[发明专利]基于神经网络的智能传感器装置及处理方法

权利要求书

1.一种基于神经网络的智能传感器装置，其特征在于，包括：

数字信号处理器，其设有数据缓存，且其嵌设有RBF神经网络软件；

传感器，与所述数字信号处理器的第一信号端连接；

内存储设备，与所述数字信号处理器的第二信号端连接；

内输入设备，其一个信号端与所述数字信号处理器的第三信号端连接；其另一个信号端用于和外输入设备通信连接；

显示设备，其与数字信号处理器的第四信号端连接，用于显示数字信号处理器的输出识别结果。

2.如权利要求1所述一种基于神经网络的智能传感器装置，其特征在于，所述的内存储设备的容量为16MB。

3.如权利要求1或2所述智能传感器装置的处理方法，其特征在于，通过数字信号处理器的软件进行如下学习过程：

(1)、通过内、外输入设备，设置行为标签号和数据来源标签号；同时让智能传感器装置进入学习状态；所述行为标签号用于表示该学习过程中的数据属于哪个行为；所述数据来源标签号用于判断该学习数据来自于哪个传感器以使多传感器数据融合或用于同一传感器内的多个数据类型；

(2)、做出一个需要学习的外界行为，使传感器数据发生改变，数字信号处理器会读取传感器数据，并记录到数据缓存中；

(3)、完成上述行为之后，通过模块内、外输入设备，让智能传感器装置退出学习状态；

(4)、传感器数据打上之前设置的行为标签号后，放入RBF神经网络中进行学习，并把所学习的数据放入内存储设备中；

(5)、重复上述步骤，以提高识别率，并通过设置不同的行为标签号，以学习不同的行为；

(6)、退出学习状态后，该智能传感器装置会自动进入模式识别状态；

(7)、在模式识别状态中，数字信号处理器会对之前一段时间的传感器数据读入RBF神经网络中，进行识别；

(8)、如果之前记录的行为和神经网络中的行为相似，RBF神经网络中会返回与学习的行为最接近的行为标签号。

4.如权利要求3所述智能传感器装置的处理方法，其特征在于，

所述的学习过程中，数字信号处理器会根据输入信号的情况，自动设置学习行为识别的精度，但随着不断地重复学习，会出现将一个错误的或者不标准行为识别为一个行为标签号，此时表明识别精度下降时，可按如下方法提高识别精度：

a、通过内、外输入设备来通知传感器，上一个模式识别发生错误，并将该行为识别发生错误的信号发送到数字信号处理器，并使该传感器对错误行为进行矫正；

b、数字信号处理器接受到这个信号后，放入RBF神经网络中进行错误行为数据的学习，以此来提高识别精确度；

每个所述的行为标签号对应一个采样长度；根据所述采样长度，对传感器数据进行压缩和重采样，以减少运算时间，并减小功耗。

5.如权利要求3所述智能传感器装置的处理方法，其特征在于，步骤5中所述提高识别率的处理方法如下：去除头部和尾部变化幅度不大的无效数据，对于多个数据来源标签号，以去除量最小为准。

6.如权利要求5所述智能传感器装置的处理方法，其特征在于，所述去除头部和尾部变化幅度不大的无效数据为去除小于最大振幅10％的数据，其公式为：

(HeadData_max-HeadData_min)＜(Data_max-Data_min)*10％

(TailData_max-TailData_min)＜(Data_max-Data_min)*10％。