一种基于环境识别的智能待机的机顶盒以及方法与流程

本发明属于电视技术领域，具体指一种基于环境识别的智能待机的机顶盒以及方法。

背景技术：

近年来，一方面随着数字卫星电视、数字地面电视、数字有线电视以及网络电视的发展，形成了对机顶盒的巨大市场需求；另一方面，随着全球能源的日渐紧张，全球节能呼声的日渐高涨，各国都开始重视节能问题，同时用户对机顶盒的要求越来越多、越来越高，希望机顶盒能够实现智能待机。

现有技术中，实现机顶盒待机主要通过以下方式实现：即通过遥控器关闭机顶盒的视频输出功能，但是用户观看电视时如果在闲聊时或者有事离开后忘记关闭机顶盒时，机顶盒会处在工作状态，会造成对能源的一种消耗，浪费资源。

技术实现要素：

为了克服现有技术中的缺陷，本发明的目的在于提供一种节约能源且基于环境识别的智能待机的机顶盒以及方法。

本发明的目的是这样实现的：

一种基于环境识别的智能待机的机顶盒，其特征在于：包括传感器模块、网络模块、处理器模块和电源模块；所述传感器模块与处理器模块连接，所述 处理器模块与网络模块连接，所述处理器模块与电源模块连接；所述网络模块连接有云平台。

本发明进一步设置为：所述传感器模块为超声波传感器，所述超声波传感器包括第一电极、第一压电层、基板、第二电极、第二压电层、第三电极，该第一电极与第一压电层层叠设置于基板的一表面，该第二电极、第二压电层以及第三电极层叠设置于基板的另一表面，该基板由化学强化玻璃基材制成。

本发明进一步设置为：所述化学强化玻璃基材的抗冲击强度大于200兆帕。

本发明进一步设置为：所述化学强化玻璃基材的压应力层大于4.5微米。

本发明进一步设置为：所述第一电极、第二电极以及第三电极中的至少一个由透明导电材料制成。

一种基于环境识别的智能待机的方法，所述方法包括：

超声波传感器抓取用户行为，将数据通过处理器模块计算，然后通过网络模块与存储在云平台上的初始数据对比分析，通过机器学习算法算出当前状态，并通过处理器模块发出对电源模块的控制指令；

当云平台上记录有了历史数据后，超声波传感器抓取用户行为时，数据通过处理器模块计算后与云平台内存储的历史数据进行对比分析；通过机器学习算法算出当前状态，并通过处理器模块发出对电源模块的控制指令。

本发明进一步设置为：：所述超声波传感器抓取用户行为指超声波传感器向不同角度发射超声波，同时接收距离最近物体反射的回波，根据时间差计算距离最近物体相对传感器的距离；如果该物体移动，则会获得相应的方位信息，作为用户行为数据记录，并将其数据传递给处理器模块。

本发明进一步设置为：所述机器学习算法为adaboost算法。

本发明相比现有技术突出且有益的技术效果是：本发明公开了一种基于环境识别的智能待机的机顶盒，通过传感器模块接收用户数据，将数据通过处理器模块计算，然后通过网络模块与存储在云平台上的初始数据或历史数据对比分析，通过运算方法算出当前状态，并通过处理器模块发出对电池模块的控制指令，使机顶盒对用户环境的判断更加准确，实现节能的效果。本发明还公开了与上述机顶盒对应的方法。

附图说明

图1是本发明的结构原理图；

图2是本发明中超声波传感器的爆炸结构示意图。

图中标号含义：

1-超声波传感器；10-第一电极；11-第一压电层；12-基板；13-第二电极；14-第二压电层；15-第三电极；16-胶粘剂。

具体实施方式

下面结合附图以具体实施例对本发明作进一步描述：

参见图1、图2所示，一种基于环境识别的智能待机的机顶盒，其特征在于：包括传感器模块、网络模块、处理器模块和电源模块；所述传感器模块与处理器模块连接，所述处理器模块与网络模块连接，所述处理器模块与电源模块连接；所述网络模块连接有云平台。

所述传感器模块为超声波传感器1，所述超声波传感器包括第一电极10、第一压电层11、基板12、第二电极13、第二压电层14、第三电极15，该第一 电极10与第一压电层11层叠设置于基板12的一表面，该第二电极13、第二压电层14以及第三电极15层叠设置于基板12的另一表面，该基板12由化学强化玻璃基材制成。

该第一电极10贴附於第一压电层11远离基板12的一表面。实施例中，该第一电极10可以由导电率较好的金属材料制成。例如，该第一电极10的材料为银、铝、铜、镍、金等高导电率材料。其它实施例中，该第一电极10也可以由透明导电材料制成。例如，该透明导电材料可以是氧化铟锡(ITO)、氧化锌(Zno)，聚(3，4-乙烯二氧噻吩)-聚苯乙烯磺酸(Poly(3，4-ethylenedioxythiophene)，PEDOT)、碳纳米管(英文Carbon Nanotube，缩写CNT)、银纳米线(Ag nano wire)、石墨烯等。本实施例中，该第一压电层11为一压电薄膜，其材质优选为聚二氟亚乙烯(Polyvinylidene Fluoride，PVDF)。

所述第一电极10可通过真空溅射、电镀或涂覆等方式形成于第一压电层11的表面。优选地，该第一电极10采用电镀的方法形成于该第一压电层11的表面。具体地，电镀的方法是将该第一压电层11远离基板12的一表面进行大面积电镀，形成电镀层，该电镀层即为该第一电极10。该第一电极10很轻薄，其厚度大约为400埃到1000埃，以提高声压灵敏度。

所述第一压电层11通过胶粘剂16贴合于基板12的一表面。该胶粘剂可以是液态胶、双面胶、光学胶等。优选地，该胶粘剂为光学透明胶粘剂(Optical Clear Adhesive，OCA)或光学透明树脂(Optical Clear Resin，OCR)等具有高透光率的胶粘剂。

所述第二电极13以及第三电极15分别贴附於第二压电层14相对的两个表 面。本实施例中，所述第二压电层14为一压电薄膜，其材质优选为聚二氟亚乙烯(Polyvinylidene Fluoride，PVDF)。该第二电极13远离第二压电层14的另一表面通过胶粘剂16贴附于基板12远离第一压电层11的另一表面。

实施例中，该第二电极13以及第三电极15可以由导电率较好的金属材料制成。例如，该第二电极13以及第三电极15的材料可以为银、铝、铜、镍、金等高导电率材料。其它实施例中，该第二电极13以及第三电极15也可以由透明导电材料制成。例如，该透明导电材料可以是氧化铟锡(ITO)、氧化锌(Zno)，聚(3，4-乙烯二氧噻吩)-聚苯乙烯磺酸(Poly(3，4-ethylenedioxythiophene)，PEDOT)、碳纳米管(英文Carbon Nanotube，缩写CNT)、银纳米线(Ag nano wire)、石墨烯等。另外，该第二电极13以及第三电极15可以分别由不同材料制成。例如，该第二电极13采用金属材料，而该第三电极15则采用透明导电材料。或者，该第三电极15采用金属材料，而该第二电极13采用透明导电材料，并不以此为限。优选地，该第二电极13以及第三电极15的材料采用导电性能较好的银。

所述第二电极13以及第三电极15可通过真空溅射、电镀或涂覆等方式分别形成于第二压电层14的相对二表面。优选地，该第二电极13以及第三电极15也可采用电镀的方法形成于该第二压电层14的相对二表面。具体地，该电镀的方法是将该第二压电层14的两个表面均进行大面积电镀，形成位于相对二表面的两个电镀层，该两个电镀层即分别为该第二电极13以及第三电极15。该第二电极13以及第三电极15与第一电极10大致相同，厚度大约在400埃到1000埃之间，具有较高的声压灵敏度。

本实施例中，所述第二电极13以及第三电极15用于同时为第二压电层14 施加电压。该第二压电层14作为信号发送层(Tx)，在第二电极13以及第三电极15同时施加电压时，产生振动而发出声波。本实施例中，该声波优选为超声波。在外界物体按压或接近超声波传感器1时，该超声波到达该外界物体并发生反射。所述第一压电层11作为信号接收层(Rx)，用于接收从该外界物体反射回的声波，并将该声波转化为电信号。该电信号通过所述第一电极10传递至所述基板12上的薄膜晶体管阵列120进行处理，以辅助实现超声波指纹识别的功能。

本实施例中，所述基板12与传统的薄膜晶体管(TFT)玻璃基板不同，其采用化学强化(Chemical Strengthen，CS)玻璃基材制成。例如，该基板12可以采用钠玻璃以及铝硅酸盐玻璃等可进行离子交换的强化玻璃基材。该化学强化玻璃基材的形成方式可以是将玻璃放入高纯度的硝酸钾溶液及搭配的催化剂中，然后混合加热至特定的高温条件(例如420度左右)，使玻璃结构表面的钾离子和钠离子进行离子交换而形成强化层，进而制成该强化玻璃基材。优选地，本实施例中，该基板12的抗冲击强度大于200兆帕(mPa)，且其压应力层深度(DOL)大于5微米(um)。

一种基于环境识别的智能待机的方法，所述方法包括：

超声波传感器抓取用户行为，将数据通过处理器模块计算，然后通过网络模块与存储在云平台上的初始数据对比分析，通过运算方法算出当前状态，并通过处理器模块发出对电池模块的控制指令。

当云平台上记录有了历史数据后，超声波传感器抓取用户行为时，数据通过处理器模块计算后与云平台内存储的历史数据进行对比分析；通过运算方法算出当前状态，并通过处理器模块发出对电池模块的控制指令。

所述超声波传感器抓取用户行为指超声波传感器向不同角度发射超声波，同时接收距离最近物体反射的回波，根据时间差计算距离最近物体相对传感器的距离；如果该物体移动，则会获得相应的方位信息，作为用户行为数据记录，并将其数据传递给处理器模块。

利用超声波传感技术，以及处理器模块的运算和历史数据，对环境进行分析判断，达到准确识别用户对机顶盒的使用情况，并进行相应的节能环保控制操作，与此同时，提供进行操作后，用户的反馈动作进行记录，与原数据进行比对分析，利用机器学习算法，本实施例运算方法为adaboost算法，对判断方法进行改进和修正，使机顶盒对用户环境的判断更加准确，更能理解用户使用习惯。

上述实施例仅为本发明的较佳实施例，并非依此限制本发明的保护范围，故：凡依本发明的结构、形状、原理所做的等效变化，均应涵盖于本发明的保护范围之内。