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。通过所述压缩方法，可以将数据位的波形直接使用压缩为4个二进制数来 表示。在传输这个波形的时候，在包头加上对特征值长度的说明，对方就可以直接解压缩整 个波形。对于起始位和结束位，本发明依然使用直接采样法加入到整个数据包里面。
[0110] 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。
[0111] 综上所述，本发明有效克服了现有技术中的种种缺点而具高度产业利用价值。
[0112] 上述实施例仅例示性说明本发明的原理及其功效，而非用于限制本发明。任何熟 悉此技术的人士皆可在不违背本发明的精神及范畴下，对上述实施例进行修饰或改变。因 此，举凡所属技术领域中具有通常知识者在未脱离本发明所揭示的精神与技术思想下所完 成的一切等效修饰或改变，仍应由本发明的权利要求所涵盖。
【主权项】
1. 一种家电红外遥控波形的复制学习方法，其特征在于，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O ; 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。2. 根据权利要求1所述的家电红外遥控波形的复制学习方法，其特征在于，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。3. 根据权利要求2所述的家电红外遥控波形的复制学习方法，其特征在于，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。4. 根据权利要求3所述的家电红外遥控波形的复制学习方法，其特征在于，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。5. 根据权利要求4所述的家电红外遥控波形的复制学习方法，其特征在于，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。6. -种家电红外遥控波形的复制学习系统，其特征在于，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或〇 ; 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。7. 根据权利要求6所述的家电红外遥控波形的复制学习系统，其特征在于，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。8. 根据权利要求7所述的家电红外遥控波形的复制学习系统，其特征在于，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。9. 根据权利要求8所述的家电红外遥控波形的复制学习系统，其特征在于，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。10. 根据权利要求6所述的家电红外遥控波形的复制学习系统，其特征在于，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 利用二进制数〇〇,〇1，10,11来表示，所述采样数据被压缩为4个二进制数00,01，10,11表 不O
【专利摘要】本发明提供一种家电红外遥控波形的复制学习方法，该方法包括：利用直接采样法对家电红外遥控波形中的数据码进行采样，获得采样数据；对采样数据进行特征提取，获得特征值；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，完成对家电红外声波中的毛刺的去除；前后电平为位于取反的电平的前方和后方的电平的统称；最小的特征值为电平长度最小的特征值。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。
【IPC分类】G08C23/04
【公开号】CN104992553
【申请号】CN201510456459
【发明人】陈磊
【申请人】上海斐讯数据通信技术有限公司
【公开日】2015年10月21日
【申请日】2015年7月29日