顯示狀態(tài)的調(diào)節(jié)方法、顯示狀態(tài)調(diào)節(jié)裝置及顯示裝置的制造方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明屬于顯示技術(shù)領(lǐng)域，具體設(shè)及一種顯示狀態(tài)的調(diào)節(jié)方法、顯示狀態(tài)調(diào)節(jié)裝 置及顯示裝置。
【背景技術(shù)】
[0002] 顯示裝置最終展現(xiàn)在用戶面前的是屏幕的輸出、外形的設(shè)計W及產(chǎn)品的性能。適 宜的亮度和分辨率可W提高用戶對品牌的認知度和體驗。
[0003] 用戶在不同的使用場景下對屏幕的亮度有著不同的需求，例如；在白天陽光下，需 要將顯示裝置的屏幕亮度調(diào)高W滿足觀看的需求；在夜晚的環(huán)境，需要將屏幕的亮度調(diào)低， 保持合適的亮度避免強光對眼睛的損害。
[0004] W手機為例，目前通用的手機屏幕控制方法包括1)通過位于手機前面板的光線 傳感器自動調(diào)節(jié)手機屏幕的亮度；2)通過手機系統(tǒng)的個性化設(shè)置調(diào)節(jié)手機的屏幕分辨率 和刷新率，例如通過打開超級省電開關(guān)降低屏幕的分辨率和降低刷新率。
[0005] 發(fā)明人發(fā)現(xiàn)現(xiàn)有技術(shù)中至少存在如下問題；W上的兩種方法前者僅采集了光線傳 感器數(shù)據(jù)，只能夠調(diào)節(jié)手機的亮度，不具備通用性；后者僅僅通過人的手工設(shè)置，不能夠自 動調(diào)節(jié)。

【發(fā)明內(nèi)容】

[0006] 本發(fā)明所要解決的技術(shù)問題包括，針對現(xiàn)有的顯示器屏幕的調(diào)節(jié)方法存在的上述 問題，提供一種智能且便捷的顯示狀態(tài)的調(diào)節(jié)方法、顯示狀態(tài)調(diào)節(jié)裝置及顯示裝置。
[0007] 解決本發(fā)明技術(shù)問題所采用的技術(shù)方案是一種顯示狀態(tài)的調(diào)節(jié)方法，其包括：
[000引采集顯示器所處環(huán)境的信息參數(shù)；
[0009] 將所采集的信息參數(shù)輸入至預(yù)先建立的小波神經(jīng)網(wǎng)絡(luò)模型中進行分析，得出顯示 器將要進行顯示的顯示狀態(tài)；
[0010] 根據(jù)分析結(jié)果調(diào)整顯示器的顯示狀態(tài)。
[0011] 優(yōu)選的是，所述采集顯示器所處環(huán)境的信息參數(shù)中的信息參數(shù)包括；重力加速度 參數(shù)、光線參數(shù)、位置參數(shù)、溫度參數(shù)、角度參數(shù)中的至少一種。
[0012] 優(yōu)選的是，所述顯示狀態(tài)包括：亮暗、待機、分辨率、刷新頻率中的至少一種。
[0013] 優(yōu)選的是，每采集100次顯示器所處環(huán)境的信息參數(shù)，更新一次小波神經(jīng)網(wǎng)絡(luò)模 型。
[0014] 優(yōu)選的是，所述小波神經(jīng)網(wǎng)絡(luò)模型采用小波基函數(shù)生成。
[0015] 進一步優(yōu)選的是，所述小波神經(jīng)網(wǎng)絡(luò)模型包括輸入層、隱含層和輸出層；其中，當 向輸入層輸入的信息參數(shù)為Xi，i= 1、2、3……k，k為正整數(shù)；所述隱含層的輸出為h"(j)， ，式中j為隱含層第j個節(jié)點輸出值，j為正整數(shù)；WU為輸入層的第 i個節(jié)點和隱含層的第j個節(jié)點之間的連接權(quán)值；bj為小波基函數(shù)hj的平移因子；aj為小 波基函數(shù)hj的伸縮因子；hj為小波基函數(shù)；n為正整數(shù)。
[0016] 進一步優(yōu)選的是，所述輸出層為y。化)，
式中，為隱含層 第j個節(jié)點到輸出層第k個節(jié)點之間的連接權(quán)值。
[0017] 優(yōu)選的是，在采集顯示所處環(huán)境的信息參數(shù)之前還包括：
[0018] 對預(yù)先建立的小波神經(jīng)網(wǎng)絡(luò)進行訓(xùn)練，W及對小波神經(jīng)網(wǎng)絡(luò)進行測試的步驟。
[0019] 優(yōu)選的是，所述小波神經(jīng)網(wǎng)絡(luò)模型采用小波基函數(shù)生成，其中，對小波神經(jīng)網(wǎng)絡(luò)進 行訓(xùn)練包括：
[0020] 小波神經(jīng)網(wǎng)絡(luò)初始化：隨機初始化小波基函數(shù)中的伸縮因子、平陰因子W及小波 神經(jīng)網(wǎng)絡(luò)的連接權(quán)值，并設(shè)置小波神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)速度；
[0021] 樣本分類；把樣本分為訓(xùn)練樣本和測試樣本，訓(xùn)練樣本用于訓(xùn)練網(wǎng)絡(luò)，測試樣本用 于測試小波神經(jīng)網(wǎng)絡(luò)的測試精度；
[002引計算分析；把訓(xùn)練樣本輸入至小波神經(jīng)網(wǎng)絡(luò)中，計算小波神經(jīng)網(wǎng)絡(luò)的預(yù)測輸出，W及計算小波神經(jīng)網(wǎng)絡(luò)的預(yù)測輸出與期望輸出的誤差，分析得到訓(xùn)練次數(shù)；其中，若誤差小于 等于0. 0001則進行預(yù)測輸出；或者分析得到訓(xùn)練次數(shù)達到預(yù)設(shè)值則進行預(yù)測輸出，否則進 行W下步驟：
[0023] 權(quán)值修正；小波基函數(shù)中的伸縮因子、平陰因子W及小波神經(jīng)網(wǎng)絡(luò)的連接權(quán)值進 行修正，W使小波神經(jīng)網(wǎng)絡(luò)的預(yù)測輸出與期望輸出的誤差小于等于0. 0001 ;或者分析得到 訓(xùn)練次數(shù)達到預(yù)設(shè)值則進行預(yù)測輸出。
[0024] 解決本發(fā)明技術(shù)問題所采用的技術(shù)方案是一種顯示狀態(tài)調(diào)節(jié)裝置，其包括：
[0025] 采集單元，用于采集顯示器所處環(huán)境的信息參數(shù)；
[0026] 分析單元，用于將所采集的信息參數(shù)輸入至預(yù)先建立的小波神經(jīng)網(wǎng)絡(luò)模型中，分 析得出顯示器將要進行顯示的顯示狀態(tài)；
[0027] 調(diào)整單元，用于根據(jù)分析結(jié)果調(diào)整顯示器的顯示狀態(tài)。
[002引優(yōu)選的是，所述采集單元包括：重力加速度傳感器、光線傳感器、溫度傳感器、定位 模塊、電子羅盤中的至少一種。
[0029] 優(yōu)選的是，所述顯示狀態(tài)包括：亮暗、待機、分辨率、刷新頻率中的至少一種。
[0030] 優(yōu)選的是，所述顯示狀態(tài)調(diào)節(jié)裝置還包括：
[0031] 訓(xùn)練單元，用于對預(yù)先建立的小波神經(jīng)網(wǎng)絡(luò)進行訓(xùn)練；
[0032] 測試單元，用于對小波神經(jīng)網(wǎng)絡(luò)進行測試。
[0033] 進一步優(yōu)選的是，所述訓(xùn)練單元包括：
[0034] 初始化模塊，用于隨機初始化小波基函數(shù)中的伸縮因子、平陰因子W及小波神經(jīng) 網(wǎng)絡(luò)的連接權(quán)值，并設(shè)置小波神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)速度；
[0035] 樣本分類模塊，用于把樣本分為訓(xùn)練樣本和測試樣本，訓(xùn)練樣本用于訓(xùn)練網(wǎng)絡(luò)，測 試樣本用于測試小波神經(jīng)網(wǎng)絡(luò)的測試精度；
[0036] 計算分析模塊，用于把訓(xùn)練樣本輸入至小波神經(jīng)網(wǎng)絡(luò)中，計算小波神經(jīng)網(wǎng)絡(luò)的預(yù) 測輸出，分析得到訓(xùn)練次數(shù)；其中，若誤差小于等于0. 0001則進行預(yù)測輸出；或者分析得到 訓(xùn)練次數(shù)達到預(yù)設(shè)值則進行預(yù)測輸出；
[0037] 權(quán)值修正模塊，用于在誤差大于0.0001時，將小波基函數(shù)中的伸縮因子、平陰因 子W及小波神經(jīng)網(wǎng)絡(luò)的連接權(quán)值進行修正，W使小波神經(jīng)網(wǎng)絡(luò)的預(yù)測輸出與期望輸出的誤 差小于等于0. 0001 ;或者分析得到訓(xùn)練次數(shù)達到預(yù)設(shè)值則進行預(yù)測輸出。
[003引優(yōu)選的是，所述分析單元還用于，分析所述采集單元所采集的次數(shù)，且每采集100 次顯示器所處環(huán)境的信息參數(shù)，更新一次小波神經(jīng)網(wǎng)絡(luò)模型。
[0039] 優(yōu)選的是，所述小波神經(jīng)網(wǎng)絡(luò)模型采用小波基函數(shù)生成。
[0040] 進一步優(yōu)選的是，所述小波神經(jīng)網(wǎng)絡(luò)模型包括輸入層、隱含層和輸出層；其中，當 向輸入層輸入的信息參數(shù)為Xi，i= 1、2、3……k，k為正整數(shù)；所述隱含層的輸出為h"(j)，
式中j為隱含層第j個節(jié)點輸出值，j為正整數(shù)；WU為輸入層的第 i個節(jié)點和隱含層的第j個節(jié)點之間的連接權(quán)值；bj為小波基函數(shù)hj的平移因子；aj為小 波基函數(shù)hj的伸縮因子；hj為小波基函數(shù)；n為正整數(shù)。
[0041] 進一步優(yōu)選的是，所述輸出層為y?；?：
式中，為隱含層 第j個節(jié)點到輸出層第k個節(jié)點之間的連接權(quán)值。
[0042] 解決本發(fā)明技術(shù)問題所采用的技術(shù)方案是一種顯示器，其包括上述的顯示狀態(tài)調(diào) 節(jié)裝置。
[0043] 本發(fā)明具有如下有益效果：
[0044] 在本發(fā)明的顯示狀態(tài)的調(diào)節(jié)方法中，通過小波神經(jīng)網(wǎng)絡(luò)對所采集的顯示器（或者 用戶）所處環(huán)境的信息參數(shù)進行分析，得到顯示器所處環(huán)境的信息，該信息則對應(yīng)顯示器 的一種顯示狀態(tài)，從而對顯示器的顯示狀態(tài)進行調(diào)整，該調(diào)節(jié)方法非常智能，且適用性強。
[0045] 本發(fā)明的顯示狀態(tài)調(diào)節(jié)裝置分析單元通過小波神經(jīng)網(wǎng)絡(luò)對采集單元所采集的顯 示器（或者用戶）所處環(huán)境的信息參數(shù)進行分析，得到顯示器所處環(huán)境的信息，該信息則對 應(yīng)顯示器的一種顯示狀態(tài)，從而通過調(diào)整單元對顯示器的顯示狀態(tài)進行調(diào)整，該調(diào)節(jié)裝置 非常智能，且適用性強。
[0046] 本發(fā)明的顯示器包括上述顯示狀態(tài)調(diào)節(jié)裝置，故其性能更優(yōu)。
【附圖說明】
[0047] 圖1為本發(fā)明的實施例1的顯示狀態(tài)的調(diào)節(jié)方法的流程圖；
[0048] 圖2為本發(fā)明的實施例2的小波神經(jīng)網(wǎng)絡(luò)模式的示意圖；
[0049] 圖3為本發(fā)明的實施例2的顯示狀態(tài)的調(diào)節(jié)方法中智能算法建模的流程圖；
[0050] 圖4為本發(fā)明的實施例2的顯示狀態(tài)的調(diào)節(jié)方法中對小波神經(jīng)網(wǎng)絡(luò)進行訓(xùn)練的流 程圖；
[0化1] 圖5為本發(fā)明的實施例3的顯示狀態(tài)