一种家电红外遥控波形的复制学习方法及系统的制作方法
【技术领域】
[0001] 本发明属于信号处理技术领域，涉及一种信号处理方法，特别是涉及一种家电红 外遥控波形的复制学习方法及系统。
【背景技术】
[0002] 目前智能家居市场很火热，其中的很大一个部分就是用手机实现对家电，如电视， 空调等电器的控制。所以智能家居厂商需要把原来电视和空调等家电的遥控器复制过来， 以实现远程或者本地的控制。
[0003] 但是目前市面上的厂商做出的控制器一般是内含WIFI，ZIGBEE或者其他无线通 信模块的，和原始的遥控器简单的电路结构相差很大，里面的电磁环境也复杂很多。在对传 统遥控器的红外波形进行采样的时候，会出现较多的干扰电平，导致控制器中的MCU复制 波形失败，从而无法控制家电。
[0004] 电视机的遥控编码相对简单，而且也有相对公开的协议，所以这部分的干扰可以 使用已知的红外控制协议来进行软件方面的规避。但是空调控制波形的复制一直是业界的 难点，由于其长度远长于电视遥控的波形，而且各个空调厂家都会用自己定义的波形结构 来进行控制，现在传统的智能家居控制器采用的是利用MCU的一个10 口进行全部采样。这 样，对干扰电平就无法去除，导致学习波形的成功率很低，严重影响了开发进度和后续的用 户体验。
[0005] 现有的去除干扰的算法简单粗暴，无法准确定位异常电平，即他不知道怎样的电 平为异常，多短的电平为异常，只能是在毛刺电平和正常电平基本一致的情况下，才能判断 此为干扰，再进行人工干预。而且，在毛刺电平比较多的时候，就无法判断，也更不可能纠错 了。
[0006] 目前大多数厂家使用的无线传输是基于ZIGBEE，BT等低速率的传输方式。而日系 的空调遥控器的遥控编码一般都非常长，普遍达到500MS以上。对于这样的编码，使用传统 的采样处理方法显然是没办法使用低速率的传输协议进行传输的。
【发明内容】
[0007] 鉴于以上所述现有技术的缺点，本发明的目的在于提供一种家电红外遥控波形的 复制学习方法及系统，用于解决现有复制技术只能复制编码较简单的电视机遥控信号，无 法成功复制编码复杂的空调遥控信号的问题。
[0008] 为实现上述目的及其他相关目的，本发明提供一种家电红外遥控波形的复制学习 方法，所述家电红外遥控波形的复制学习方法包括：利用直接采样法对所述家电红外遥控 波形中的数据码进行采样，获得采样数据；所述采样数据的结构包括电平类型和电平持续 时间；所述电平类型包括高电平和低电平；对所述采样数据进行特征提取，获得特征值；所 述特征值包括高电平特征值和低电平特征值；所述特征值包括电平值和电平长度；所述电 平长度即为电平的持续时间；所述电平值为1或0 ;将电平长度小于最小的特征值的电平长 度达到预设范围的电平取反，并将取反的电平的电平长度与前后电平的电平长度相加，完 成对所述家电红外声波中的毛刺的去除；所述前后电平为位于所述取反的电平的前方和后 方的电平的统称；所述最小的特征值为电平长度最小的特征值。
[0009] 可选地，对所述采样数据进行特征提取，获得特征值的一种实现过程包括：将电平 类型为高电平的采样数据归类于高电平采样数据；对所述高电平采样数据的电平持续时间 进行处理，处理过程包括：去掉第一预设数目的持续时间最长的高电平采样数据和第二预 设数目的持续时间最短的高电平采样数据；将剩余的高电平采样数据划分为时间间隔相等 的4组高电平采样数据；从所述4组高电平采样数据中选取出数据量最大的一组数据的持 续时间平均值作为高电平采样数据的第一特征值t4 ;从所述4组数据中选取出数据量第二 大的一组数据的持续时间平均值作为高电平采样数据的第二特征值t2。
[0010] 可选地，对所述采样数据进行特征提取，获得特征值的一种实现过程包括：将电平 类型为低电平的采样数据归类于低电平采样数据；对所述低电平采样数据的电平持续时间 进行处理，处理过程包括：去掉第一预设数目的持续时间最长的低电平采样数据和第二预 设数目的持续时间最短的低电平采样数据；将剩余的低电平采样数据划分为时间间隔相等 的4组低电平采样数据；从所述4组低电平采样数据中选取出数据量最大的一组数据的持 续时间平均值作为低电平采样数据的第一特征值t3 ;从所述4组低电平采样数据中选取出 数据量第二大的一组数据的持续时间平均值作为低电平采样数据的第二特征值tl。
[0011] 可选地，所述家电红外遥控波形的复制学习方法还包括对所述采样数据进行压缩 编码，所述压缩编码的方法包括：将高电平采样数据与所述高电平采样数据的第一特征值 t4和第二特征值t2进行比较，将电平长度处于特征值50%范围内的高电平采样数据归一 化为对应的高电平特征值；将低电平采样数据与所述低电平采样数据的第一特征值t3和 第二特征值tl进行比较，将电平长度处于特征值50 %范围内的低电平采样数据归一化为 对应的低电平特征值；归一化后的电平采样数据成为了利用四个特征值tl，t2, t3, t4来进 行表示的数据。
[0012] 可选地，所述压缩编码的方法还包括：将所述四个特征值tl，t2, t3, t4分别利用 二进制数〇〇, 01，10,11来表示，所述采样数据被压缩为4个二进制数00,01，10,11表示。
[0013] 本发明还提供一种家电红外遥控波形的复制学习系统，所述家电红外遥控波形的 复制学习系统包括：采样模块，利用直接采样法对所述家电红外遥控波形中的数据码进行 采样，获得采样数据；所述采样数据的结构包括电平类型和电平持续时间；所述电平类型 包括高电平和低电平；特征提取模块，与所述采样模块相连，对所述采样数据进行特征提 取，获得特征值；所述特征值包括高电平特征值和低电平特征值；所述特征值包括电平值 和电平长度；所述电平长度即为电平的持续时间；所述电平值为1或0 ;去毛刺模块，与所 述特征提取模块和采样模块分别相连，将电平长度小于最小的特征值的电平长度达到预设 范围的电平取反，并将取反的电平的电平长度与前后电平的电平长度相加，完成对所述家 电红外声波中的毛刺的去除；所述前后电平为位于所述取反的电平的前方和后方的电平的 统称；所述最小的特征值为电平长度最小的特征值。
[0014] 可选地，所述特征提取模块包括：归类单元，将电平类型为高电平的采样数据归类 于高电平采样数据；第一处理单元，与所述归类单元相连，对所述高电平采样数据的电平持 续时间进行处理；所述第一处理单元包括：第一剔除子单元，与所述归类单元相连，去掉第 一预设数目的持续时间最长的高电平采样数据和第二预设数目的持续时间最短的高电平 采样数据；第一分组子单元，与所述第一剔除子单元和所述归类单元分别相连，将剩余的高 电平采样数据划分为时间间隔相等的4组高电平采样数据；第一特征值提取子单元，与所 述第一分组子单元相连，从所述4组高电平采样数据中选取出数据量最大的一组数据的持 续时间平均值作为高电平采样数据的第一特征值t4 ;第二特征值提取子单元，与所述第一 分组子单元相连，从所述4组数据中选取出数据量第二大的一组数据的持续时间平均值作 为高电平采样数据的第二特征值t2。
[0015] 可选地，所述特征提取模块还包括：所述归类单元将电平类型为低电平的采样数 据归类于低电平采样数据；第二处理单元，与所述归类单元相连，对所述低电平采样数据的 电平持续时间进行处理；所述第二处理单元包括：第二剔除子单元，与所述归类单元相连， 去掉第一预设数目的持续时间最长的低电平采样数据和第二预设数目的持续时间最短的 低电平采样数据；第二分组子单元，与所述第一剔除子单元和所述归类单元分别相连，将剩 余的低电平采样数据划分为时间间隔相等的4组低电平采样数据；第三特征值提取子单 元，与所述第一分组子单元相连，从所述4组低电平采样数据中选取出数据量最大的一组 数据的持续时间平均值作为低电平采样数据的第一特征值t3 ;第四特征值提取子单元，与 所述第一分组子单元相连，从所述4组低电平采样数据中选取出数据量第二大的一组数据 的持续时间平均值作为低电平采样数据的第二特征值tl。
[0016] 可选地，所述家电红外遥控波形的复制学习系统还包括一与所述特征提取模块相 连的压缩编码模块，所述压缩编码模块包括：高电平归一化单元，将高电平采样数据与所述 高电平采样数据的第一特征值t4和第二特征值t2进行比较，将电平长度处于特征值50% 范围内的高电平采样数据归一化为对应的高电平特征值；低电平归一化单元，将低电平采 样数据与所述低电平采样数据的第一特征值t3和第二特征值tl进行比较，将电平长度处 于特征值50%范围内的低电平采样数据归一化为对应的低电平特征值；归一化表示单元， 归一化后的电平采样数据成为了利用四个特征值tl，t2, t3, t4来进行表示的数据。
[0017] 可选地，所述压缩编码模块还包括：二进制表示单元，与所述归一化表示单元相 连，将所述四个特征值tl，t2, t3, t4分别利用二进制数00,01，10，11来表示，所述采样数 据被压缩为4个二进制数00,01，10,11表示。
[0018] 如上所述，本发明的家电红外遥控波形的复制学习方法及系统，具有以下有益效 果：
[0019] 本发明通过对空调遥控编码波形的深入分析，使用了数据统计分析的方法来进行 空调遥控编码特征值的求取，解决了毛刺干扰问题，而且对超长遥控编码进行了大比例的 压缩，大大提高了红外遥控编码复制的成功率。
【附图说明】
[002