電容屏稀疏觸控檢測(cè)方法研究

電容屏稀疏觸控檢測(cè)方法研究

楊森林1,崇鑫2,趙小俠1

(1.西安文理學(xué)院 機(jī)械與材料工程學(xué)院，西安 710065; 2.艾默生網(wǎng)絡(luò)能源(西安)有限公司，西安 710075)

摘要：電容觸摸屏是一種應(yīng)用非常廣泛的電子產(chǎn)品，但常規(guī)方法實(shí)現(xiàn)大屏幕電容屏的快速觸控檢測(cè)需要的硬件電路成本昂貴、且能耗高.首先給出電容測(cè)量的預(yù)充電轉(zhuǎn)移電路，分析電容屏被觸控瞬間的稀疏特性，并給出了電容屏觸控稀疏檢測(cè)原理，還討論測(cè)量矩陣的硬件實(shí)現(xiàn).提出了基于壓縮感知理論的電容屏稀疏觸控檢測(cè)算法和實(shí)現(xiàn)策略.仿真實(shí)驗(yàn)結(jié)果表明了觸控稀疏檢測(cè)的有效性.所提算法在實(shí)現(xiàn)高效觸控檢測(cè)的同時(shí)，降低了觸控檢測(cè)電路成本和功耗.

關(guān)鍵詞：電容觸屏；稀疏；壓縮感知；重構(gòu)

中圖分類號(hào)：TP911文獻(xiàn)標(biāo)志碼：A

文章編號(hào)：1008-5564(2015)03-0020-06

收稿日期：2015-03-20

作者簡(jiǎn)介：吳招生(1988—)，男，浙江臺(tái)州人、南京航空航天大學(xué)理學(xué)院數(shù)學(xué)系碩士研究生，主要從事微分方程數(shù)值解法研究.

StudyonSparseTouchingDetectionforCapacitiveTouchScreen

YANGSen-lin1, CHONG Xin2, ZHAO Xiao-xia1

(1.SchoolofMechanicalandMaterialsEngineering,Xi’anUniversity,Xi’an710065,China;

2.EmersonNetworkPowerLimitedCompany,Xi’an710075,China)

Abstract：Capacitive touch screens (CTS) are widely applied in electronic devices. However, the fast touching detection by the conventional methods for CTS with a big size can only be achieved at the expense of the analog hardware complexity and power consumption. Firstly, the circuit for capacitance measurement by charge and transfer was introduced. Then the sparse feature of CTS at touched was analyzed, and the scheme of sparse touching detection was given. Moreover, the hardware implementation for measurement matrix was presented. An algorithm of sparse touching sensing for CTS and its implementation were proposed. The simulation test result indicated the validity of sparse touching detection. The proposed method can achieve touching detection efficiently with lower hardware complexity and lower power consumption.

Keywords：capacitivetouchscreens;sparsity;compressedsensing;reconstruction

電容式觸摸屏在智能手機(jī)、平板電腦以及各種信息終端中已經(jīng)得到廣泛應(yīng)用.[1]目前，電容觸屏發(fā)展趨勢(shì)是屏幕尺寸越來越大，對(duì)觸屏電池容量和觸屏控制器性能的需求越來越高.常規(guī)的觸控檢測(cè)通過逐個(gè)測(cè)量各節(jié)點(diǎn)傳感器電容的變化來完成.因此，對(duì)于大尺寸電容觸屏的快速觸控，只有通過增加觸屏控制器的模擬硬件設(shè)計(jì)復(fù)雜度和功耗來實(shí)現(xiàn).考慮到某一時(shí)刻同時(shí)觸摸傳感器點(diǎn)數(shù)一般為10個(gè)或以下，相對(duì)于所有傳感器節(jié)點(diǎn)數(shù)(如100個(gè)以上)來說是稀疏的.基于某一瞬間觸點(diǎn)的稀疏性，就能利用壓縮感知理論，采用低功耗、模擬硬件電路復(fù)雜度低的普通觸屏控制器以較少的測(cè)量次數(shù)，來實(shí)現(xiàn)相同水平的快速觸控.

圖1　電容式觸屏結(jié)構(gòu)示意圖

1充電轉(zhuǎn)移電容測(cè)量原理

電容屏節(jié)點(diǎn)電容的通用測(cè)量方法是充電轉(zhuǎn)移方法.[3]該方法包括預(yù)充電和電荷轉(zhuǎn)移兩個(gè)階段，如圖2所示.首先，在預(yù)充電過程中(開關(guān)S位于1位置)，采用電壓源Vo對(duì)待測(cè)電容C進(jìn)行充電.當(dāng)達(dá)到穩(wěn)態(tài)情況下電容上的電荷為Q=VoC.在電荷轉(zhuǎn)移過程中(開關(guān)S位于2位置)，采用一個(gè)已知參考電容Cref與充電后的電容C并聯(lián)時(shí)，電荷轉(zhuǎn)移到參考電容Cref上，進(jìn)行放電.當(dāng)放電達(dá)到穩(wěn)態(tài)后，根據(jù)電荷守恒原則，參考電容Cref上的電容為

(1)

當(dāng)滿足條件Cref>>C時(shí)，上式變?yōu)?/p>

(2)

圖5　分享菜單

從式(2)可以看出，每一個(gè)觸點(diǎn)電容變化檢測(cè)可以轉(zhuǎn)化檢測(cè)電壓Vs，而模擬電壓的檢測(cè)通過模數(shù)轉(zhuǎn)換器得到數(shù)字電壓結(jié)果.對(duì)于整個(gè)觸屏來說，所有觸點(diǎn)對(duì)應(yīng)的電壓檢測(cè)值Vs就可以構(gòu)成一個(gè)二維圖像，其本質(zhì)是反映了電容屏所有節(jié)點(diǎn)電容值，而接觸點(diǎn)區(qū)域的檢測(cè)數(shù)值將出現(xiàn)異常變化.

2基于壓縮感知的觸屏檢測(cè)

(3)

對(duì)于所有K次測(cè)量的節(jié)點(diǎn)電壓信號(hào)，可以表示為矩陣形式

(4)

式(4)可以寫成矩陣形式為

yn=Φnxn

(5)

(6)

當(dāng)K

實(shí)際上，某一時(shí)刻同時(shí)觸摸的傳感器點(diǎn)數(shù)一般為10個(gè)或以下，其相對(duì)于所有傳感器節(jié)點(diǎn)數(shù)(如100個(gè)以上)來說肯定是稀疏的.進(jìn)而，稀疏觸控假設(shè)還可以擴(kuò)展到每一列節(jié)點(diǎn)上，即每一列傳感器節(jié)點(diǎn)中在某一時(shí)刻只有很少幾個(gè)被同時(shí)觸控.因此，稀疏觸控假設(shè)是成立的，可以利用壓縮感知理論來實(shí)現(xiàn)電容屏觸控檢測(cè)和識(shí)別.根據(jù)電容屏稀疏觸控假設(shè)，就可以利用壓縮感知理論，用低功耗、模擬硬件電路復(fù)雜度低的普通觸屏控制器實(shí)現(xiàn)相同水平的快速觸控[4].

實(shí)際上，基于電容屏稀疏觸控假設(shè)，就可以采用壓縮感知理論進(jìn)行觸控檢測(cè)和識(shí)別，實(shí)現(xiàn)過程中有兩種方式，及列節(jié)點(diǎn)稀疏檢測(cè)和整體稀疏檢測(cè)兩種方式.對(duì)于列稀疏檢測(cè)只需要每次檢測(cè)一列節(jié)點(diǎn)，而整體稀疏檢測(cè)則需要檢測(cè)所有節(jié)點(diǎn).同時(shí)，列稀疏檢測(cè)只需要M個(gè)電源預(yù)充電的控制；而整體稀疏檢測(cè)需要MN個(gè)電源預(yù)充電的控制.因此，整體稀疏檢測(cè)硬件電路復(fù)雜，實(shí)現(xiàn)成本較高.此外，整體稀疏檢測(cè)需要測(cè)量的節(jié)點(diǎn)和測(cè)量值至少為列稀疏檢測(cè)的N倍，因此所需存儲(chǔ)器空間需求更大、重構(gòu)計(jì)算復(fù)雜度也更高[4].因此，本文以列稀疏檢測(cè)為例進(jìn)行稀疏觸控分析.

(7)

根據(jù)稀疏觸控假設(shè)，第n列電容變化量是稀疏的，即只有少數(shù)的幾個(gè)值不等于零.將式(7)和式(5)聯(lián)立可得

Δyn=ΦnΔxn

(8)

min‖Δyn‖1,s.t. Δyn-ΦnΔxn=0

(9)

考慮到實(shí)際測(cè)量過程中可能存在測(cè)量誤差和校正誤差，式(8)可以進(jìn)一步表示為

Δyn=ΦnΔxn+wn

(10)

其中wn為測(cè)量誤差和校正誤差，并且假設(shè)wn服從高斯白噪聲分布.在含噪聲和誤差的情況下，式(9)可以表示為

min‖Δyn‖1,s.t. ‖Δyn-ΦnΔxn‖2<ε

(11)

其中ε為測(cè)量誤差和校正誤差的上界.

3實(shí)現(xiàn)方案

一般文獻(xiàn)中，對(duì)于壓縮感知測(cè)量矩陣Φn的選擇，通常采用隨機(jī)高斯和伯努利矩陣實(shí)現(xiàn).另外，托普利茲矩陣和循環(huán)矩陣也可以作為有效的測(cè)量矩陣[5].硬件實(shí)現(xiàn)過程中，通過測(cè)量矩陣Φn來控制硬件電路，接通和斷開不同節(jié)點(diǎn)對(duì)應(yīng)的預(yù)充電壓，實(shí)現(xiàn)壓縮觀測(cè).實(shí)現(xiàn)過程中，需要考慮硬件成本，通常選擇硬件電路簡(jiǎn)單、成本較低的方案.在此采用元素為伯努利矩陣構(gòu)成的循環(huán)矩陣實(shí)現(xiàn).一個(gè)M×M的循環(huán)矩陣Χ∈M×M由矢量

(12)

唯一確定為

Xi,j=b(j-i)mod M

(13)

以集合{1,…,M}中任意K個(gè)元素所構(gòu)成的子集Ω，并以子集Ω為下標(biāo)的行元素構(gòu)成的循環(huán)矩陣Χ的子矩陣定義一個(gè)新的局部循環(huán)矩陣ΧΩ∈K×M作測(cè)量矩陣Φn.由于b服從獨(dú)立伯努利分布，因此把ΧΩ稱為局部伯努利循環(huán)矩陣(Partial Bernoulli Circulant Matrix,PBCM).

圖3　預(yù)充電控制電路

圖3給出了基于PBCM預(yù)充電電路的硬件實(shí)現(xiàn)方案.隨機(jī)數(shù)發(fā)生器產(chǎn)生預(yù)充電電壓的極性，并儲(chǔ)存于移位寄存器中.移位寄存器的輸出連接到行電極電路上，按相應(yīng)的極性對(duì)該列所有行電極同時(shí)預(yù)充電.子集合發(fā)生器產(chǎn)生子集Ω，控制每次測(cè)量的移位寄存器.移位寄存器輸出高電平(即“+1”)控制選通正極性預(yù)充電電源+Vo，反之移位寄存器輸出低電平(即“-1”)控制選通負(fù)極性預(yù)充電電源-Vo.

通過PBCM預(yù)充電電路在低成本、低復(fù)雜度的普通觸屏控制器下獲得電容變化量Δxn的壓縮觀測(cè)結(jié)果Δyn之后，需要采用壓縮重構(gòu)算法恢復(fù)電容變化量Δxn.重構(gòu)算法是壓縮感知理論的核心，它是指由K個(gè)測(cè)量值Δyn重構(gòu)長(zhǎng)度為M的稀疏信號(hào)Δxn的過程.目前，壓縮重構(gòu)的方法包括正交匹配追蹤、梯度投影稀疏重構(gòu)、最小全變分法、KSVD詞典學(xué)習(xí)等算法.[6-7]

4實(shí)驗(yàn)結(jié)果

4.1節(jié)點(diǎn)間距大

當(dāng)相鄰傳感器節(jié)點(diǎn)中心間距很大，大于觸控電容屏的目標(biāo)(如手指)時(shí)，單次觸控屏幕時(shí)，被觸控列傳感器節(jié)點(diǎn)中最多可能兩個(gè)節(jié)點(diǎn)被同時(shí)觸控.這種大間距情況下，對(duì)應(yīng)的每一列節(jié)點(diǎn)電容變化量Δxn是稀疏的.

設(shè)該列節(jié)點(diǎn)有M=256個(gè)，設(shè)手指觸控第128行對(duì)應(yīng)的電容節(jié)點(diǎn)，同時(shí)手指還碰到了第127行的電容節(jié)點(diǎn).采用了PBCM來實(shí)現(xiàn)預(yù)充電電路仿真，進(jìn)行了8次測(cè)量，然后采用梯度投影稀疏重構(gòu)算法(Gradient Projection Sparse Reconstruction,GPSR)進(jìn)行壓縮感知重構(gòu)，得到的電容變化量重構(gòu)結(jié)果如圖4(a)～4(c)所示，其中圖4(a)為電容變化量Δxn的理論值，圖4(b)為電容變化量Δxn的重構(gòu)結(jié)果，重構(gòu)相對(duì)誤差如圖4(c)所示，重構(gòu)值準(zhǔn)確地反映了被觸控的列節(jié)點(diǎn)位置在127行和128行，而128行節(jié)點(diǎn)的電容變化量更大，重構(gòu)誤差小于3.5%.實(shí)驗(yàn)結(jié)果表明，當(dāng)節(jié)點(diǎn)間距大于目標(biāo)間距時(shí)，電容變化量Δxn是稀疏的，利用稀疏觸控技術(shù)，大大減少測(cè)量次數(shù)、并有效檢測(cè)和識(shí)別被觸控的屏幕區(qū)域.

圖4　節(jié)點(diǎn)間距大時(shí)GPSR重構(gòu)結(jié)果及誤差

4.2節(jié)點(diǎn)間距小

當(dāng)相鄰傳感器節(jié)點(diǎn)中心間距很大，小于觸控電容屏的目標(biāo)(如手指)時(shí)，每次觸控屏幕時(shí)，被觸控列傳感器節(jié)點(diǎn)中有多個(gè)節(jié)點(diǎn)被同時(shí)觸控.這種較小間距情況下，對(duì)應(yīng)的每一列節(jié)點(diǎn)電容變化量Δxn也是稀疏的.

設(shè)該列節(jié)點(diǎn)有M=256個(gè)，設(shè)手指觸控第128行對(duì)應(yīng)的電容節(jié)點(diǎn)，同時(shí)手指還碰到了128行附近的很多行電容節(jié)點(diǎn)，比如120～137行的電容節(jié)點(diǎn)都受到影響.采用了PBCM來實(shí)現(xiàn)預(yù)充電電路仿真，進(jìn)行了32次測(cè)量，然后采用梯度投影稀疏重構(gòu)算法(Gradient Projection Sparse Reconstruction,GPSR)進(jìn)行壓縮感知重構(gòu)，得到的電容變化量重構(gòu)結(jié)果如圖5(a)～5(c)所示，其中圖5(a)為電容變化量Δxn的理論值，圖5(b)為電容變化量Δxn的重構(gòu)結(jié)果，重構(gòu)相對(duì)誤差如圖5(c)所示，重構(gòu)值準(zhǔn)確地反映了被觸控的列節(jié)點(diǎn)位置在120行至137行，而128行節(jié)點(diǎn)的電容變化量最大，重構(gòu)誤差小于12%，重構(gòu)結(jié)果和理論值的互相關(guān)系數(shù)為0.995 1.實(shí)驗(yàn)結(jié)果表明，當(dāng)節(jié)點(diǎn)間距小于目標(biāo)間距時(shí)，電容變化量Δxn也是稀疏的，利用以上稀疏觸控技術(shù)，能減少測(cè)量次數(shù)、并有效檢測(cè)和識(shí)別被觸控的屏幕區(qū)域，高效、準(zhǔn)確地實(shí)現(xiàn)了電容屏的多點(diǎn)觸控檢測(cè).

圖5　節(jié)點(diǎn)間距小時(shí)GPSR重構(gòu)結(jié)果及誤差

5結(jié)語

本文給出了電容屏的稀疏觸控方法研究.常規(guī)的觸屏檢測(cè)方法對(duì)每個(gè)節(jié)點(diǎn)分別進(jìn)行檢測(cè)獲得電容量的變化來識(shí)別被觸控的區(qū)域.利用觸屏瞬間電容量變化的稀疏性質(zhì)，稀疏觸控技術(shù)通過PBCM實(shí)現(xiàn)電容節(jié)點(diǎn)的預(yù)充電以及電容變化量的壓縮采樣，有效減少了觸屏檢測(cè)和識(shí)別所需的測(cè)量次數(shù).通過稀疏觸控技術(shù)，能夠用普通觸屏控制器實(shí)現(xiàn)快速觸控，降低了大電容屏幕觸控檢測(cè)的功耗和硬件成本.

[參考文獻(xiàn)]

[1]BARRET G,OMOTE R.Projected-capacitive touch technology[J].Information Display,2010,26(3):16-21.

[2]CANDES EJ,TAO T.Near-optimal signal recovery from random projections:Universal encoding strategies[J].IEEE Transactions on Information Theory,2006,52(12):5406-5425.

[3]PHILIPPH.Charge transfer sensing[J].Sensor Review,1999,13(11):96-105.

[4]LUO C,BORKAR MA,REDFERN J,et al.Compressive sensing for sparse touch detection on capacitive touch screens[J].Journal on Emerging and Selected Topics in Circuit and Systems,2012,2(3):1-10.

[5]RAUHUT H.Circulant and toeplitz matrices in compressed sensing[C]∥Proceedings in SPARS’09-Signal Processing with Adaptive Sparse Structured Representations,Remi Gribonval,Ed.,Saint Malo,France,2009,Inria Rennes-Bretagne Atlantique.

[6]FIGUEIREDO MAT,NOWAK RD,WRIGHT SJ.Gradient projection for sparse reconstruction:application to compressed sensing and other inverse problems[J].IEEE Journal of Selected Topics in Signal Processing,2007,1(4):586-597.

[7]AHARONM,ELAD M,BRUCKSTEIN A.K-SVD:An algorithm for designing overcomplete dictionaries for sparse representation[J].IEEE Transactions on Signal Processing,2006,54(11):4311-4322.

[責(zé)任編輯王新奇]

Vol.18No.3Jul.2015