>[0047]S21对训练样本进行滤波。在一个具体实施例中，该滤波模块3中包括相互连接的数字低通滤波器和数字卡尔曼滤波器，数字低通滤波器用于分别滤去训练样本和检测样本中预设频率的干扰波动，数字卡尔曼滤波器用于对经过过滤的训练样本和检测样本进行测量误差的估计和纠正。对于上述的数字低通滤波器的选择，由于预设动作的输入，如用户挥动手机或在空中画出曲线的频率不可能过高，故，使用该数字低通滤波器滤掉一定频率，如50Hz(赫兹)以上的频率波动，降低训练样本或检测样本采集过程中的该频段的干扰。数字卡尔曼滤波器主要用于根据历史测量，即训练样本或检测样本序列中的前次的采集数据，对本次采样得到的采集数据进行测量误差的估计和纠正，以降低采样过程中机械测量误差和抖动干扰。对于数字低通滤波器和数字卡尔曼滤波器的型号，不做具体限定，根据实际情况进行设定。
[0048]S22根据滤波后的训练样本进行无监督训练得到神经网络。在该过程中，用户多次输入该预设动作(用户反复“录入”学习同一个预设动作，6轴或9轴运动传感器将采集模块采集到的接近的数据特征值送入神经网络)进行学习，就可得到神经网络隐含层的权值，进而得到完成学习之后得到神经网络的隐判定函数Fbp ()，上述该神经网络具体为后向神经网络。
[0049]S3采集检测样本。在该步骤中，采用采集训练样本同样的方法采集该检测样本，不做赘述。
[0050]S4将检测样本输入神经网络判断是否满足解锁移动终端的条件。在该步骤中，具体包括以下步骤:
[0051]S41对检测样本进行滤波。这里对检测样本进行滤波的方法与对训练样本进行滤波的方法相同，不做赘述。
[0052]S42将滤波后的检测样本输入神经网络；
[0053]S43判断该经过滤波的检测样本与经过滤波的训练样本之差是否在预设差值范围之内，若在预设差值范围之内，则解锁移动终端；若不在预设差值范围之内，则不解锁移动终端。由于，上述神经网络模块1已经通过采集到的训练样本进行了自主学习得到神经网络，因而，后续用户在手机解锁过程中，将滤波后的检测样本输入该神经网络，看是否可被该神经网络识别为与训练样本一致或接近的数据序列。如判定满足设定的开启条件，即进行手机开锁。
[0054]在本发明中，首先通过采样模块不断采样训练样本，并对其进行学习和无监督训练，得到神经网络隐含层的权重，形成上述的神经网络。这样，在对移动终端进行解锁的过程中，只需要将采样得到的检测样本输入该神经网络，判断该检测样本是否被神经网络识别为与训练样本一致或接近的样本，进而实现对移动终端的解锁。在整个过程中，用户可以任意根据自己的喜好设定解锁动作，只需要将该解锁动作预先进行训练即可，简单方便；且具有一定的保密性，大大降低了其他用户解锁该移动终端的可能性；再有，可以抗日常震动干扰，提供更加方便完善的自动化用户体验。
[0055]应当说明的是，上述实施例均可根据需要自由组合。以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。
【主权项】
1.一种基于神经网络的移动终端解锁系统，其特征在于，所述移动终端解锁系统中包括，相互连接的神经网络模块和采样模块，所述神经网络模块根据所述采样模块采集的至少一个训练样本进行无监督训练得到神经网络，所述移动终端解锁系统将所述采样模块采集的检测样本输入所述神经网络判断是否满足解锁移动终端的条件。2.如权利要求1所述的移动终端解锁系统，其特征在于，所述神经网络模块为后向传播神经网络模块，训练得到的所述神经网络为后向传播神经网络。3.如权利要求2所述的移动终端解锁系统，其特征在于，所述移动终端解锁系统还包括分别与所述神经网络模块和所述采样模块连接的滤波模块，所述滤波模块用于分别对所述训练样本和所述检测样本进行滤波。4.如权利要求3所述的移动终端解锁系统，其特征在于，所述滤波模块中包括相互连接的数字低通滤波器和数字卡尔曼滤波器，所述数字低通滤波器用于分别滤去所述训练样本和所述检测样本中预设频率的干扰波动，所述数字卡尔曼滤波器用于对经过过滤的所述训练样本和所述检测样本进行测量误差的估计和纠正。5.如权利要求3所述的移动终端解锁系统，其特征在于，所述移动终端解锁系统中还包括分别与所述滤波模块和所述神经网络模块连接的判断模块，所述判断模块将经过所述滤波模块滤波的检测样本输入所述神经网络，判断经过滤波的检测样本与经过滤波的训练样本之差是否在预设差值范围之内，进而判定是否解锁移动终端。6.如权利要求1-5任意一项所述的移动终端解锁系统，其特征在于，所述采样模块中包括6轴或9轴运动传感器，所述6轴运动传感器包括三轴加速度传感器和三轴角速度传感器，所述9轴运动传感器包括三轴加速度传感器、三轴角速度传感器和三轴磁感应传感器。7.一种基于神经网络的移动终端解锁方法，其特征在于，所述移动终端解锁方法包括以下步骤: S1采集至少一个训练样本； S2根据所述训练样本进行无监督训练得到神经网络； S3采集检测样本； S4将所述检测样本输入所述神经网络判断是否满足解锁移动终端的条件。8.如权利要求7所述的移动终端解锁方法，其特征在于:在步骤S2中，具体包括以下步骤: S21对所述训练样本进行滤波， S22根据滤波后的所述训练样本进行无监督训练得到神经网络。9.如权利要求8所述的移动终端解锁方法，其特征在于:在步骤S4中，具体包括以下步骤: S41对所述检测样本进行滤波； S42将滤波后的所述检测样本输入所述神经网络； S43判断该经过滤波的检测样本与经过滤波的训练样本之差是否在预设差值范围之内，若在预设差值范围之内，则解锁移动终端；若不在预设差值范围之内，则不解锁移动终端。10.如权利要求7-9任意一项所述的移动终端解锁方法，其特征在于:所述神经网络为 后向传播神经网络。
【专利摘要】本发明提供了一种基于神经网络的移动终端解锁系统及其解锁方法，在该移动终端解锁系统中包括，相互连接的神经网络模块和采样模块，所述神经网络模块根据所述采样模块采集的至少一个训练样本进行无监督训练得到神经网络，所述移动终端解锁系统将所述采样模块采集的检测样本输入所述神经网络判断是否满足解锁移动终端的条件。在整个过程中，用户可以任意根据自己的喜好设定解锁动作，只需要将该解锁动作预先进行训练即可，简单方便；且具有一定的保密性，大大降低了其他用户解锁该移动终端的可能性；再有，可以抗日常震动干扰，提供更加方便完善的自动化用户体验。
【IPC分类】G06N3/02, G06F21/31
【公开号】CN105373712
【申请号】CN201510690640
【发明人】熊斌
【申请人】上海斐讯数据通信技术有限公司
【公开日】2016年3月2日
【申请日】2015年10月22日