[发明专利]一种可应用于智能手机的基于声波信号的眨眼检测方法

权利要求书

1.一种可应用于智能手机的基于声波信号的眨眼检测方法，其特征在于，步骤如下：

步骤一，设计chirp信号

本方法采用chirp信号进行眨眼检测，Chirp信号是一种频率随时间线性增加的连续波；频率为其中，f₀、B和T分别表示初始频率、带宽和扫频时长；发射信号表示如下：

当环境中仅有一个物体时，发射信号由扬声器发出后，经物体反射被麦克风接收；因此，接收信号是发射信号的延迟版本，表示为：

其中，α为信号衰减因子，τ为信号在空气中的飞行时间；将接收信号x(t)与发射信号y(t)相乘后，运用三角函数的积化和差公式并通过低通滤波器去除高频分量cos(P+Q)，得到混频信号：

进一步简化混频信号，将混频信号表示为：

其中，为差频，为初始相位；

由于实际环境中存在多个物体且均可对发射信号造成反射，因此，麦克风的接收信号为N个具有不同飞行时间τ的接收信号的线性叠加：

同样的，多径情况下混频得到的混频信号为：

步骤二，从多条反射路径中分离并提取眼部反射的信号

在上述混频信号m(t)中，位于不同距离上的反射体会导致到达麦克风的接收信号具有不同的飞行时间τ，因此会产生不同大小的差频f；因此，通过对多径情况下混频信号m(t)进行快速傅立叶变换，将不同距离上的物体即差频f不同的多个信号分离开来，落入不同的频率区间中，从叠加了多条路径的混频信号中分离出来自不同物体的信号；

由于眼部反射的信号来自动态路径，而从其他物体反射的信号来自静态路径，因此与来自其他路径的信号相比，眼部反射的信号具有最大的二维信号方差；利用这一性质，对所有频率区间的信号进行二维信号方差计算，二维信号方差计算方法如下：

其中，x_i为每个信号样本的复数值，为所有信号样本模的平均值，k为频率区间编号，n为样本个数；

因此，通过选择方差最大的频率区间即可分离并提取出眼部反射信号；

步骤三，眨眼信号变化建模

经过分析，当眨眼发生时，有两个主要因素影响上眼部反射混频信号m(t)的变化：

a.眼皮覆盖眼球引起微小的反射路径长度变化；

b.眼皮覆盖眼球导致信号的反射面材质变化；

因素a主要引起眼部反射混频信号m(t)的相位变化，相位变化导致动态矢量相对于静态矢量旋转，信号幅值视为常数；由于混频信号m(t)的相位为在一般情况下，所以省略二次项；由于路径长度变化Δd引起相变通过用代替τ，其表示为：

眨眼发生过程中，因素a引起的相位变化为先增大、后减小；

因素b引起信号幅值的变化，即衰减因子α的改变；在闭眼过程中，眼球被眼皮覆盖，信号反射面由眼球的水状材质变为眼皮的皮肤材质；由于皮肤材质对声波的吸收效应比水状材质大，因此经眼皮反射的信号衰减更大，导致衰减因子α变小；睁眼过程与闭眼过程相反；因此，眨眼发生过程中，因素b引起的衰减因子α变化为先减小、后增大；

因此，当观察到相位和衰减因子α同时发生变化，则判定一次眨眼发生；

步骤四，眨眼信号变化提取：

(1)算法初始化；首先，系统累积数个信号样本以进行算法初始化，利用Pratt方法对累积的信号样本进行二维平面的圆弧拟合，得到弧的圆心，该圆心即为观测点，以用于提取眨眼信号变化；根据信号在二维平面上的变化规律，从观测点处测得的眨眼信号变化最明显；

(2)眨眼信号变化检测；获得观测点后，计算每个二维平面信号样本与观测点之间的距离，获得一串时序数值；利用局部极值检测方法，检测时序数值重局部最大值与最小值之差，并与预设的阈值进行比较，若大于阈值，则判定眨眼发生；阈值的设置根据实际情况调整，设置为无眨眼发生时信号幅值标准差的五倍；

(3)观测点更新；由于用户在系统的使用过程中身体位置会发生轻微变化，从而引起观测点发生偏移；为了保证观测点的实时性和有效性，系统每运行一段时间后，对该时间段内累积的信号样本重新用Pratt方法进行二维平面的圆弧拟合，得到新的观测点，并返回步骤(2)检测眨眼信号变化。