接觸傳感器陣列10的頂表面的手指的表面之間的距離。在圖 3a的傳感器陣列10的放大的部分中，第一組13的感測(cè)元件被標(biāo)記'S'W用于感測(cè)，其中第一 組的感測(cè)元件全部一次一起被感測(cè)。
[0051] 圖3b概要地展示一種觸擊傳感器為基礎(chǔ)的指紋感測(cè)系統(tǒng)，其具有封裝的觸擊傳感 器部件19的形式，傳感器部件19包括傳感器陣列20W及導(dǎo)電的條帶21a及21bW用于提供激 勵(lì)信號(hào)至使用者的手指。盡管未明確展示在圖3b中，但是傳感器部件19也包括電源接口 W 及通信接口。
[0052] 傳感器陣列20包括一行或數(shù)行的感測(cè)元件12(運(yùn)些感測(cè)元件中只有一個(gè)是已經(jīng)使 用附圖標(biāo)記來(lái)加W指出，W避免使得附圖凌亂），每個(gè)感測(cè)元件12是可控制W感測(cè)介于包括 在感測(cè)元件12中的感測(cè)結(jié)構(gòu)(頂板)與接觸傳感器陣列20的頂表面的手指的表面之間的距 離。在圖3b的傳感器部件19的放大的部分中，組23的感測(cè)元件W關(guān)于指出一種W組為基礎(chǔ) 的感測(cè)策略的圖3a類(lèi)似的方式，被標(biāo)記' S ' W用于感測(cè)。
[0053] 在圖3a-b中的指紋傳感器部件9、19可W有利的是使用CMOS技術(shù)來(lái)加W制造，但是 其它技術(shù)及制程也可W是可行的。譬如，絕緣基板可被使用且/或薄膜技術(shù)可被使用于制造 過(guò)程中的某些或全部的制程步驟。
[0054] 現(xiàn)在轉(zhuǎn)向圖4,其描繪使用應(yīng)用電容性測(cè)量原理的指紋傳感器所捕獲的有噪聲的 指紋圖像400。如同在W上所提及的，一種可能發(fā)生的噪聲類(lèi)型是CMN的類(lèi)型，其是被注入到 所要的信號(hào)W及所要的信號(hào)被測(cè)量所對(duì)照的參考信號(hào)兩者上的噪聲。若所要的信號(hào)的理想 的差動(dòng)測(cè)量對(duì)照參考信號(hào)來(lái)加W實(shí)行，則CMN因此將會(huì)完美地抵消，并且因此不劣化所要的 信號(hào)的測(cè)量。然而，由于例如是不完美的抵消W及至其它不受到相同的CMN影響的信號(hào)之寄 生電容，因此要實(shí)現(xiàn)CMN之良好的拒斥實(shí)際上可能是非常具有挑戰(zhàn)性的。一個(gè)例子是至大地 的電容并不依循CMN信號(hào)，并且因此直接顯露出絕對(duì)的CMN水平。
[0055] 如上所論述的，在使用電容性測(cè)量原理的例如是用于指紋傳感器或電容性觸摸屏 幕之系統(tǒng)中尤其是一項(xiàng)問(wèn)題。再者，相較于被供應(yīng)至例如是指紋感測(cè)系統(tǒng)中的邊框的驅(qū)動(dòng) 電壓，來(lái)自例如在充電器中的某些切換模式的電源的CMN的信號(hào)水平可能是非常大的，例如 40V的波峰至波峰值。于是，CMN的大信號(hào)水平因此可能是在所產(chǎn)生的指紋圖像中的主要的 干擾。
[0056] 由于CMN影響測(cè)量的方式的關(guān)系，噪聲通?？蒞被建立模型為乘法性的，也即CMN 的量隨著指紋的值而縮放。應(yīng)該強(qiáng)調(diào)的是，根據(jù)本發(fā)明的方法也支持例如是加性噪聲的其 它類(lèi)型的噪聲禪合，并且非線性的映射函數(shù)(例如是對(duì)數(shù)函數(shù))可被施加至輸入信號(hào)，W使 得乘法性的影響變成加法性。
[0057] 當(dāng)相較于現(xiàn)有的解決方案時(shí)，根據(jù)本發(fā)明的方法的主要的優(yōu)點(diǎn)是其導(dǎo)引所使用的 感測(cè)原理的配置，W便于改善CMN的減輕并且接著之后能夠?qū)⒋苏J(rèn)知納入CMN檢測(cè)、估計(jì)W 及拒斥中。
[005引在本發(fā)明的可能的實(shí)施方式中，一種=個(gè)步驟的過(guò)程被提出，其包含：1)設(shè)定取樣 W改善CMN的減輕、2)檢測(cè)CMN是否存在、W及若存在的話(huà)，則3)提供用于通過(guò)濾波來(lái)拒斥其 的手段。
[0059]由于檢測(cè)是依賴(lài)和濾波類(lèi)似的技術(shù)，因此濾波將會(huì)首先加W敘述，接著敘述噪聲 檢測(cè)。濾波通常是由CMN的1維或2維的線性最小均方誤差(LMMSE)估計(jì)、接著明確或隱含的 是CMN估計(jì)從輸入的抵消所組成的。
[0060] CMN估計(jì)已經(jīng)被導(dǎo)出，W使得其將取樣過(guò)程的特征W及噪聲列入考慮，同時(shí)其使用 所關(guān)注的信號(hào)的結(jié)構(gòu)。運(yùn)具有如下優(yōu)點(diǎn):取樣過(guò)程的影響可W被評(píng)估及最優(yōu)選化，W便于提 供噪聲的最優(yōu)選的拒斥。在指紋傳感器系統(tǒng)的例子中，所關(guān)注的信號(hào)將會(huì)是指紋的圖像。用 于LMMSE濾波的相同的結(jié)構(gòu)被再使用于接著敘述的廣義似然比測(cè)試(GLRT)中。
[0061] 由于CMN可被假設(shè)為在空間的取樣維度上(也即在圖像中的像素之間）是恒定的， 因此取樣程序是重要的因素，W便于分開(kāi)所要的（指紋)信號(hào)與CMN。因此，在空間及時(shí)間上 的取樣程序是用W實(shí)現(xiàn)噪聲的良好的減輕的關(guān)鍵。運(yùn)種空間時(shí)間的取樣配置的例子(其可 W根據(jù)需要來(lái)加W組合)是進(jìn)一步參考圖5a-5e為：
[0062] ?個(gè)別的取樣，其中所有的樣本是獨(dú)立地加W收集，參見(jiàn)圖5a，
[0063] ?區(qū)塊取樣，其中局部的空間的區(qū)域同時(shí)被取樣，參見(jiàn)圖化，
[0064] ?重迭的取樣，其中空間的樣本的重迭區(qū)塊一次一區(qū)塊地被取樣，參見(jiàn)圖5c，
[0065] ?平行的取樣，其中非重迭的空間的區(qū)塊獨(dú)立地被取樣。運(yùn)些區(qū)塊例如可W在空間 上被分散，參見(jiàn)圖5d，W及
[0066] 時(shí)變的空間的取樣程序，參見(jiàn)圖5e。
[0067] 提供在所用的取樣程序與濾波之間的聯(lián)系的詳細(xì)的數(shù)學(xué)上的說(shuō)明如下所述。在此 整個(gè)說(shuō)明中，粗體小寫(xiě)的字母(例如X)是表示列向量，而粗體大寫(xiě)的字母是表示矩陣(例如 X)。轉(zhuǎn)置矩陣被表示為（?）T，并且XlJ:k是在X中的包含元素[(i，j)，（i，j+l)，…，（i，k)]的 向量。單位矩陣被表示為I，并且0或1是向量(或矩陣），其中所有的元素都具有0或1的值。矩 陣跡數(shù)(trace)通過(guò)tr{ ?}來(lái)加W指出，并且歴表示實(shí)數(shù)值域。
[006引在確定取樣W改善CMN的減輕中，令f E來(lái)表示通過(guò)感測(cè)系統(tǒng)所捕獲的圖 像，其中M是在圖像中的行的數(shù)目并且N是列的數(shù)目。圖像的平均值
[0070]可W從所捕獲的圖像中減去，W得到具有零平均的圖像^ …纖。由于運(yùn)種 映射總是可行的，因此刊尋會(huì)是在W下的推導(dǎo)中之所關(guān)注的圖像。矩陣Y的"向量化的"版本 被給出為古爾瓣= 其意指在Y中的所有的行向量的轉(zhuǎn)置逐行 地彼此堆找起來(lái)。運(yùn)意指f浪并且系統(tǒng)可W通過(guò)W下的線性模型來(lái)加W描述 [007。y = Sc+f (方程式 2)
[0072]其中
是空間的取樣矩陣，其描述CMN向量
是如何影響圖像Y， 其中B是空間的取樣區(qū)塊尺寸。因此，空間的取樣區(qū)塊尺寸指定有多少所要的（指紋)樣本是 同時(shí)加W獲取的，并且因此共享相同的CMN的實(shí)現(xiàn)。向量f.按:激表示所要的（指紋)信號(hào)W 及任何的額外的噪聲。眾所周知的是，在方程式2中的線性模型的LMMSE估計(jì)可被計(jì)算為
(方程式3)
[0074]其中Sf表示指紋的空間的協(xié)方差(covariance)矩陣，并且Sc是運(yùn)些CMN樣本的協(xié) 方差矩陣，兩者都被假設(shè)是零平均的。若在時(shí)間上多個(gè)樣本被執(zhí)行，則該模型可W直接加W 延伸，W通過(guò)設(shè)定S為空間時(shí)間的取樣矩陣W及協(xié)方差矩陣X f及X。分別為指紋及CMN的空 間時(shí)間的協(xié)方差矩陣，并且藉此產(chǎn)生總數(shù)超過(guò)的樣本，涵蓋此方面。若指紋在圖像之間只 有稍微的改變，則運(yùn)種空間時(shí)間的濾波可W是有利的。
[0IJ75]在確定良好的取樣程序中同樣關(guān)注的是估計(jì)S&5燃紋的后驗(yàn)(posterior)協(xié)方差矩 陣馬，其被給予為
巧程武4)
[0077] 理想上，在CMN估計(jì)中并沒(méi)有誤差，也即^，但是運(yùn)一般而言是不可能的。因 此，確定S的取樣程序?qū)τ诰艹釩MN的能力而言是非常重要的，并且如何取樣的設(shè)計(jì)/選擇因 而是此項(xiàng)非常重要的方面。在2。及Sf是事先完美已知的理想的假設(shè)下，選擇取樣W例如最 小化通過(guò)然fl%|所給出的后驗(yàn)誤差是合理的選擇，但是其它最優(yōu)選化的目標(biāo)也可被使用。 由于取樣的區(qū)塊尺寸W及硬件的相關(guān)限制也在此最優(yōu)選化上有所作用，因而運(yùn)是一項(xiàng)重要 的設(shè)計(jì)問(wèn)題，其中例如是萊si的最優(yōu)選化測(cè)量可被使用于導(dǎo)引。
[0078] 作為此導(dǎo)引的一個(gè)例子的是，同時(shí)取樣整個(gè)圖像的特殊情況(也即S=I)是一個(gè)全 部為1的向量，同時(shí)假設(shè)Sf并不跨越此取樣空間，其直接產(chǎn)生ife-=◎，因?yàn)閘T(llT+5：fril = 1。運(yùn)展示完美的估計(jì)的特殊情況W及因此CMN的后續(xù)的抵消是可W通過(guò)具有特定的取樣設(shè) 計(jì)而實(shí)現(xiàn)的，特定的取樣設(shè)計(jì)被最優(yōu)選化W使用指紋之假設(shè)的協(xié)方差結(jié)構(gòu)，并且實(shí)際上實(shí) 施起來(lái)可能是高度具有挑戰(zhàn)性的。然而，一般性的原理是最優(yōu)選化取樣程序，W便于通過(guò)使 用指紋及CMN的先前的協(xié)方差的知識(shí)來(lái)提供用于后續(xù)的抵消的最優(yōu)選的CMN估計(jì)。
[0079] 在此所述的一般性的LMMSE濾波器可被使用于估計(jì)CMN，但是此實(shí)現(xiàn)的復(fù)雜度通常 將會(huì)是大的，因而此完全的解決方案的一個(gè)可行的近似可W通過(guò)在例如水平及/或垂直的 維度上使用一種Kronecker結(jié)構(gòu)來(lái)加W獲取。若所要的信號(hào)W及CMN可被假設(shè)成只有局部關(guān) 聯(lián)的，則LMMSE濾波器的一種（區(qū)塊)滑動(dòng)窗口的近似也可單獨(dú)被使用、或是和Kroneck