一种家电红外遥控波形的复制学习方法及系统

摘要

本发明提供一种家电红外遥控波形的复制学习方法，该方法包括：利用直接采样法对家电红外遥控波形中的数据码进行采样，获得采样数据；对采样数据进行特征提取，获得特征值；将电平长度小于最小的特征值的电平长度达到预设范围的电平取反，并将取反的电平的电平长度与前后电平的电平长度相加，完成对家电红外声波中的毛刺的去除；前后电平为位于取反的电平的前方和后方的电平的统称；最小的特征值为电平长度最小的特征值。本发明通过对空调遥控编码波形的深入分析，使用了数据统计分析的方法来进行空调遥控编码特征值的求取，解决了毛刺干扰问题，而且对超长遥控编码进行了大比例的压缩，大大提高了红外遥控编码复制的成功率。

权利要求

1.一种家电红外遥控波形的复制学习方法，其特征在于，所述家电红外遥控波形的复制学习方法包括：利用直接采样法对所述家电红外遥控波形中的数据码进行采样，获得采样数据；所述采样数据的结构包括电平类型和电平持续时间；所述电平类型包括高电平和低电平；

对所述采样数据进行特征提取，获得特征值；所述特征值包括高电平特征值和低电平特征值；所述特征值包括电平值和电平长度；所述电平长度即为电平的持续时间；所述电平值为1或0；

将电平长度小于最小的特征值的电平长度达到预设范围的电平取反，并将取反的电平的电平长度与前后电平的电平长度相加，完成对所述家电红外声波中的毛刺的去除；所述前后电平为位于所述取反的电平的前方和后方的电平的统称；所述最小的特征值为电平长度最小的特征值。

2.根据权利要求1所述的家电红外遥控波形的复制学习方法，其特征在于，对所述采样数据进行特征提取，获得特征值的一种实现过程包括：将电平类型为高电平的采样数据归类于高电平采样数据；

对所述高电平采样数据的电平持续时间进行处理，处理过程包括：

去掉第一预设数目的持续时间最长的高电平采样数据和第二预设数目的持续时间最短的高电平采样数据；

将剩余的高电平采样数据划分为时间间隔相等的4组高电平采样数据；

从所述4组高电平采样数据中选取出数据量最大的一组数据的持续时间平均值作为高电平采样数据的第一特征值t4；

从所述4组数据中选取出数据量第二大的一组数据的持续时间平均值作为高电平采样数据的第二特征值t2。

3.根据权利要求2所述的家电红外遥控波形的复制学习方法，其特征在于，对所述采样数据进行特征提取，获得特征值的一种实现过程包括：将电平类型为低电平的采样数据归类于低电平采样数据；

对所述低电平采样数据的电平持续时间进行处理，处理过程包括：

去掉第一预设数目的持续时间最长的低电平采样数据和第二预设数目的持续时间最短的低电平采样数据；

将剩余的低电平采样数据划分为时间间隔相等的4组低电平采样数据；

从所述4组低电平采样数据中选取出数据量最大的一组数据的持续时间平均值作为低电平采样数据的第一特征值t3；

从所述4组低电平采样数据中选取出数据量第二大的一组数据的持续时间平均值作为低电平采样数据的第二特征值t1。

4.根据权利要求3所述的家电红外遥控波形的复制学习方法，其特征在于，所述家电红外遥控波形的复制学习方法还包括对所述采样数据进行压缩编码，所述压缩编码的方法包括：将高电平采样数据与所述高电平采样数据的第一特征值t4和第二特征值t2进行比较，将电平长度处于特征值50％范围内的高电平采样数据归一化为对应的高电平特征值；

将低电平采样数据与所述低电平采样数据的第一特征值t3和第二特征值t1进行比较，将电平长度处于特征值50％范围内的低电平采样数据归一化为对应的低电平特征值；

归一化后的电平采样数据成为了利用四个特征值t1，t2，t3，t4来进行表示的数据。

5.根据权利要求4所述的家电红外遥控波形的复制学习方法，其特征在于，所述压缩编码的方法还包括：将所述四个特征值t1，t2，t3，t4分别利用二进制数00，01，10，11来表示，所述采样数据被压缩为4个二进制数00，01，10，11表示。

6.一种家电红外遥控波形的复制学习系统，其特征在于，所述家电红外遥控波形的复制学习系统包括：采样模块，利用直接采样法对所述家电红外遥控波形中的数据码进行采样，获得采样数据；所述采样数据的结构包括电平类型和电平持续时间；所述电平类型包括高电平和低电平；

特征提取模块，与所述采样模块相连，对所述采样数据进行特征提取，获得特征值；所述特征值包括高电平特征值和低电平特征值；所述特征值包括电平值和电平长度；所述电平长度即为电平的持续时间；所述电平值为1或0；

去毛刺模块，与所述特征提取模块和采样模块分别相连，将电平长度小于最小的特征值的电平长度达到预设范围的电平取反，并将取反的电平的电平长度与前后电平的电平长度相加，完成对所述家电红外声波中的毛刺的去除；所述前后电平为位于所述取反的电平的前方和后方的电平的统称；所述最小的特征值为电平长度最小的特征值。

7.根据权利要求6所述的家电红外遥控波形的复制学习系统，其特征在于，所述特征提取模块包括：归类单元，将电平类型为高电平的采样数据归类于高电平采样数据；

第一处理单元，与所述归类单元相连，对所述高电平采样数据的电平持续时间进行处理；

所述第一处理单元包括：

第一剔除子单元，与所述归类单元相连，去掉第一预设数目的持续时间最长的高电平采样数据和第二预设数目的持续时间最短的高电平采样数据；

第一分组子单元，与所述第一剔除子单元和所述归类单元分别相连，将剩余的高电平采样数据划分为时间间隔相等的4组高电平采样数据；

第一特征值提取子单元，与所述第一分组子单元相连，从所述4组高电平采样数据中选取出数据量最大的一组数据的持续时间平均值作为高电平采样数据的第一特征值t4；

第二特征值提取子单元，与所述第一分组子单元相连，从所述4组数据中选取出数据量第二大的一组数据的持续时间平均值作为高电平采样数据的第二特征值t2。

8.根据权利要求7所述的家电红外遥控波形的复制学习系统，其特征在于，所述特征提取模块还包括：所述归类单元将电平类型为低电平的采样数据归类于低电平采样数据；

第二处理单元，与所述归类单元相连，对所述低电平采样数据的电平持续时间进行处理；

所述第二处理单元包括：

第二剔除子单元，与所述归类单元相连，去掉第一预设数目的持续时间最长的低电平采样数据和第二预设数目的持续时间最短的低电平采样数据；

第二分组子单元，与所述第一剔除子单元和所述归类单元分别相连，将剩余的低电平采样数据划分为时间间隔相等的4组低电平采样数据；

第三特征值提取子单元，与所述第一分组子单元相连，从所述4组低电平采样数据中选取出数据量最大的一组数据的持续时间平均值作为低电平采样数据的第一特征值t3；

第四特征值提取子单元，与所述第一分组子单元相连，从所述4组低电平采样数据中选取出数据量第二大的一组数据的持续时间平均值作为低电平采样数据的第二特征值t1。

9.根据权利要求8所述的家电红外遥控波形的复制学习系统，其特征在于，所述家电红外遥控波形的复制学习系统还包括一与所述特征提取模块相连的压缩编码模块，所述压缩编码模块包括：高电平归一化单元，将高电平采样数据与所述高电平采样数据的第一特征值t4和第二特征值t2进行比较，将电平长度处于特征值50％范围内的高电平采样数据归一化为对应的高电平特征值；

低电平归一化单元，将低电平采样数据与所述低电平采样数据的第一特征值t3和第二特征值t1进行比较，将电平长度处于特征值50％范围内的低电平采样数据归一化为对应的低电平特征值；

归一化表示单元，归一化后的电平采样数据成为了利用四个特征值t1，t2，t3，t4来进行表示的数据。

10.根据权利要求9所述的家电红外遥控波形的复制学习系统，其特征在于，所述压缩编码模块还包括：二进制表示单元，与所述归一化表示单元相连，将所述四个特征值t1，t2，t3，t4分别利用二进制数00，01，10，11来表示，所述采样数据被压缩为4个二进制数00，01，10，11表示。

说明书

一种家电红外遥控波形的复制学习方法及系统

技术领域

[0001] 本发明属于信号处理技术领域，涉及一种信号处理方法，特别是涉及一种家电红外遥控波形的复制学习方法及系统。

背景技术

[0002] 目前智能家居市场很火热，其中的很大一个部分就是用手机实现对家电，如电视，空调等电器的控制。所以智能家居厂商需要把原来电视和空调等家电的遥控器复制过来，以实现远程或者本地的控制。

[0003] 但是目前市面上的厂商做出的控制器一般是内含WIFI，ZIGBEE或者其他无线通信模块的，和原始的遥控器简单的电路结构相差很大，里面的电磁环境也复杂很多。在对传统遥控器的红外波形进行采样的时候，会出现较多的干扰电平，导致控制器中的MCU复制波形失败，从而无法控制家电。

[0004] 电视机的遥控编码相对简单，而且也有相对公开的协议，所以这部分的干扰可以使用已知的红外控制协议来进行软件方面的规避。但是空调控制波形的复制一直是业界的难点，由于其长度远长于电视遥控的波形，而且各个空调厂家都会用自己定义的波形结构来进行控制，现在传统的智能家居控制器采用的是利用MCU的一个IO口进行全部采样。这样，对干扰电平就无法去除，导致学习波形的成功率很低，严重影响了开发进度和后续的用户体验。

[0005] 现有的去除干扰的算法简单粗暴，无法准确定位异常电平，即他不知道怎样的电平为异常，多短的电平为异常，只能是在毛刺电平和正常电平基本一致的情况下，才能判断此为干扰，再进行人工干预。而且，在毛刺电平比较多的时候，就无法判断，也更不可能纠错了。

[0006] 目前大多数厂家使用的无线传输是基于ZIGBEE，BT等低速率的传输方式。而日系的空调遥控器的遥控编码一般都非常长，普遍达到500MS以上。对于这样的编码，使用传统的采样处理方法显然是没办法使用低速率的传输协议进行传输的。

发明内容

[0007] 鉴于以上所述现有技术的缺点，本发明的目的在于提供一种家电红外遥控波形的复制学习方法及系统，用于解决现有复制技术只能复制编码较简单的电视机遥控信号，无法成功复制编码复杂的空调遥控信号的问题。

[0008] 为实现上述目的及其他相关目的，本发明提供一种家电红外遥控波形的复制学习方法，所述家电红外遥控波形的复制学习方法包括：利用直接采样法对所述家电红外遥控波形中的数据码进行采样，获得采样数据；所述采样数据的结构包括电平类型和电平持续时间；所述电平类型包括高电平和低电平；对所述采样数据进行特征提取，获得特征值；所述特征值包括高电平特征值和低电平特征值；所述特征值包括电平值和电平长度；所述电平长度即为电平的持续时间；所述电平值为1或0；将电平长度小于最小的特征值的电平长度达到预设范围的电平取反，并将取反的电平的电平长度与前后电平的电平长度相加，完成对所述家电红外声波中的毛刺的去除；所述前后电平为位于所述取反的电平的前方和后方的电平的统称；所述最小的特征值为电平长度最小的特征值。

[0009] 可选地，对所述采样数据进行特征提取，获得特征值的一种实现过程包括：将电平类型为高电平的采样数据归类于高电平采样数据；对所述高电平采样数据的电平持续时间进行处理，处理过程包括：去掉第一预设数目的持续时间最长的高电平采样数据和第二预设数目的持续时间最短的高电平采样数据；将剩余的高电平采样数据划分为时间间隔相等的4组高电平采样数据；从所述4组高电平采样数据中选取出数据量最大的一组数据的持续时间平均值作为高电平采样数据的第一特征值t4；从所述4组数据中选取出数据量第二大的一组数据的持续时间平均值作为高电平采样数据的第二特征值t2。

[0010] 可选地，对所述采样数据进行特征提取，获得特征值的一种实现过程包括：将电平类型为低电平的采样数据归类于低电平采样数据；对所述低电平采样数据的电平持续时间进行处理，处理过程包括：去掉第一预设数目的持续时间最长的低电平采样数据和第二预设数目的持续时间最短的低电平采样数据；将剩余的低电平采样数据划分为时间间隔相等的4组低电平采样数据；从所述4组低电平采样数据中选取出数据量最大的一组数据的持续时间平均值作为低电平采样数据的第一特征值t3；从所述4组低电平采样数据中选取出数据量第二大的一组数据的持续时间平均值作为低电平采样数据的第二特征值t1。

[0011] 可选地，所述家电红外遥控波形的复制学习方法还包括对所述采样数据进行压缩编码，所述压缩编码的方法包括：将高电平采样数据与所述高电平采样数据的第一特征值t4和第二特征值t2进行比较，将电平长度处于特征值50％范围内的高电平采样数据归一化为对应的高电平特征值；将低电平采样数据与所述低电平采样数据的第一特征值t3和第二特征值t1进行比较，将电平长度处于特征值50％范围内的低电平采样数据归一化为对应的低电平特征值；归一化后的电平采样数据成为了利用四个特征值t1，t2，t3，t4来进行表示的数据。

[0012] 可选地，所述压缩编码的方法还包括：将所述四个特征值t1，t2，t3，t4分别利用二进制数00，01，10，11来表示，所述采样数据被压缩为4个二进制数00，01，10，11表示。

[0013] 本发明还提供一种家电红外遥控波形的复制学习系统，所述家电红外遥控波形的复制学习系统包括：采样模块，利用直接采样法对所述家电红外遥控波形中的数据码进行采样，获得采样数据；所述采样数据的结构包括电平类型和电平持续时间；所述电平类型包括高电平和低电平；特征提取模块，与所述采样模块相连，对所述采样数据进行特征提取，获得特征值；所述特征值包括高电平特征值和低电平特征值；所述特征值包括电平值和电平长度；所述电平长度即为电平的持续时间；所述电平值为1或0；去毛刺模块，与所述特征提取模块和采样模块分别相连，将电平长度小于最小的特征值的电平长度达到预设范围的电平取反，并将取反的电平的电平长度与前后电平的电平长度相加，完成对所述家电红外声波中的毛刺的去除；所述前后电平为位于所述取反的电平的前方和后方的电平的统称；所述最小的特征值为电平长度最小的特征值。

[0014] 可选地，所述特征提取模块包括：归类单元，将电平类型为高电平的采样数据归类于高电平采样数据；第一处理单元，与所述归类单元相连，对所述高电平采样数据的电平持续时间进行处理；所述第一处理单元包括：第一剔除子单元，与所述归类单元相连，去掉第一预设数目的持续时间最长的高电平采样数据和第二预设数目的持续时间最短的高电平采样数据；第一分组子单元，与所述第一剔除子单元和所述归类单元分别相连，将剩余的高电平采样数据划分为时间间隔相等的4组高电平采样数据；第一特征值提取子单元，与所述第一分组子单元相连，从所述4组高电平采样数据中选取出数据量最大的一组数据的持续时间平均值作为高电平采样数据的第一特征值t4；第二特征值提取子单元，与所述第一分组子单元相连，从所述4组数据中选取出数据量第二大的一组数据的持续时间平均值作为高电平采样数据的第二特征值t2。

[0015] 可选地，所述特征提取模块还包括：所述归类单元将电平类型为低电平的采样数据归类于低电平采样数据；第二处理单元，与所述归类单元相连，对所述低电平采样数据的电平持续时间进行处理；所述第二处理单元包括：第二剔除子单元，与所述归类单元相连，去掉第一预设数目的持续时间最长的低电平采样数据和第二预设数目的持续时间最短的低电平采样数据；第二分组子单元，与所述第一剔除子单元和所述归类单元分别相连，将剩余的低电平采样数据划分为时间间隔相等的4组低电平采样数据；第三特征值提取子单元，与所述第一分组子单元相连，从所述4组低电平采样数据中选取出数据量最大的一组数据的持续时间平均值作为低电平采样数据的第一特征值t3；第四特征值提取子单元，与所述第一分组子单元相连，从所述4组低电平采样数据中选取出数据量第二大的一组数据的持续时间平均值作为低电平采样数据的第二特征值t1。

[0016] 可选地，所述家电红外遥控波形的复制学习系统还包括一与所述特征提取模块相连的压缩编码模块，所述压缩编码模块包括：高电平归一化单元，将高电平采样数据与所述高电平采样数据的第一特征值t4和第二特征值t2进行比较，将电平长度处于特征值50％范围内的高电平采样数据归一化为对应的高电平特征值；低电平归一化单元，将低电平采样数据与所述低电平采样数据的第一特征值t3和第二特征值t1进行比较，将电平长度处于特征值50％范围内的低电平采样数据归一化为对应的低电平特征值；归一化表示单元，归一化后的电平采样数据成为了利用四个特征值t1，t2，t3，t4来进行表示的数据。

[0017] 可选地，所述压缩编码模块还包括：二进制表示单元，与所述归一化表示单元相连，将所述四个特征值t1，t2，t3，t4分别利用二进制数00，01，10，11来表示，所述采样数据被压缩为4个二进制数00，01，10，11表示。

[0018] 如上所述，本发明的家电红外遥控波形的复制学习方法及系统，具有以下有益效果：

[0019] 本发明通过对空调遥控编码波形的深入分析，使用了数据统计分析的方法来进行空调遥控编码特征值的求取，解决了毛刺干扰问题，而且对超长遥控编码进行了大比例的压缩，大大提高了红外遥控编码复制的成功率。

附图说明

[0020] 图1a显示为本发明实施例所述的家电红外遥控波形的复制学习方法的一种实现流程示意图。

[0021] 图1b显示了一种空调遥控信号的波形示意图。

[0022] 图1c显示为本发明实施例所述的数据码的单位信号的示意图。

[0023] 图2a显示为本发明实施例所述的家电红外遥控波形的复制学习方法的步骤S12的高电平部分实现流程示意图。

[0024] 图2b显示为本发明实施例所述的家电红外遥控波形的复制学习方法的步骤S12的低电平部分实现流程示意图。

[0025] 图3显示为本发明实施例所述的直方图分析方法示意图。

[0026] 图4显示为本发明实施例所述的家电红外遥控波形的复制学习方法的另一种实现流程示意图。

[0027] 图5显示为本发明实施例所述的家电红外遥控波形的复制学习系统的一种实现结构示意图。

[0028] 图6显示为本发明实施例所述的家电红外遥控波形的复制学习系统的另一种实现结构示意图。

[0029] 图7显示为本发明实施例所述的家电红外遥控波形的复制学习系统的第三种实现结构示意图。

[0030] 元件标号说明

[0031] 100        家电红外遥控波形的复制学习系统

[0032] 110        采样模块

[0033] 120        特征提取模块

[0034] 121        归类单元

[0035] 122        第一处理单元

[0036] 1221       第一剔除子单元

[0037] 1222       第一分组子单元

[0038] 1223       第一特征值提取子单元

[0039] 1224       第二特征值提取子单元

[0040] 123        第二处理单元

[0041] 1231       第二剔除子单元

[0042] 1232       第二分组子单元

[0043] 1233       第三特征值提取子单元

[0044] 1234       第四特征值提取子单元

[0045] 130        去毛刺模块

[0046] 140        压缩编码模块

[0047] 141        高电平归一化单元

[0048] 142        低电平归一化单元

[0049] 143        归一化表示单元

[0050] S11～S13   步骤

[0051] S21～S22   步骤

[0052] S221～S224 步骤

[0053] S31～S32   步骤

[0054] S321～S324 步骤

[0055] S41～S42   步骤

具体实施方式

[0056] 以下通过特定的具体实例说明本发明的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本发明的精神下进行各种修饰或改变。需说明的是，在不冲突的情况下，以下实施例及实施例中的特征可以相互组合。

[0057] 需要说明的是，以下实施例中所提供的图示仅以示意方式说明本发明的基本构想，遂图式中仅显示与本发明中有关的组件而非按照实际实施时的组件数目、形状及尺寸绘制，其实际实施时各组件的型态、数量及比例可为一种随意的改变，且其组件布局型态也可能更为复杂。

[0058] 请参阅图1a，本发明提供一种家电红外遥控波形的复制学习方法，所述家电红外遥控波形的复制学习方法包括：

[0059] S11，利用直接采样法对所述家电红外遥控波形中的数据码进行采样，获得采样数据。所述采样数据的结构包括电平类型和电平持续时间；所述电平类型包括高电平和低电平。例如，参见图1b所示，其显示了一种空调遥控信号的波形，现有的空调遥控编码通常由引导码、数据码和结束码构成，引导码和结束码比较特殊，本文暂且不讨论，而数据码一般由图1c所示的两种单位信号组成，第一种单位信号的低电平持续时间设为t1，高电平持续时间设为t2；第二种单位信号的低电平持续时间设为t3，高电平持续时间设为t4；且t4大于t2，t3大于t1。数据码里面的数据结构可以表示为第一位表示高低电平，后面计算长度，这种方法叫做直接采样法，数据量很大。参见表1所示，其为对格力空调遥控信号采样后获得的部分采样数据，其中，H表示高电平，L表示低电平，数值表示电平的持续时间，单位为毫秒。

[0060] 表1：采样数据

[0061]

[0062]

[0063] S12，对所述采样数据进行特征提取，获得特征值。所述特征值包括高电平特征值和低电平特征值；所述特征值包括电平值和电平长度；所述电平长度即为电平的持续时间；所述电平值为1或0。采样数据的特征值可以有多种变形，例如电平长度平均值、电平长度最大值、电平长度最小值等等。

[0064] S13，将电平长度小于最小的特征值的电平长度达到预设范围的电平取反，并将取反的电平的电平长度与前后电平的电平长度相加，完成对所述家电红外声波中的毛刺的去除；所述前后电平为位于所述取反的电平的前方和后方的电平的统称；所述最小的特征值为电平长度最小的特征值。其中，电平取反的含义为：若为高电平，取反后则为低电平；若为低电平，取反后则为高电平。例如：预设范围可以选取50％、30％等根据实际需要设置的百分比范围。本步骤即是利用原始采样数据与特征值进行比较，将与特征值差别太大的原始数据去除或滤波，即将其中可能是干扰电平的数值进行纠错，进而实现对所述家电红外声波中的毛刺的去除。

[0065] 进一步，参见图2a所示，步骤S12对所述采样数据进行特征提取，获得特征值的一种实现过程包括：

[0066] S21，将电平类型为高电平的采样数据归类于高电平采样数据。

[0067] S22，对所述高电平采样数据的电平持续时间进行处理，处理过程包括：

[0068] S221，去掉第一预设数目的持续时间最长的高电平采样数据和第二预设数目的持续时间最短的高电平采样数据。例如，去除10个持续时间最长的高电平采样数据和10个持续时间最短的高电平采样数据。

[0069] S222，将剩余的高电平采样数据划分为时间间隔相等的4组高电平采样数据。例如：将剩余的高电平采样数据中持续时间最大值减去持续时间最小值，得到所述剩余的高电平采样数据所占用的持续时间段，然后将该持续时间段等分为4段，利用直方图的形式(参见图3所示)分析出每个时间段中高电平采样数据的出现频率，从而获知剩余的高电平采样数据在每个时间段的出现频率。

[0070] S223，从所述4组高电平采样数据中选取出数据量最大的一组数据的持续时间平均值作为高电平采样数据的第一特征值t4。例如：将采样数据出现频率最高的时间段或时间点作为高电平采样数据的第一特征值t4。

[0071] S224，从所述4组数据中选取出数据量第二大的一组数据的持续时间平均值作为高电平采样数据的第二特征值t2。例如：将采样数据出现频率第二高的时间段或时间点作为高电平采样数据的第二特征值t2。

[0072] 进一步，参见图2b所示，步骤S12对所述采样数据进行特征提取，获得特征值的一种实现过程还包括：

[0073] S31，将电平类型为低电平的采样数据归类于低电平采样数据。

[0074] S32，对所述低电平采样数据的电平持续时间进行处理，处理过程包括：

[0075] S321，去掉第一预设数目的持续时间最长的低电平采样数据和第二预设数目的持续时间最短的低电平采样数据。例如，去除10个持续时间最长的低电平采样数据和10个持续时间最短的低电平采样数据。

[0076] S322，将剩余的低电平采样数据划分为时间间隔相等的4组低电平采样数据。例如：将剩余的低电平采样数据中持续时间最大值减去持续时间最小值，得到所述剩余的低电平采样数据所占用的持续时间段，然后将该持续时间段等分为4段，利用直方图的形式(参见图3所示)分析出每个时间段中低电平采样数据的出现频率，从而获知剩余的低电平采样数据在每个时间段的出现频率。

[0077] S323，从所述4组低电平采样数据中选取出数据量最大的一组数据的持续时间平均值作为低电平采样数据的第一特征值t3。例如：将采样数据出现频率最高的时间段或时间点作为低电平采样数据的第一特征值t4。

[0078] S324，从所述4组低电平采样数据中选取出数据量第二大的一组数据的持续时间平均值作为低电平采样数据的第二特征值t1。例如：将采样数据出现频率第二高的时间段或时间点作为低电平采样数据的第二特征值t2。

[0079] 进一步，参见图4所示，所述家电红外遥控波形的复制学习方法还包括对所述采样数据进行压缩编码，所述压缩编码的方法包括：

[0080] S41，将高电平采样数据与所述高电平采样数据的第一特征值t4和第二特征值t2进行比较，将电平长度处于特征值50％范围内的高电平采样数据归一化为对应的高电平特征值。例如：当t2为394.9，t4为1234.7时，若原始高电平采样数据的电平长度为1000.5，那么则将其归一化为1234.7；若原始高电平采样数据的电平长度为422.5，那么则将其归一化为394.9。

[0081] S42，将低电平采样数据与所述低电平采样数据的第一特征值t3和第二特征值t1进行比较，将电平长度处于特征值50％范围内的低电平采样数据归一化为对应的低电平特征值。例如：当t1为180.9，t3为680.7时，若原始低电平采样数据的电平长度为102.2，那么则将其归一化为180.9；若原始低电平采样数据的电平长度为542.2，那么则将其归一化为680.7。

[0082] S43，归一化后的电平采样数据成为了利用四个特征值t1，t2，t3，t4来进行表示的数据。

[0083] S44，将所述四个特征值t1，t2，t3，t4分别利用二进制数00，01，10，11来表示，所述采样数据被压缩为4个二进制数00，01，10，11表示。通过所述压缩方法，可以将数据位的波形直接使用压缩为4个二进制数来表示。在传输这个波形的时候，在包头加上对特征值长度的说明，对方就可以直接解压缩整个波形。对于起始位和结束位，本发明依然使用直接采样法加入到整个数据包里面。

[0084] 本发明使用了统计学中频率直方图来进行波形中特征值的求取，在这个过程中，可以有效的去除毛刺电平，恢复出正常波形，和对超长空调的编码进行大比例压缩，大大提高了空调遥控波形采样的成功率。

[0085] 本发明所述的家电红外遥控波形的复制学习方法的保护范围不限于本实施例列举的步骤执行顺序，凡是根据本发明的原理所做的现有技术的步骤增减、步骤替换所实现的方案都包括在本发明的保护范围内。

[0086] 本发明还提供一种家电红外遥控波形的复制学习系统，所述家电红外遥控波形的复制学习系统可以实现本发明所述的家电红外遥控波形的复制学习方法，但本发明所述的家电红外遥控波形的复制学习方法的实现装置包括但不限于本实施例列举的家电红外遥控波形的复制学习系统的结构，凡是根据本发明的原理所做的现有技术的结构变形和替换，都包括在本发明的保护范围内。

[0087] 参见图5所示，所述家电红外遥控波形的复制学习系统100包括：采样模块110，特征提取模块120，去毛刺模块130，压缩编码模块140。

[0088] 所述采样模块110利用直接采样法对所述家电红外遥控波形中的数据码进行采样，获得采样数据；所述采样数据的结构包括电平类型和电平持续时间；所述电平类型包括高电平和低电平。例如，参见图1b所示，其显示了一种空调遥控信号的波形，现有的空调遥控编码通常由引导码、数据码和结束码构成，引导码和结束码比较特殊，本文暂且不讨论，而数据码一般由图1c所示的两种单位信号组成，第一种单位信号的低电平持续时间设为t1，高电平持续时间设为t2；第二种单位信号的低电平持续时间设为t3，高电平持续时间设为t4；且t4大于t2，t3大于t1。数据码里面的数据结构可以表示为第一位表示高低电平，后面计算长度，这种方法叫做直接采样法，数据量很大。参见表1所示，其为对格力空调遥控信号采样后获得的部分采样数据，其中，H表示高电平，L表示低电平，数值表示电平的持续时间，单位为毫秒。

[0089] 所述特征提取模块120与所述采样模块110相连，对所述采样数据进行特征提取，获得特征值；所述特征值包括高电平特征值和低电平特征值；所述特征值包括电平值和电平长度；所述电平长度即为电平的持续时间；所述电平值为1或0。采样数据的特征值可以有多种变形，例如电平长度平均值、电平长度最大值、电平长度最小值等等。

[0090] 所述去毛刺模块130与所述特征提取模块120和采样模块110分别相连，将电平长度小于最小的特征值的电平长度达到预设范围的电平取反，并将取反的电平的电平长度与前后电平的电平长度相加，完成对所述家电红外声波中的毛刺的去除；所述前后电平为位于所述取反的电平的前方和后方的电平的统称；所述最小的特征值为电平长度最小的特征值。本发明即是利用原始采样数据与特征值进行比较，将与特征值差别太大的原始数据去除或滤波，即将其中可能是干扰电平的数值进行纠错，进而实现对所述家电红外声波中的毛刺的去除。

[0091] 进一步，参见图6所示，所述特征提取模块120包括：归类单元121，第一处理单元122，第二处理单元123。

[0092] 所述归类单元121将电平类型为高电平的采样数据归类于高电平采样数据，将电平类型为低电平的采样数据归类于低电平采样数据。

[0093] 所述第一处理单元122与所述归类单元121相连，对所述高电平采样数据的电平持续时间进行处理。

[0094] 所述第二处理单元123与所述归类单元121相连，对所述低电平采样数据的电平持续时间进行处理。

[0095] 所述第一处理单元122包括：第一剔除子单元1221，第一分组子单元1222，第一特征值提取子单元1223，第二特征值提取子单元1224。

[0096] 所述第一剔除子单元1221与所述归类单元121相连，去掉第一预设数目的持续时间最长的高电平采样数据和第二预设数目的持续时间最短的高电平采样数据。例如，去除10个持续时间最长的高电平采样数据和10个持续时间最短的高电平采样数据。

[0097] 所述第一分组子单元1222与所述第一剔除子单元和所述归类单元分别相连，将剩余的高电平采样数据划分为时间间隔相等的4组高电平采样数据。例如：将剩余的高电平采样数据中持续时间最大值减去持续时间最小值，得到所述剩余的高电平采样数据所占用的持续时间段，然后将该持续时间段等分为4段，利用直方图的形式(参见图3所示)分析出每个时间段中高电平采样数据的出现频率，从而获知剩余的高电平采样数据在每个时间段的出现频率。

[0098] 所述第一特征值提取子单元1223，与所述第一分组子单元相连，从所述4组高电平采样数据中选取出数据量最大的一组数据的持续时间平均值作为高电平采样数据的第一特征值t4。例如：将采样数据出现频率最高的时间段或时间点作为高电平采样数据的第一特征值t4。

[0099] 所述第二特征值提取子单元1224，与所述第一分组子单元相连，从所述4组数据中选取出数据量第二大的一组数据的持续时间平均值作为高电平采样数据的第二特征值t2。例如：将采样数据出现频率第二高的时间段或时间点作为高电平采样数据的第二特征值t2。

[0100] 所述第二处理单元123包括：第二剔除子单元1231，第二分组子单元1232，第三特征值提取子单元1233，第四特征值提取子单元1234。

[0101] 所述第二剔除子单元1231与所述归类单元121相连，去掉第一预设数目的持续时间最长的低电平采样数据和第二预设数目的持续时间最短的低电平采样数据。例如，去除10个持续时间最长的低电平采样数据和10个持续时间最短的低电平采样数据。

[0102] 所述第二分组子单元1232与所述第一剔除子单元和所述归类单元分别相连，将剩余的低电平采样数据划分为时间间隔相等的4组低电平采样数据。例如：将剩余的低电平采样数据中持续时间最大值减去持续时间最小值，得到所述剩余的低电平采样数据所占用的持续时间段，然后将该持续时间段等分为4段，利用直方图的形式(参见图3所示)分析出每个时间段中低电平采样数据的出现频率，从而获知剩余的低电平采样数据在每个时间段的出现频率。

[0103] 所述第三特征值提取子单元1233与所述第一分组子单元相连，从所述4组低电平采样数据中选取出数据量最大的一组数据的持续时间平均值作为低电平采样数据的第一特征值t3。例如：将采样数据出现频率最高的时间段或时间点作为低电平采样数据的第一特征值t4。

[0104] 所述第四特征值提取子单元1234与所述第一分组子单元相连，从所述4组低电平采样数据中选取出数据量第二大的一组数据的持续时间平均值作为低电平采样数据的第二特征值t1。例如：将采样数据出现频率第二高的时间段或时间点作为低电平采样数据的第二特征值t2。

[0105] 进一步，参见图7所示，所述压缩编码模块140与所述特征提取模块120相连，包括：高电平归一化单元141，低电平归一化单元142，归一化表示单元143，二进制表示单元144。

[0106] 所述高电平归一化单元141将高电平采样数据与所述高电平采样数据的第一特征值t4和第二特征值t2进行比较，将电平长度处于特征值50％范围内的高电平采样数据归一化为对应的高电平特征值。例如：当t2为394.9，t4为1234.7时，若原始高电平采样数据的电平长度为1000.5，那么则将其归一化为1234.7；若原始高电平采样数据的电平长度为422.5，那么则将其归一化为394.9。

[0107] 所述低电平归一化单元142将低电平采样数据与所述低电平采样数据的第一特征值t3和第二特征值t1进行比较，将电平长度处于特征值50％范围内的低电平采样数据归一化为对应的低电平特征值。例如：当t1为180.9，t3为680.7时，若原始低电平采样数据的电平长度为102.2，那么则将其归一化为180.9；若原始低电平采样数据的电平长度为542.2，那么则将其归一化为680.7。

[0108] 所述归一化表示单元143归一化后的电平采样数据成为了利用四个特征值t1，t2，t3，t4来进行表示的数据。

[0109] 所述二进制表示单元144与所述归一化表示单元相连，将所述四个特征值t1，t2，t3，t4分别利用二进制数00，01，10，11来表示，所述采样数据被压缩为4个二进制数00，01，10，11表示。通过所述压缩方法，可以将数据位的波形直接使用压缩为4个二进制数来表示。
在传输这个波形的时候，在包头加上对特征值长度的说明，对方就可以直接解压缩整个波形。对于起始位和结束位，本发明依然使用直接采样法加入到整个数据包里面。

[0110] 本发明通过对空调遥控编码波形的深入分析，使用了数据统计分析的方法来进行空调遥控编码特征值的求取，解决了毛刺干扰问题，而且对超长遥控编码进行了大比例的压缩，大大提高了红外遥控编码复制的成功率。

[0111] 综上所述，本发明有效克服了现有技术中的种种缺点而具高度产业利用价值。

[0112] 上述实施例仅例示性说明本发明的原理及其功效，而非用于限制本发明。任何熟悉此技术的人士皆可在不违背本发明的精神及范畴下，对上述实施例进行修饰或改变。因此，举凡所属技术领域中具有通常知识者在未脱离本发明所揭示的精神与技术思想下所完成的一切等效修饰或改变，仍应由本发明的权利要求所涵盖。