事件检测方法及装置、电子设备、存储介质与流程

1.本公开涉及电子设备中的事件检测技术，尤其涉及一种事件检测方法及装置、电子设备、存储介质。


背景技术：

2.目前，用户在使用手机等移动设备时，特别是在通话时，由于需要将手机的听筒等贴置于耳部，这样，手机屏幕等也会相应贴置于用户的脸部，这样，由于导致手机屏幕被误触，这样可能会自动挂断通话或使当前通话无故被保持等，这样会对用户的接打电话等造成相当的不便。


技术实现要素：

3.本公开提供一种事件检测方法及装置、电子设备、存储介质。
4.根据本公开实施例的第一方面，提供一种事件检测方法，所述方法包括：
5.发射检测信号；
6.接收所述检测信号的回波信号；
7.获取所述回波信号的特征值；
8.基于所述特征值计算判决参数，基于所述判决参数确定发生的事件。
9.可选的，所述发射检测信号，包括：
10.发射频率大于设定阈值的两路检测信号；所述两路检测信号的频率不同。
11.可选的，所述获取所述回波信号的特征值，包括：
12.对所述回波信号进行移频，对所述移频后的所述回波信号进行低通滤波；
13.对低通滤波后的所述回波信号进行频域变换，获取所述回波信号的频率分量；
14.计算所述频率分量中所述回波信号的频率分量及设定数量个临近的频率分量的幅值，以所计算的幅值形成特征向量而形成频移谱，所述频移谱作为所述回波信号的特征值。
15.可选的，所述对低通滤波后的所述回波信号进行频域变换之前，所述方法还包括：
16.对低通滤波后的所述回波信号进行降采样率处理，降低低通滤波后的所述回波信号的采样率。
17.可选的，所述对低通滤波后的所述回波信号进行频域变换，包括：
18.将低通滤波后的所述回波信号按设定时长进行分帧，对分帧后的所述回波信号乘以窗函数而进行加窗；
19.对加窗后的所述回波信号进行傅里叶变换或离散余弦变换，得到所述回波信号的频率分量。
20.可选的，所述基于所述特征值计算判决参数，包括：
21.设置神经网络模型或神经网络模型组合，并训练生成所述神经网络模型或所述神经网络模型组合中各网络层的模型系数，基于所述特征值与模型系数的相关性生成判决参
数。
22.可选的，所述基于所述特征值计算判决参数，基于所述判决参数确定发生的事件，包括：
23.所述两路检测信号的频率为f1和f2，其中f2》f1；并设置检测阈值t1和t2；
24.在所述回波信号的特征值中，计算比f1频率低的频段f
11
至f
12
内所述回波信号幅值均方根值或均值与f1频率处的所述回波信号的幅值的比值r1；计算比f2频率高的频段f
21
至f
22
内所述回波信号幅值均方根值或均值与f2频率处的所述回波信号的幅值的比值r2；
25.若r1》t1，发生远离事件；若r2》t2，发生接近事件。
26.根据本公开实施例的第二方面，提供一种事件检测装置，包括：
27.发射单元，用于发射检测信号；
28.接收单元，用于接收所述检测信号的回波信号；
29.获取单元，用于获取所述回波信号的特征值；
30.计算单元，用于基于所述特征值计算判决参数；
31.确定单元，用于基于所述判决参数确定发生的事件。
32.可选的，所述发射单元，还用于：
33.发射频率大于设定阈值的两路检测信号；所述两路检测信号的频率不同。
34.可选的，所述获取单元，还用于：
35.对所述回波信号进行移频，对所述移频后的所述回波信号进行低通滤波；
36.对低通滤波后的所述回波信号进行频域变换，获取所述回波信号的频率分量；
37.计算所述频率分量中所述回波信号的频率分量及设定数量个临近的频率分量的幅值，以所计算的幅值形成特征向量而形成频移谱，所述频移谱作为所述回波信号的特征值。
38.可选的，所述获取单元，还用于：在对低通滤波后的所述回波信号进行频域变换之前，对低通滤波后的所述回波信号进行降采样率处理，降低低通滤波后的所述回波信号的采样率。
39.可选的，所述获取单元，还用于：
40.将低通滤波后的所述回波信号按设定时长进行分帧，对分帧后的所述回波信号乘以窗函数而进行加窗；
41.对加窗后的所述回波信号进行傅里叶变换或离散余弦变换，得到所述回波信号的频率分量。
42.可选的，所述计算单元，还用于：
43.设置神经网络模型或神经网络模型组合，并训练生成所述神经网络模型或所述神经网络模型组合中各网络层的模型系数，基于所述特征值与模型系数的相关性生成判决参数。
44.可选的，所述计算单元，还用于：
45.所述两路检测信号的频率为f1和f2，其中f2》f1；并设置检测阈值t1和t2；
46.在所述回波信号的特征值中，计算比f1频率低的频段f
11
至f
12
内所述回波信号幅值均方根值或均值与f1频率处的所述回波信号的幅值的比值r1；计算比f2频率高的频段f
21
至f
22
内所述回波信号幅值均方根值或均值与f2频率处的所述回波信号的幅值的比值r2；
47.对应地，所述确定单元，还用于：若r1》t1，发生远离事件；若r2》t2，发生接近事件。
48.根据本公开实施例的第三方面，提供一种电子设备，包括：处理器和用于存储处理器可执行指令的存储器，其中，所述处理器被配置为在调用存储器中的可执行指令时，能够执行所述的事件检测方法。
49.根据本公开实施例的第四方面，提供一种非临时性计算机可读存储介质，当所述存储介质中的指令由电子设备的处理器执行时，使得电子设备能够执行所述的事件检测方法。
50.本公开的实施例提供的技术方案可以包括以下有益效果：
51.在本公开的实施例中，通过发射两条不同频段的检测信号，这里的检测信号最好是超声波信号，以提升事件检测的准确性。接收端接收两条检测信号的回波信号，通过提取两条回波信号的特定频段周围的频谱信息而构成频移谱，频移谱在手机等移动终端设备发生接近远离事件时，会有明显的条纹出现，本技术通过对频移信息的有效利用，从而提升了接近远离事件的识别效果。本技术实施例通过对电子设备与用户面部之间的接近远离事件的检测，可以基于该检测事件对电子设备的屏幕进行相应的触控响应控制，在电子设备与人脸面部靠近时，暂时关闭电子设备的屏幕触控响应，这样不会影响用户接听电话等业务，提升了用户的使用体验。
52.应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。
附图说明
53.此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理。
54.图1为本公开实施例示出的一种事件检测方法流程示意图；
55.图2为本公开实施例示出的一种事件检测方法示例示意图；
56.图3为本公开实施例的超声波发生器的组成结构示意图；
57.图4为本公开实施例的信号发射器发射的两种超声波信号的示意图；
58.图5为本公开实施例的声波接收器的组成结构示意图；
59.图6为本公开实施例示出的分析器的组成结构示意图；
60.图7为本公开实施例的识别器的组成结构示意图；
61.图8为本公开实施例示出的一种事件检测装置的组成结构示意图；
62.图9是根据一示例性实施例示出的一种电子设备的框图。
具体实施方式
63.这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。
64.本公开的实施例记载的事件检测方法，适用于手机智能终端、游戏机、笔记本电脑、pad等电子设备中。
65.图1为本公开实施例示出的一种事件检测方法流程示意图，如图1所示，本公开实施例的事件检测方法包括以下步骤：
66.s11、发射检测信号。
67.在本公开的实施例中，发射频率大于设定阈值的两路检测信号；所述两路检测信号的频率不同。这里的设定阈值可以是20000hz，一般而言，频率大于20000hz的检测信号为超声波信号。本公开实施例中，使用超声波信号能提升事件检测的准确率。
68.s12、接收所述检测信号的回波信号。
69.在本公开的实施例中，还对发射的检测信号进行回波检测，接收检测信号的反射信号，并基于所接收的回波信号进行事件检测。
70.s13、获取所述回波信号的特征值。
71.在本公开的实施例中，获取所述回波信号的特征值，包括：
72.对所述回波信号进行移频，对所述移频后的所述回波信号进行低通滤波；对低通滤波后的所述回波信号进行频域变换，获取所述回波信号的频率分量；计算所述频率分量中所述回波信号的频率分量及设定数量个临近的频率分量的幅值，以所计算的幅值形成特征向量而形成频移谱，所述频移谱作为所述回波信号的特征值。
73.在所述对低通滤波后的所述回波信号进行频域变换之前，还可以对低通滤波后的所述回波信号进行降采样率处理，降低低通滤波后的所述回波信号的采样率。通过降低所述回波信号的采样率，可以提升所述回波信号的特征值的确定效率。
74.在本公开的实施例中，对低通滤波后的所述回波信号进行频域变换，包括：将低通滤波后的所述回波信号按设定时长进行分帧，对分帧后的所述回波信号乘以窗函数而进行加窗；对加窗后的所述回波信号进行傅里叶变换或离散余弦变换，得到所述回波信号的频率分量。
75.s14、基于所述特征值计算判决参数，基于所述判决参数确定发生的事件。
76.在本公开实施例中，可以通过神经网络来判断事件是否发生，设置神经网络模型或神经网络模型组合，并训练生成所述神经网络模型或所述神经网络模型组合中各网络层的模型系数，基于所述特征值与模型系数的相关性生成判决参数。作为一种示例，神经网络模型可以由n层卷积神经网络模型(cnn)和一层全连接的复合神经网络构成，也可以是其他各种形式的神经网络模型或其组合。其中各层神经网络的系数为事先训练好的模型系数。由输入的特征量，经由神经网络的计算，得到分类结果，从而得到接近/远离事件识别结果。本公开实施例中，并不限定神经网络的类型及其训练方式，本领域技术人员应当理解，通过对特征值与远离/靠近事件关联性的大量训练，确定待检测事件是否发生是容易实现的。
77.在本公开实施例中，作为另一种实现方式，还可以为：
78.假设所述两路检测信号的频率为f1和f2，其中f2》f1，并设置两个阈值t1和t2；
79.在所述回波信号的特征值中，计算比f1频率低的频段f
11
至f
12
内所述回波信号幅值均方根值或均值与f1频率处的所述回波信号的幅值的比值r1；计算比f2频率高的频段f
21
至f
22
内所述回波信号幅值均方根值或均值与f2频率处的所述回波信号的幅值的比值r2；
80.若r1》t1，发生远离事件；若r2》t2，发生接近事件。
81.当电子设备检测到发生接近事件时，即当电子设备与障碍物如人脸等之间的距离靠近时，可以关闭电子设备的触摸屏的触控响应，以防止用户接听电话时可能导致的误触
控显示屏。本公开实施例中，接近事件还可以与当前的业务结合来实现对触摸屏的触控响应进行限制，如可以在电子设备处于通话、视频直播或视频通话等时，再检测是否发生接近事件，并对触摸屏的触控响应进行限制。同样地，当电子设备检测到发生远离事件时，可以解除针对电子设备的触摸屏的触控响应限制。
82.以下通过具体示例，进一步阐明本公开实施例的技术方案的实质。
83.本公开实施例中，通过在电子设备中设置发声器件和收音器件，发声器件发送具有两条不同频率的超声波信号，并由收音器件接收从空气中传来的该超声波，并通过分析超声波信号的时频特性来判断设备接近/远离障碍物的事件。通过计算超声回波信号的频移谱来表征手机等电子设备接近或者远离障碍物时的差异性，将频移特征作为神经网络模型的输入进行状态识别。本公开实施例在对接近/远离障碍物事件检测时，可以利用神经网络来进行事件检测。
84.图2为本公开实施例示出的一种事件检测方法示例示意图，如图2所示，本公开实施例实现时，电子设备中需具有超声波发生器、声波接收器、分析器和识别器。由超声波发生器产生带通超声波信号，并由声波发射器如喇叭等发射，然后由声波接收器如麦克风等接收从空气传播而来的超声波回波信号。由分析器对接收到的超声波回波信号进行分析，提取超声波回波信号相应的特征量，并由识别器根据分析器提取出的特征量进行电子设备接近/远离障碍物事件的识别。
85.图3为本公开实施例的超声波发生器的组成结构示意图，如图3所示，本公开实施例的超声波发生器包括信号激励器、dac模数转换器和信号发射器等，其中，信号发射器包括喇叭、听筒和超声波发射器等。超声信号激励器包括激励器和滤波器，由超声信号激励器产生带通超声波信号，经过数模转换器转为模拟信号后由信号发射器向外界发射。
86.图4为本公开实施例的信号发射器发射的两种超声波信号的示意图，如图4所示，图中的上半部分波形图案为发射信号的时域波形，下半部分为发射信号的频谱图。
87.图5为本公开实施例的声波接收器的组成结构示意图，如图5所示，本公开实施例的声波接收器包括信号接收器如麦克风和adc数模转换器。信号接收器接收到声波信号后，经过adc模数转换器后转化为数字信号，输入至本公开实施例的分析器中进行分析，以确定是否发生接近/远离障碍物事件。
88.图6为本公开实施例示出的分析器的组成结构示意图，如图6所示，本公开实施例的分析器包括移频单元、降采样率单元、频域变换单元、特征量计算单元和特征量组合单元，其中，
89.移频单元对接收到的回波信号w进行移频，其目的是将超声信号的回波信号的中心频率移至零频，然后进行低通滤波提取后续处理所需频段的声波信号，经过此处理得到移频后的声波信号wshift，移频计算公式如下：
90.b＝2
×
pi
×
(f0-ft)
×
r/fs,r＝0,1,2,
…
91.wshift＝w
×
exp(-i
×
b)
92.其中，f0为原频率，ft为目标频率，b为回波信号的相位值，exp为以自然常数e为底的指数函数。
93.其中exp(-i
×
b)由欧拉公式转换为如下形式：
94.exp(-i
×
θ)＝cos(-θ) i
×
sin(-θ)＝cosθ
–i×
sinθ
95.分析发现，当目标频谱确定时，上述公式中三角函数的计算结果具有周期性，因此可存储一个周期的三角函数值，从而获取对应声波相位的三角函数值，得到移频后的声波信号，这样降低了处理功耗。
96.经过移频单元处理后，声波信号频率分布在一个较低的频段内，之后将超声信号wshift传入降采样率单元进行降采样，得到将采样后的声音信号wdown，以减小数据量，简化计算。
97.频域变换单元将降采样后的声波信号wdown进行频域变换求取信号的频率分量用于特征量计算单元的计算。首先需要对信号wdown进行分帧及加窗处理，分帧处理即按设定时长对待处理对象进行分帧，这里的设定时长可以是10ms、20ms等，对分帧后的所述回波信号乘以窗函数而进行加窗，本公开实施例中，分帧是为了保证所处理数据的短时性，加窗是为了减少频谱能量泄露。本公开实施例中，可使用的窗函数例如黑人-哈里斯窗、三角窗、汉明窗等。之后进行频域变换，频域变换可采用快速傅里叶变换(fft)，离散余弦变换(dct)等，变换后的信号为f。此处设频域变换后的频域分辨率为n(n点fft)，即每帧的f包含f(1)
…
f(n)n个频率分量。
98.频移谱计算单元中对每一帧音频数据超声发射信号所对应的两个频率分量以及其各自周围m个频率分量的幅值进行计算，构成频移谱，具体计算方法如下：
99.各频率分量幅值计算公式如下：
[0100][0101]
式中，k表示频域变换结果中第k个频率分量，re(k)表示该频率分量的实部，im(k)表示该频率分量的虚部。
[0102]
以上述计算方式得到共计2m 2个频率分量对应的幅值，组成2m 2维特征向量，利用连续l帧音频数据计算得到的特征向量，构成频移谱，作为后续识别器的输入，进行接近远离障碍物事件的识别。
[0103]
当设备接近障碍物时，接收信号的频率会向高频方向移动，当设备远离障碍物时，接收信号的频率会向低频方向移动，以此特性可以区分识别设备接近/远离障碍物的事件。
[0104]
图7为本公开实施例的识别器的组成结构示意图，如图7所示，本公开实施例的识别器可以是神经网络。神经网络模型可以由n层卷积神经网络模型(cnn)和一层全连接的复合神经网络构成，也可以是其他各种形式的神经网络模型或其组合。其中各层神经网络的系数为事先训练好的模型系数。由输入的特征量，经由神经网络的计算，得到分类结果，从而得到接近/远离事件识别结果。
[0105]
识别器也可以是一个计算判别单元，利用分析器中计算得到的频移特征，结合某种判断方式，例如阈值判断，求得最终事件识别结果，具体方式如下：
[0106]
假设发射的两条超声波的频率分别为f1和f2，其中f2》f1，设置两个阈值t1和t2。
[0107]
计算比f1频率更低的频段f
11
～f
12
内超声信号幅度均方根值或者均值与f1频率处超声信号幅度的比值r1。
[0108]
均值法：
[0109]
[0110]
其中，f(
·
)表示对应超声信号在对应频率处的幅值；
[0111]
均方根法：
[0112][0113]
若r1》t1，则有远离事件发生，反之无远离事件发生。
[0114]
计算比f2频率更高的频段f
21
～f
22
内超声信号幅度均方根值或者均值与f2频率处超声信号幅度的比值r2。
[0115]
均值法：
[0116][0117]
其中，f(
·
)表示对应超声信号在对应频率处的幅值；
[0118]
均方根法：
[0119][0120]
若r2》t2，则有接近事件发生，反之无接近事件发生。
[0121]
本公开的实施例通过发射两条不同频段的超声波信号，接收端接收两条检测信号的回波信号，通过提取两条回波信号的特定频段周围的频谱信息而构成频移谱，频移谱在手机等移动终端设备发生接近远离事件时，会有明显的条纹出现，本技术通过对频移信息的有效利用，从而提升了接近远离事件的识别效果。本技术实施例通过对电子设备与用户面部之间的接近远离事件的检测，可以基于该检测事件对电子设备的屏幕进行相应的触控响应控制，在电子设备与人脸面部靠近时，暂时关闭电子设备的屏幕触控响应，这样不会影响用户接听电话等业务，提升了用户的使用体验。
[0122]
图8为本公开实施例示出的一种事件检测装置的组成结构示意图，如图8所示，本公开实施例的事件检测装置包括：
[0123]
发射单元80，用于发射检测信号；
[0124]
接收单元81，用于接收所述检测信号的回波信号；
[0125]
获取单元82，用于获取所述回波信号的特征值；
[0126]
计算单元83，用于基于所述特征值计算判决参数；
[0127]
确定单元84，用于基于所述判决参数确定发生的事件。
[0128]
可选的，所述发射单元80，还用于：
[0129]
发射频率大于设定阈值的两路检测信号；所述两路检测信号的频率不同。
[0130]
可选的，所述获取单元82，还用于：
[0131]
对所述回波信号进行移频，对所述移频后的所述回波信号进行低通滤波；
[0132]
对低通滤波后的所述回波信号进行频域变换，获取所述回波信号的频率分量；
[0133]
计算所述频率分量中所述回波信号的频率分量及设定数量个临近的频率分量的
幅值，以所计算的幅值形成特征向量而形成频移谱，所述频移谱作为所述回波信号的特征值。
[0134]
可选的，所述获取单元82，还用于：在对低通滤波后的所述回波信号进行频域变换之前，对低通滤波后的所述回波信号进行降采样率处理，降低低通滤波后的所述回波信号的采样率。
[0135]
可选的，所述获取单元82，还用于：
[0136]
将低通滤波后的所述回波信号按设定时长进行分帧，对分帧后的所述回波信号乘以窗函数而进行加窗；
[0137]
对加窗后的所述回波信号进行傅里叶变换或离散余弦变换，得到所述回波信号的频率分量。
[0138]
可选的，所述计算单元83，还用于：
[0139]
设置神经网络模型或神经网络模型组合，并训练生成所述神经网络模型或所述神经网络模型组合中各网络层的模型系数，基于所述特征值与模型系数的相关性生成判决参数。
[0140]
可选的，所述计算单元83，还用于：
[0141]
所述两路检测信号的频率为f1和f2，其中f2》f1；并设置检测阈值t1和t2；
[0142]
在所述回波信号的特征值中，计算比f1频率低的频段f
11
至f
12
内所述回波信号幅值均方根值或均值与f1频率处的所述回波信号的幅值的比值r1；计算比f2频率高的频段f
21
至f
22
内所述回波信号幅值均方根值或均值与f2频率处的所述回波信号的幅值的比值r2；
[0143]
对应地，所述确定单元84，还用于：若r1》t1，发生远离事件；若r2》t2，发生接近事件。
[0144]
在示例性实施例中，发射单元80、接收单元81、获取单元82、计算单元83、确定单元84等可以被一个或多个中央处理器(cpu，central processing unit)、图形处理器(gpu，graphics processing unit)、基带处理器(bp，base processor)、应用专用集成电路(asic，application specific integrated circuit)、数字信号处理器(digital signal processor，dsp)、可编程逻辑器件(pld，programmable logic device)、复杂可编程逻辑器件(cpld，complex programmable logic device)、现场可编程门阵列(fpga，field-programmable gate array)、通用处理器、控制器、微控制器(mcu，micro controller unit)、微处理器(microprocessor)、或其他电子元件实现，也可以结合一个或多个射频(rf，radio frequency)天线实现，用于执行前述实施例的通信方法。
[0145]
在本公开实施例中，图8示出的显示处理装置中各个单元执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。
[0146]
图9为根据一示例性实施例示出的一种电子设备800的框图，如图9所示，电子设备800支持多屏输出，电子设备800可以包括以下一个或多个组件：处理组件802，存储器804，电源组件806，多媒体组件808，音频组件810，输入/输出(i/o)的接口812，传感器组件814，以及通信组件816。
[0147]
处理组件802通常控制电子设备800的整体操作，诸如与显示，电话呼叫，数据通信，相机操作和记录操作相关联的操作。处理组件802可以包括一个或多个处理器820来执行指令，以完成上述的方法的全部或部分步骤。此外，处理组件802可以包括一个或多个模
块，便于处理组件802和其他组件之间的交互。例如，处理组件802可以包括多媒体模块，以方便多媒体组件808和处理组件802之间的交互。
[0148]
存储器804被配置为存储各种类型的数据以支持在设备800的操作。这些数据的示例包括用于在电子设备800上操作的任何应用程序或方法的指令，联系人数据，电话簿数据，消息，图片，视频等。存储器804可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器(sram)，电可擦除可编程只读存储器(eeprom)，可擦除可编程只读存储器(eprom)，可编程只读存储器(prom)，只读存储器(rom)，磁存储器，快闪存储器，磁盘或光盘。
[0149]
电源组件806为电子设备800的各种组件提供电力。电力组件806可以包括电源管理系统，一个或多个电源，及其他与为电子设备800生成、管理和分配电力相关联的组件。
[0150]
多媒体组件808包括在所述电子设备800和用户之间的提供一个输出接口的屏幕。在一些实施例中，屏幕可以包括液晶显示器(lcd)和触摸面板(tp)。如果屏幕包括触摸面板，屏幕可以被实现为触摸屏，以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。所述触摸传感器可以不仅感测触摸或滑动动作的边界，而且还检测与所述触摸或滑动操作相关的持续时间和压力。在一些实施例中，多媒体组件808包括一个前置摄像头和/或后置摄像头。当设备800处于操作模式，如拍摄模式或视频模式时，前置摄像头和/或后置摄像头可以接收外部的多媒体数据。每个前置摄像头和后置摄像头可以是一个固定的光学透镜系统或具有焦距和光学变焦能力。
[0151]
音频组件810被配置为输出和/或输入音频信号。例如，音频组件810包括一个麦克风(mic)，当电子设备800处于操作模式，如呼叫模式、记录模式和语音识别模式时，麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器804或经由通信组件816发送。在一些实施例中，音频组件810还包括一个扬声器，用于输出音频信号。
[0152]
i/o接口812为处理组件802和外围接口模块之间提供接口，上述外围接口模块可以是键盘，点击轮，按钮等。这些按钮可包括但不限于：主页按钮、音量按钮、启动按钮和锁定按钮。
[0153]
传感器组件814包括一个或多个传感器，用于为电子设备800提供各个方面的状态评估。例如，传感器组件814可以检测到设备800的打开/关闭状态，组件的相对定位，例如所述组件为电子设备800的显示器和小键盘，传感器组件814还可以检测电子设备800或电子设备800一个组件的位置改变，用户与电子设备800接触的存在或不存在，电子设备800方位或加速/减速和电子设备800的温度变化。传感器组件814可以包括接近传感器，被配置用来在没有任何的物理接触时检测附近物体的存在。传感器组件814还可以包括光传感器，如cmos或ccd图像传感器，用于在成像应用中使用。在一些实施例中，该传感器组件814还可以包括加速度传感器，陀螺仪传感器，磁传感器，压力传感器或温度传感器。
[0154]
通信组件816被配置为便于电子设备800和其他设备之间有线或无线方式的通信。电子设备800可以接入基于通信标准的无线网络，如wi-fi，2g或3g，或它们的组合。在一个示例性实施例中，通信组件816经由广播信道接收来自外部广播管理系统的广播信号或广播相关信息。在一个示例性实施例中，所述通信组件816还包括近场通信(nfc)模块，以促进短程通信。例如，在nfc模块可基于射频识别(rfid)技术，红外数据协会(irda)技术，超宽带(uwb)技术，蓝牙(bt)技术和其他技术来实现。
[0155]
在示例性实施例中，电子设备800可以被一个或多个应用专用集成电路(asic)、数字信号处理器(dsp)、数字信号处理设备(dspd)、可编程逻辑器件(pld)、现场可编程门阵列(fpga)、控制器、微控制器、微处理器或其他电子元件实现，用于执行上述实施例的事件检测方法。
[0156]
在示例性实施例中，还提供了一种包括指令的非临时性计算机可读存储介质，例如包括指令的存储器804，上述指令可由电子设备800的处理器820执行以完成上述实施例的事件检测方法。例如，所述非临时性计算机可读存储介质可以是rom、随机存取存储器(ram)、cd-rom、磁带、软盘和光数据存储设备等。
[0157]
本公开实施例还记载了一种非临时性计算机可读存储介质，当所述存储介质中的指令由电子设备的处理器执行时，使得电子设备能够执行控制方法，所述方法包括：
[0158]
发射检测信号；
[0159]
接收所述检测信号的回波信号；
[0160]
获取所述回波信号的特征值；
[0161]
基于所述特征值计算判决参数，基于所述判决参数确定发生的事件。
[0162]
本公开实施例还记载了一种非临时性计算机可读存储介质，当所述存储介质中的指令由电子设备的处理器执行时，使得电子设备能够执行控制方法，所述方法包括：
[0163]
发射检测信号；
[0164]
接收所述检测信号的回波信号；
[0165]
获取所述回波信号的特征值；
[0166]
基于所述特征值计算判决参数，基于所述判决参数确定发生的事件。
[0167]
本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本公开的其它实施方案。本公开旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的真正范围和精神由下面的权利要求指出。
[0168]
应当理解的是，本公开并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限制。