准方法，所述方法包括：

获取各压力传感器在压力屏各预设受压位置施压时感应到的压力值，并获 取实际在所述各预设受压位置施加的压力值；

采用人工神经网络模型，将所述各压力传感器感应到的压力值作为人工神经网络模型的输入，将所述实际施加的压力值作为所述人工神经网络模型的输出，确定所述人工神经网络模型的权值参数；

所述确定权值参数的人工神经网络模型，用于根据各压力传感器感应到的压力值确定所述压力屏受到的压力值。

上述方案中，所述采用人工神经网络模型，包括：采用反向传播(BP，Back Propagation)神经网络模型；

所述方法还包括：预设训练误差，确定达到所述预设训练误差要求时所述BP神经网络模型的权值参数。

上述方案中，所述方法还包括：选择S型正切函数作为所述BP神经网络模型的隐含层神经元的激励函数，选择纯线性函数作为所述BP神经网络模型的输出层函数。

上述方案中，所述将所述各压力传感器感应到的压力值作为人工神经网络模型的输入之前，所述方法还包括：对所述获取的所述各压力传感器感应到的压力值进行数据归一化处理；

所述在将所述实际施加的压力值作为所述人工神经网络模型的输出之前，所述方法还包括：对所述获取的实际在所述各预设受压位置施加的压力值进行数据归一化处理。

上述方案中，所述获取实际在所述各预设受压位置施加的压力值，包括：

采用外部装置测量各预设受压位置受压的压力值。

上述方案中，所述基于确定权值参数的人工神经网络模型，根据各压力传感器感应到的压力值确定所述压力屏受到的压力值，包括：

读取当前各压力传感器的压力值，并作为所述确定权值参数的人工神经网络模型输入，将获取输出值确定为当前压力屏受到的压力值；

所述方法还包括：所述将当前各压力传感器的压力值作为所述确定权值参数的人工神经网络模型输入之前，对所述当前各压力传感器的压力值作归一化处理；对所述输出值作反归一化处理，确定为当前压力屏受到的压力值。

本发明实施例还提供了一种压力屏校准装置，所述装置包括：获取模块和 确定模块；其中，

所述获取模块，用于获取各压力传感器在压力屏各预设受压位置施压时感应到的压力值，并获取实际在所述各预设受压位置施加的压力值；

所述确定模块，用于采用人工神经网络模型，将所述各压力传感器感应到的压力值作为人工神经网络模型的输入，将所述实际施加的压力值作为所述人工神经网络模型的输出，确定所述人工神经网络模型的权值参数；

所述确定权值参数的人工神经网络模型，用于根据各压力传感器感应到的压力值确定所述压力屏受到的压力值。

上述方案中，所述确定模块，所述人工神经网络模型包括：BP神经网络模型；

所述确定模块，还用于：预设训练误差，确定达到所述预设训练误差要求时所述BP神经网络模型的权值参数。