卡爾曼濾波在電容觸控螢幕坐標定位中的應用

2020-12-05 電子產品世界

摘要電容觸控螢幕在數據採集過程中不可避免地會產生系統噪聲,為了提高觸控螢幕坐標定位的精確度,在對原始數據進行定位分析前,首先採用卡爾曼濾波方法對數據進行處理,再將數據在MATLAB中用定位算法計算出觸控螢幕的坐標值,並繪製坐標點圖。結果表明,卡爾曼濾波確實能夠有效去除噪聲,從而提高觸控螢幕坐標定位的準確性,具有很高的實用性。

本文引用地址:http://www.eepw.com.cn/article/201609/310487.htm

引言

  隨著資訊時代的到來,人們對信息的檢索、查詢需求逐漸增多,因此,方便快捷的人機互動界面不可或缺,而其中首當其衝的應用技術便是觸控螢幕。觸控螢幕作為一種新的智能設備輸入裝置,其技術已經比較成熟,常見的類型可分為紅外線、表面聲波、電阻式和電容式等[1-2]。其中電容觸控螢幕中使用較廣泛的是投射電容式觸控螢幕,其根據製作、布線工藝和掃描方式不同又分為互電容和自電容。本文描述的是自電容,即分別由X、Y掃描電極與地或人構成自電容,掃描時,一端接地,另一端接激勵或採樣電路,分別對M+N個電極進行掃描,檢測自電容[3-4]。在自電容的檢測中,系統噪聲會干擾到電容的檢測,因而直接影響到後續觸摸點坐標的確定。為此,針對主要影響因素——系統噪聲進行濾波,還原初始數據的有效信號有利於提高觸控螢幕的坐標定位準確度。在眾多的濾波方法中,經過實驗分析和對比,最終證實,卡爾曼濾波在還原原始數據和算法實現方面都有較好的優勢。

1 電容觸控螢幕坐標定位原理和卡爾曼濾波原理

1.1 電容觸控螢幕坐標定位原理

  對於投射式電容觸控螢幕的定位來說,自電容是觸控螢幕感應塊相對地之間的電容,當人體在觸控螢幕上施加激勵信號時,就相當於一個接地的導體與感應塊之間形成一個耦合電容[5-7]。自電容Cs與人體耦合電容Cp成並聯關係,因此,總的電容值C=Cs+Cp,具體模型如圖1所示。在觸摸檢測時,依次分別檢測27個X軸和18個Y軸電極數組,根據觸摸前後所有自電容量的變化值確定手指所在的X坐標和Y坐標,最後組合成平面的觸摸坐標[8]。總共需掃描X+Y次,電容變化的差值在觸摸中心點最大,隨著觸摸區域的擴散電容變化差值逐漸減小,整個區域電容值的變化整體上類似正態分布。

1.2 卡爾曼濾波原理

  卡爾曼濾波是一種利用線性系統狀態方程,通過系統輸入輸出觀測數據,對系統狀態進行最優估計的算法。能有效地從一組有限的包含噪聲的數據中預測出物體的坐標位置。

  卡爾曼濾波主要是通過如下五個核心公式迭代得出某一時刻最優估計[9]

  上述方程組中,X(k+1|K)是上一狀態的預測結果, X(k)是上一狀態的最優結果,P(k+1|K)是X(k+1|K)對應的協方差,P(k)是X(k)對應的協方差。W(k)和V(k)分別是過程噪聲和觀測噪聲,兩者一般均視為高斯白噪聲。Q、R為W(k)、V(k)相應的協方差,Kg為卡爾曼增益。狀態估計是卡爾曼濾波的重要部分,一般情況下,受噪聲幹擾的隨機狀態量很難精確測得,但可進行一系列觀測,並依據一組觀測值按某種統計觀點進行估計,以儘可能接近真實值。

2 電容參數值的測量和觸摸區域的確定

2.1 電容參數值的測量

  在觸碰未發生前,觸控螢幕每個通道都有一個可直接測得的基準電容Crefi,該值在一定範圍內波動,且每個通道的值不盡相同,如圖2所示,每個條形代表一個通道。同時,需要為未觸碰前的每個通道的電容值設置一個閾值,表示基準電容值的最高波動範圍。每個通道閾值因基準值不同而不同,與基準電容值的關係定義如下:

(6)

T_Valuei表示第i個通道的電容閾值。

  觸碰後,中心觸摸區域的電容值會快速發生較大的變化,邊緣觸摸區域有細微的變化,而未觸摸的區域電容值未變。此時,根據測得的實時電容Ci,可以計算出電容變化差值。

  以上是觸摸前後X通道各種電容值的測量方法,Y通道的電容值測量方式與X通道一樣。

2.2 電容觸控螢幕觸摸區域的確定

  當觸摸發生時,為確定發生觸摸的區域,需對每個通道差值電容和閾值電容進行比較。當存在連續通道的差值電容值Cdiff大於或等於閾值電容T_Value,則將這樣的通道稱為觸摸發生所覆蓋的中心通道,如圖2括號區間所示。這是因為可能存在瞬時噪聲脈衝引起的其它某個通道的差值電容也大於閾值電容,因此,連續性保證了觸摸中心通道區域的唯一性,從而排除了瞬時噪聲的幹擾。

  在觸摸中心通道的左右相鄰區域會存在差值電容值Cdiff小於閾值電容T_Value的通道,稱為觸摸邊緣通道,如圖2所示。同一方向的觸摸中心通道和觸摸邊緣通道共同組成該方向上的實際觸摸通道。由X方向的實際觸摸通道與Y方向的實際觸摸通道相交的區間即為觸摸區域,如圖3所示。其中小圓代表觸摸中心區域,大圓代表整體觸摸區域,兩者之間的部分為觸摸邊緣區域。

3 具體設計實現

  試驗時,使用27*18規格的觸摸膜,選取觸摸點經硬體電路採集數據保存到計算機。數據採集晶片需通過A/D轉換方式採集模擬信號,當幹擾作用於模擬信號後,A/D轉換結果就會偏離真實值,必須多次採樣,才能得到可信度較高的結果。之後,將硬體電路所採集數據作為卡爾曼濾波狀態方程和觀測方程的輸入值,經過計算,在保證均方根誤差較小的情況下,取得係數a=1.05,b=1.12。使用上述的卡爾曼核心公式進行迭代濾波,MATLAB實現代碼為:

  for t=2:count %s count代表通道數。

  s(t|t-1)=a*s(t-1);%s(t|t-1)是t-1時刻的估計值,s(t-1)是t-1時刻最優估計。

  p(t|t-1)=a^2*p(t-1)+Q;%p(t-1)是s(t-1)的協方差,Q是W噪聲的協方差。

  kg(t)=b*p(t|t-1)/(b^2*p(t|t-1)+R);% kg(t)增益,R是V噪聲的協方差。

  s(t)=s(t|t-1)+kg(t)*(Y(t)-b*s(t|t-1));%s(t)是t時刻狀態最優估算值,Y(t)為觀測數據。

  p(t)=(1-c*kg(t))*p(t|t-1);%p(t)是t時刻s(t)的協方差。

  end

  經過濾波的數據在2.2部分確定的觸摸區域基礎上,給觸摸中心區域和觸摸邊緣區域的通道加上不同的權重係數β1和 β2,兩者的關係為:

β1+β2=1,β1>β2 (7)

  為了提高坐標定位的準確度,應該加大中心區域通道的權重係數,弱化邊緣區域的權重係數。在使用改進的權重算法求坐標時,將電容變化差值Cdiff與該通道權重係數的乘積作為通道i的實際權重係數ωiωi的具體取值為:

(8)

  定義xj和yj為第j組數據的觸摸定位坐標。因此,可以寫出如下坐標定位公式:

(9)

(10)

本文來源於中國科技期刊《電子產品世界》2016年第9期第37頁,歡迎您寫論文時引用,並註明出處。

相關焦點

  • 卡爾曼濾波應用實例
    打開APP 卡爾曼濾波應用實例 發表於 2017-10-30 09:27:47
  • 卡爾曼與卡爾曼濾波
    卡爾曼濾波的一個典型實例是從一組有限的,包含噪聲的,對物體位置的觀察序列(可能有偏差)預測出物體的位置的坐標及速度。在很多工程應用(如雷達、計算機視覺)中都可以找到它的身影。同時,卡爾曼濾波也是控制理論以及控制系統工程中的一個重要課題。
  • 卡爾曼濾波及其衍生算法在SOC估計中的應用
    卡爾曼濾波作為一種去除幹擾數據,獲得優質估計結果的優秀算法,在許多領域得到應用。無人機定位、實驗數據處理以及動力電池的SOC、SOH等,需要作出參數估計的領域都有應用。本文意在初步的表述我可以理解到的卡爾曼濾波及其衍生算法的物理意義和算法間的區別。
  • 中科大發展出基於卡爾曼濾波的實時地震定位算法
    這兩類定位方法都需要事先收集多個臺站監測到的數據。但是對於實時地震應用如地震早期預警,需要地震的定位隨著更多監測臺站的觸發而實時更新地震位置及其誤差。但是傳統的基於到時和波形的地震定位方法不滿足這樣的需求。
  • 詳解卡爾曼濾波原理
    意外的是很少有軟體工程師和科學家對對它有所了解,這讓我感到沮喪,因為卡爾曼濾波是一個如此強大的工具,能夠在不確定性中融合信息,與此同時,它提取精確信息的能力看起來不可思議。什麼是卡爾曼濾波?你可以在任何含有不確定信息的動態系統中使用卡爾曼濾波,對系統下一步的走向做出有根據的預測,即使伴隨著各種幹擾,卡爾曼濾波總是能指出真實發生的情況。
  • 車載毫米波雷達之大話卡爾曼濾波
    核心傳感器之一——毫米波雷達,在自動駕駛技術中扮演著舉足輕重的作用。毫米波雷達在實際應用中,當在對目標進行距離、角度測量時,往往會受到多因素影響,一旦處理不好,就會產生漏警或虛警等結果,其後果是相當嚴重的!所以,卡爾曼濾波在毫米波雷達的應用上,就扮演著至關重要的角色。
  • 深度解讀:卡爾曼濾波原理
    原文連結:http://www.bzarg.com/p/how-a-kalman-filter-works-in-pictures/我不得不說說卡爾曼濾波,因為它能做到的事情簡直讓人驚嘆!意外的是很少有軟體工程師和科學家對對它有所了解,這讓我感到沮喪,因為卡爾曼濾波是一個如此強大的工具,能夠在不確定性中融合信息,與此同時,它提取精確信息的能力看起來不可思議。
  • 如何測量電容式觸控螢幕的實際信噪比
    手指靠近觸控螢幕時會干擾相交的兩個透明電極的邊緣電場。這種電容稱為互電容。這就改變了傳感器的電容。交叉點發生在發射和接收電極直角交叉處。在手機觸控螢幕上有好幾百個這樣的交叉點。     北京時間02月22日消息,中國觸控螢幕網訊,觸控螢幕控制器製造商經常拿各種規格和標準來使自己的產品與眾不同。其中最常提到的就是信噪比(SNR)。
  • 卡爾曼濾波是怎麼回事?
    對於更複雜的濾波,比如維納濾波,則要根據信號的統計知識來設計權重。從統計信號處理的角度,降噪可以看成濾波的一種。降噪的目的在於突出信號本身而抑制噪聲影響。從這個角度,降噪就是給信號一個高的權重而給噪聲一個低的權重。維納濾波就是一個典型的降噪濾波器。卡爾曼濾波Kalman Filter 算法,是一種遞推預測濾波算法。
  • 論文推薦 | 鄺英才,呂志平,王方超,李林陽,楊凱淳:GNSS/聲學聯合定位的自適應濾波算法
    但目前鮮有學者對其在海底控制點坐標解算中的應用效果進行研究。基於以上分析,本文提出了一種解算海底控制點的GNSS/聲學聯合自適應濾波算法,並就算法中的諸多細節問題展開了討論,最後利用模擬和實測數據進行了試驗對比和驗證。
  • 卡爾曼濾波算法解析(一)
    在工程領域,只要涉及到信號處理問題,都繞不開一個人,那就是卡爾曼,雖然卡爾曼提出的估計理論已經過去八九十年之久
  • 深入淺出講解卡爾曼濾波(附Matlab程序)
    他的廣泛應用已經超過30年,包括機器人導航,控制,傳感器數據融合甚至在軍事方面的雷達系統以及飛彈追蹤等等。近年來更被應用於計算機圖像處理,例如頭臉識別,圖像分割,圖像邊緣檢測等等。 在學習卡爾曼濾波器之前,首先看看為什麼叫「卡爾曼」。跟其他著名的理論(例如傅立葉變換,泰勒級數等等)一樣,卡爾曼也是一個人的名字,而跟他們不同的是,他是個現代人!
  • 透徹理解擴展卡爾曼濾波
    卡爾曼濾波是貝葉斯濾波的一種特例,是在線性濾波的前提下,以最小均方誤差為最佳準則的。估計線性高斯模型,是對線性模型和高斯分布的優化方法。邊緣分布和條件分布的模型:卡爾曼濾波器的主要參數卡爾曼濾波器假設x(paths), z(observations)都為線性高斯的:主要參數:A是在沒有命令的情況下,由於環境因素造成的機器人的位置移動。
  • 卡爾曼濾波的原理
    我們現在要學習的卡爾曼濾波器,正是源於他的博士論文和1960年發表的論文《A New Approach to Linear Filtering and Prediction Problems》(線性濾波與預測問題的新方法)。簡單來說,卡爾曼濾波器是一個「optimal recursive data processing algorithm(最優化自回歸數據處理算法)」。
  • 分析電容式觸控螢幕與電阻式觸控螢幕的區別
    其實觸控螢幕的實現原理大致相同,都是在普通液晶屏上增加透明的觸控面板。而我們所說的電阻式及電容式等類型,則是根據其工作原理的不同而劃分的。目前觸控螢幕的分類主要有電阻式、電容式、紅外線式、表面聲波四種類型。在實際生活中我們接觸最多的還是電阻式觸控螢幕,它已經被廣泛的應用在手機和隨身數碼產品當中。
  • 擴展卡爾曼濾波器在同步電機無速度矢量控制系統中的應用
    0 引言  矢量技術是目前應用比較廣泛的電機調速技術[1],其採用雙閉環控制,且外環需要轉速作為反饋,同時坐標變換需要轉子磁極的位置信號,以實現轉子磁場與電樞電流在空間上的正交,使得在一定條件下產生的電磁轉矩最大[2]。因此,得到準確的轉子磁極的速度和位置信號是實現該控制系統的關鍵。
  • 卡爾曼濾波,如此強大的工具,你值得弄懂!
    原文連結:http://www.bzarg.com/p/how-a-kalman-filter-works-in-pictures/我不得不說說卡爾曼濾波,因為它能做到的事情簡直讓人驚嘆!意外的是很少有軟體工程師和科學家對對它有所了解,這讓我感到沮喪,因為卡爾曼濾波是一個如此強大的工具,能夠在不確定性中融合信息,與此同時,它提取精確信息的能力看起來不可思議。
  • 直流電源為什麼要濾波?濾波的作用是什麼?
    例如用雷達跟蹤飛機,測得的飛機位置的數據中,含有測量誤差及其他隨機幹擾,如何利用這些數據儘可能準確地估計出飛機在每一時刻的位置、速度、加速度等,並預測飛機未來的位置,就是一個濾波與預測問題。這類問題在電子技術、航天科學、控制工程及其他科學技術部門中都是大量存在的。歷史上最早考慮的是維納濾波,後來R.E.卡爾曼和R.S.布西於20世紀60年代提出了卡爾曼濾波。現對一般的非線性濾波問題的研究相當活躍。
  • 技術|基於改進擴展卡爾曼濾波的鋰電池SOC估計
    傳統的擴展卡爾曼濾波算法(EKF)算法是採用固定的模型參數進行SOC估計,在電池放電末期,電池極化作用會導致電池的模型參數發生變化,此時用傳統的EKF算法估計SOC,尾端的誤差將會變大。本文提出了一種改進的擴展卡爾曼濾波算法,先利用遺忘因子最小二乘法估計電池模型參數,再將估計的模型參數與電池電壓、電流進行局部加權回歸(Lowess)擬合,用擬合的函數計算每組電壓、電流所對應的模型參數,以此減小模型參數變化帶來的影響。
  • 看完這篇卡爾曼濾波原理,我被驚到了!
    意外的是很少有軟體工程師和科學家對對它有所了解,這讓我感到沮喪,因為卡爾曼濾波是一個如此強大的工具,能夠在不確定性中融合信息,與此同時,它提取精確信息的能力看起來不可思議。 什麼是卡爾曼濾波? 你可以在任何含有不確定信息的動態系統中使用卡爾曼濾波,對系統下一步的走向做出有根據的預測,即使伴隨著各種幹擾,卡爾曼濾波總是能指出真實發生的情況。