电容屏稀疏触控检测方法研究

电容屏稀疏触控检测方法研究

杨森林1,崇鑫2,赵小侠1

(1.西安文理学院 机械与材料工程学院，西安 710065; 2.艾默生网络能源(西安)有限公司，西安 710075)

摘要：电容触摸屏是一种应用非常广泛的电子产品，但常规方法实现大屏幕电容屏的快速触控检测需要的硬件电路成本昂贵、且能耗高.首先给出电容测量的预充电转移电路，分析电容屏被触控瞬间的稀疏特性，并给出了电容屏触控稀疏检测原理，还讨论测量矩阵的硬件实现.提出了基于压缩感知理论的电容屏稀疏触控检测算法和实现策略.仿真实验结果表明了触控稀疏检测的有效性.所提算法在实现高效触控检测的同时，降低了触控检测电路成本和功耗.

关键词：电容触屏；稀疏；压缩感知；重构

中图分类号：TP911文献标志码：A

文章编号：1008-5564(2015)03-0020-06

收稿日期：2015-03-20

作者简介：吴招生(1988—)，男，浙江台州人、南京航空航天大学理学院数学系硕士研究生，主要从事微分方程数值解法研究.

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

电容式触摸屏在智能手机、平板电脑以及各种信息终端中已经得到广泛应用.[1]目前，电容触屏发展趋势是屏幕尺寸越来越大，对触屏电池容量和触屏控制器性能的需求越来越高.常规的触控检测通过逐个测量各节点传感器电容的变化来完成.因此，对于大尺寸电容触屏的快速触控，只有通过增加触屏控制器的模拟硬件设计复杂度和功耗来实现.考虑到某一时刻同时触摸传感器点数一般为10个或以下，相对于所有传感器节点数(如100个以上)来说是稀疏的.基于某一瞬间触点的稀疏性，就能利用压缩感知理论，采用低功耗、模拟硬件电路复杂度低的普通触屏控制器以较少的测量次数，来实现相同水平的快速触控.

图1　电容式触屏结构示意图

1充电转移电容测量原理

电容屏节点电容的通用测量方法是充电转移方法.[3]该方法包括预充电和电荷转移两个阶段，如图2所示.首先，在预充电过程中(开关S位于1位置)，采用电压源Vo对待测电容C进行充电.当达到稳态情况下电容上的电荷为Q=VoC.在电荷转移过程中(开关S位于2位置)，采用一个已知参考电容Cref与充电后的电容C并联时，电荷转移到参考电容Cref上，进行放电.当放电达到稳态后，根据电荷守恒原则，参考电容Cref上的电容为

(1)

当满足条件Cref>>C时，上式变为

(2)

图5　分享菜单

从式(2)可以看出，每一个触点电容变化检测可以转化检测电压Vs，而模拟电压的检测通过模数转换器得到数字电压结果.对于整个触屏来说，所有触点对应的电压检测值Vs就可以构成一个二维图像，其本质是反映了电容屏所有节点电容值，而接触点区域的检测数值将出现异常变化.

2基于压缩感知的触屏检测

(3)

对于所有K次测量的节点电压信号，可以表示为矩阵形式

(4)

式(4)可以写成矩阵形式为

yn=Φnxn

(5)

(6)

当K

实际上，某一时刻同时触摸的传感器点数一般为10个或以下，其相对于所有传感器节点数(如100个以上)来说肯定是稀疏的.进而，稀疏触控假设还可以扩展到每一列节点上，即每一列传感器节点中在某一时刻只有很少几个被同时触控.因此，稀疏触控假设是成立的，可以利用压缩感知理论来实现电容屏触控检测和识别.根据电容屏稀疏触控假设，就可以利用压缩感知理论，用低功耗、模拟硬件电路复杂度低的普通触屏控制器实现相同水平的快速触控[4].

实际上，基于电容屏稀疏触控假设，就可以采用压缩感知理论进行触控检测和识别，实现过程中有两种方式，及列节点稀疏检测和整体稀疏检测两种方式.对于列稀疏检测只需要每次检测一列节点，而整体稀疏检测则需要检测所有节点.同时，列稀疏检测只需要M个电源预充电的控制；而整体稀疏检测需要MN个电源预充电的控制.因此，整体稀疏检测硬件电路复杂，实现成本较高.此外，整体稀疏检测需要测量的节点和测量值至少为列稀疏检测的N倍，因此所需存储器空间需求更大、重构计算复杂度也更高[4].因此，本文以列稀疏检测为例进行稀疏触控分析.

(7)

根据稀疏触控假设，第n列电容变化量是稀疏的，即只有少数的几个值不等于零.将式(7)和式(5)联立可得

Δyn=ΦnΔxn

(8)

min‖Δyn‖1,s.t. Δyn-ΦnΔxn=0

(9)

考虑到实际测量过程中可能存在测量误差和校正误差，式(8)可以进一步表示为

Δyn=ΦnΔxn+wn

(10)

其中wn为测量误差和校正误差，并且假设wn服从高斯白噪声分布.在含噪声和误差的情况下，式(9)可以表示为

min‖Δyn‖1,s.t. ‖Δyn-ΦnΔxn‖2<ε

(11)

其中ε为测量误差和校正误差的上界.

3实现方案

一般文献中，对于压缩感知测量矩阵Φn的选择，通常采用随机高斯和伯努利矩阵实现.另外，托普利兹矩阵和循环矩阵也可以作为有效的测量矩阵[5].硬件实现过程中，通过测量矩阵Φn来控制硬件电路，接通和断开不同节点对应的预充电压，实现压缩观测.实现过程中，需要考虑硬件成本，通常选择硬件电路简单、成本较低的方案.在此采用元素为伯努利矩阵构成的循环矩阵实现.一个M×M的循环矩阵Χ∈M×M由矢量

(12)

唯一确定为

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

(13)

以集合{1,…,M}中任意K个元素所构成的子集Ω，并以子集Ω为下标的行元素构成的循环矩阵Χ的子矩阵定义一个新的局部循环矩阵ΧΩ∈K×M作测量矩阵Φn.由于b服从独立伯努利分布，因此把ΧΩ称为局部伯努利循环矩阵(Partial Bernoulli Circulant Matrix,PBCM).

图3　预充电控制电路

图3给出了基于PBCM预充电电路的硬件实现方案.随机数发生器产生预充电电压的极性，并储存于移位寄存器中.移位寄存器的输出连接到行电极电路上，按相应的极性对该列所有行电极同时预充电.子集合发生器产生子集Ω，控制每次测量的移位寄存器.移位寄存器输出高电平(即“+1”)控制选通正极性预充电电源+Vo，反之移位寄存器输出低电平(即“-1”)控制选通负极性预充电电源-Vo.

通过PBCM预充电电路在低成本、低复杂度的普通触屏控制器下获得电容变化量Δxn的压缩观测结果Δyn之后，需要采用压缩重构算法恢复电容变化量Δxn.重构算法是压缩感知理论的核心，它是指由K个测量值Δyn重构长度为M的稀疏信号Δxn的过程.目前，压缩重构的方法包括正交匹配追踪、梯度投影稀疏重构、最小全变分法、KSVD词典学习等算法.[6-7]

4实验结果

4.1节点间距大

当相邻传感器节点中心间距很大，大于触控电容屏的目标(如手指)时，单次触控屏幕时，被触控列传感器节点中最多可能两个节点被同时触控.这种大间距情况下，对应的每一列节点电容变化量Δxn是稀疏的.

设该列节点有M=256个，设手指触控第128行对应的电容节点，同时手指还碰到了第127行的电容节点.采用了PBCM来实现预充电电路仿真，进行了8次测量，然后采用梯度投影稀疏重构算法(Gradient Projection Sparse Reconstruction,GPSR)进行压缩感知重构，得到的电容变化量重构结果如图4(a)～4(c)所示，其中图4(a)为电容变化量Δxn的理论值，图4(b)为电容变化量Δxn的重构结果，重构相对误差如图4(c)所示，重构值准确地反映了被触控的列节点位置在127行和128行，而128行节点的电容变化量更大，重构误差小于3.5%.实验结果表明，当节点间距大于目标间距时，电容变化量Δxn是稀疏的，利用稀疏触控技术，大大减少测量次数、并有效检测和识别被触控的屏幕区域.

图4　节点间距大时GPSR重构结果及误差

4.2节点间距小

当相邻传感器节点中心间距很大，小于触控电容屏的目标(如手指)时，每次触控屏幕时，被触控列传感器节点中有多个节点被同时触控.这种较小间距情况下，对应的每一列节点电容变化量Δxn也是稀疏的.

设该列节点有M=256个，设手指触控第128行对应的电容节点，同时手指还碰到了128行附近的很多行电容节点，比如120～137行的电容节点都受到影响.采用了PBCM来实现预充电电路仿真，进行了32次测量，然后采用梯度投影稀疏重构算法(Gradient Projection Sparse Reconstruction,GPSR)进行压缩感知重构，得到的电容变化量重构结果如图5(a)～5(c)所示，其中图5(a)为电容变化量Δxn的理论值，图5(b)为电容变化量Δxn的重构结果，重构相对误差如图5(c)所示，重构值准确地反映了被触控的列节点位置在120行至137行，而128行节点的电容变化量最大，重构误差小于12%，重构结果和理论值的互相关系数为0.995 1.实验结果表明，当节点间距小于目标间距时，电容变化量Δxn也是稀疏的，利用以上稀疏触控技术，能减少测量次数、并有效检测和识别被触控的屏幕区域，高效、准确地实现了电容屏的多点触控检测.

图5　节点间距小时GPSR重构结果及误差

5结语

本文给出了电容屏的稀疏触控方法研究.常规的触屏检测方法对每个节点分别进行检测获得电容量的变化来识别被触控的区域.利用触屏瞬间电容量变化的稀疏性质，稀疏触控技术通过PBCM实现电容节点的预充电以及电容变化量的压缩采样，有效减少了触屏检测和识别所需的测量次数.通过稀疏触控技术，能够用普通触屏控制器实现快速触控，降低了大电容屏幕触控检测的功耗和硬件成本.

[参考文献]

[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.

[责任编辑王新奇]

Vol.18No.3Jul.2015