简单手势唤醒便携设备的设计思路及其代码

图1. MAX44000接近检测传感器信号强度随距离变化的关系曲线，采用18%灰板，100mA驱动电流，没有玻璃罩。

噪声和低通滤波

需要考虑噪声问题时，可利用低通滤波器处理信号；另外，MAX44000还有几个控制位可以用作触发中断标识之前的屏蔽，采用这种设置时，需要检测到一定数量超出门限的采样值时才会触发中断标示，能够在一定程度上降低噪声的影响。

一种稍微复杂的方法是将传感器的读数储存在数据队列中，然后利用定制的FIR软件对其进行滤波处理。但这种方法需要提高接近检测传感器的采样速率，否则则会降低能够捕捉到的传感器可视范围内的手势动作速率，特别是把采样速率设置在100ms时。利用器件的控制位屏蔽检测时，速率可最多降低16倍(通常选择4x屏蔽即可)。

手势速度

手势动作的快慢是我们需要考虑的另一因素。最大速度取决于：1. 传感器的可视范围；2. 手与传感器之间的距离；3. 采样率；4. 检测门限。前两项很容易确定：传感器的检测角度，结合传感器与目标之间的距离，利用基本的三角形即可计算出传感器可视范围内目标的移动距离。例如，如果传感器的视角为30度，最大有效检测距离10cm，那么，传感器可视范围内允许的目标移动距离为5.35cm，覆盖面积大约为78cm2。直线距离结合采样率，即可决定速度限值。具体地说，如果采样率为T，那么目标跨越可视区域的时间不得小于T。例如，如果T为100ms (MAX44000的最低采样速率)，那么按照上例，理论上最大允许的速率为1mps (这实际上已经相当快了)。您可能希望捕获到多个采样值来确认触发唤醒，这样的话，会降低允许的速率下限。

检测门限也影响最大允许速率。一般来说，门限越低，能够捕捉到的手势动作就越快。如上所述，应谨慎选择门限，以免产生误报。

人为因素

这种应用还会受到人手以及挥手动作等人为因素的影响。应通过一些案例确定一般大多数人的习惯，包括他们在屏幕前挥动手掌的速度以及与屏幕之间的距离，另外，是否戴手套也会产生一定的影响。不同的应用场合(不同装置)也会影响到设计需求，例如智能手机、平板电脑或汽车仪表盘，对存在具体的设计考虑。当然，设计过程中还应考虑用户界面和经验参数。

最后，还要对真假手势做出判断，即装置需要判断接收到的信号是来自于一个手势动作，还是简单的装置移动(例如：放置在外套、口袋或背包中，或者是屏幕朝下放置)。单纯依靠上述检测原理，很难做出正确的“真伪”鉴别，除非在装置内提供更多的背景信息。关于这一问题的讨论超出了本文范围。

设计中可以选择只有装置进入特定的应用程序时启动唤醒方案，也可以由用户手动操作使能。此外，许多此类装置都有一个加速度传感器，能够检测到屏幕是否背面朝下放置。如果用户手动将装置置于休眠模式，则可禁用该功能(例如关机状态)。

设计实例

为方便起见，本文附带了三段演示程序代码。第一段代码用于手动操作MAX44000的接近检测数据读取，概念上简单实现唤醒功能；第二段代码在第一段的基础上进行了扩展，增加了之前讨论的滤波功能；最后一段代码演示利用MAX44000中断唤醒触控装置。

示例代码1

__interrupt void TimedInterrupt( void )

{

uint8 proximity_counts;

....

....

if ( device_status == SLEEP_MODE )

{

// read one byte from register 0x16

proximity_counts = read_i2c_register(MAX44000_ADDR,0x16,1);

if (proximity_counts > WAKEUP_THRESHOLD)

{

device_status = WAKE_MODE;

...

}

else

{

// do whatever it is you need to in sleep mode

...

...

}

}

...

...

}

示例代码2

// example interrupt function where this might be implemented

__interrupt void TimedInterrupt( void )

{

uint8 proximity_counts;

uint8 filtered_counts;

....

....

if ( device_status == SLEEP_MODE )

{

// read one byte from register 0x16

proximity_counts = read_i2c_register(MAX44000_ADDR,0x16,1);

// weights[QUEUE_SIZE] contains the filter weights for the FIR filter

// data_queue[QUEUE_SIZE] is a FIFO queue meant to be the input to the filter

filtered_counts = fir_filter(proximity_counts,weights,data_queue);

if (filtered_counts > WAKEUP_THRESHOLD)

{

device_status = WAKE_MODE;

...

}

else

{

// do whatever it is you need to in sleep mode

...

...

}

}

...

...

}

/**

* fir_filter()

*

* Implements an FIR filter in the form

* y = w[0]*x[0] + w[1]*x[1] + ...+ w[QUEUE_SIZE]*x[QUEUE_SIZE]

*

* Arguments:

* uint8 input - newest datapoint tak