一种通过扫描二维码更换智能家居设备的方法与流程

本发明属于智能家居技术领域，尤其涉及一种通过扫描二维码更换智能家居设备的方法。

背景技术：

智能家居(英文：smarthome,homeautomation)是以住宅为平台，利用综合布线技术、网络通信技术、安全防范技术、自动控制技术、音视频技术将家居生活有关的设施集成，构建高效的住宅设施与家庭日程事务的管理系统，提升家居安全性、便利性、舒适性、艺术性，并实现环保节能的居住环境。然而，传统的智能家居系统，通常用户更换已在线智能家居设备必须对新入网的智能家居设备进行网络参数设置，还要对新入网的智能家居设备进行功能设置。其步骤繁琐、逻辑复杂、更换不方便，给使用智能家居的用户带来不良体验。

综上所述，现有技术存在的问题是：传统的智能家居系统，通常用户更换已在线智能家居设备必须对新入网的智能家居设备进行网络参数设置，还要对新入网的智能家居设备进行功能设置。其步骤繁琐、逻辑复杂、更换不方便，给使用智能家居的用户带来不良体验。

技术实现要素：

针对现有技术存在的问题，本发明提供了一种通过扫描二维码更换智能家居设备的方法。

本发明是这样实现的，一种通过扫描二维码更换智能家居设备的方法包括以下步骤：

步骤一，移动终端向智能家居网关发起接入请求，接入请求中包含采用预设加密算法进行加密后的用户指纹信息；

步骤二，智能家居网关采用与预设加密算法对应的预设解密算法对用户指纹信息进行解密并与预存的用户指纹库进行匹配，若匹配成功，则将移动终端加入智能家居网络；

步骤三，移动终端向智能家居网络中的智能家居控制器发起连接请求，建立无线连接；

步骤四，智能家居控制器接受待入网智能家居设备的无线模块通过控制信道发送的接入请求，以使该待入网智能家居设备处于在线状态；

所述智能家居控制器的信噪比估计方法包括以下步骤：

(1)测量信号由n个分量信号以及高斯白噪声混合而成，求测量信号的归一化四阶累积量归一六阶累积量归一八阶累积量等n+1个归一化高阶累积量；

(2)构建归一化高阶累积量方程组；

(3)遍历出n个信号的调制类型组合，查表得到各个调制类型信号的归一化高阶累积量，代入方程组中的前n个方程，计算求得各分量信号所占总信号的功率比将结果代入第n+1个方程，筛选出正确的调制类型组合；

(4)得出正确的调制类型以及各分量信号所占总信号的功率比根据信噪比估计公式估计信噪比。

时频重叠信号的归一化高阶累积量方程组构建方法包括：

接收信号的信号模型表示为：

r(t)＝x1(t)+x2(t)+…+xn(t)+v(t)

其中，xi(t)为时频重叠信号的各个信号分量，各分量信号独立不相关，n为时频重叠信号分量的个数，θki表示对各个信号分量载波相位的调制，fci为载波频率，aki为第i个信号在k时刻的幅度，tsi为码元长度，pi(t)为滚降系数为α的升余弦成形滤波函数，且n(t)是均值为0，方差为σ²的平稳高斯白噪声；

混合信号的高阶累积量公式如下：

两边同时除以混合信号的二阶矩k/2次方：

进一步变形为：

其中和表示各分量信号功率与总功率的比值和噪声功率与总功率的比值，分别表示为和λv；高斯白噪声的高阶累积量为0，上式表示为：

由此，构建归一化高阶累积量方程组：

所述无线通信模块覆盖的分布式方法包括：

将任务指定完成时间设为预设网络寿命，并将设为常值的预设网络寿命l按轮来划分为轮，每一轮时间为l，在每一轮中通过筛选最大额外有效覆盖时间大于零的节点进行工作，其他冗余节点关闭探测功能进入睡眠；

在每一轮挑出合适的工作节点后，通过比较工作节点与邻居工作节点之间的最大额外有效覆盖时间和剩余能量来选择最优的工作时间方案，从而使得每一轮中总的有效覆盖时间最大，工作节点si额外有效覆盖时间为:其中r(i)表示节点si覆盖的点位置集合，w(j)表示点位置pj的重要性系数，即pj的权值，表示点位置pj被节点si覆盖的额外时间，此外在每一轮中都设置了工作节点的剩余能量安全阈值，若工作节点的剩余能量低于该安全阈值时，则该节点将被强制关闭它的探测功能，只维持部分的通讯功能；

所述分布式方法包括以下步骤：

对于每一轮中的节点，首先分别计算si最大额外有效覆盖时间和工作优先度，即：

在自己所有的工作时间安排方案中选择最优的方案，并向si的邻居广播mes(i,null,upd,δpi)。然后判断是否大于零，若否，则当所有节点执行完上述操作结束；若是，则一直执行如下操作：如果si在它的邻居中有最大的工作优先度δpi，则si标记自己为lab，并向邻居广播mes(i,lab,sch,δpi)，di＝di-bi，当所有结点完成该操作后结束；否则，如果si接收到邻居si的信息包mes(k,lab,sch,δpk)，则si更新邻居sk的信息，重新计算δpi并且向邻居广播mes(i,upd,null,δpi)，并重新判断是否大于零；否则，判断si是否收到邻居sk的信息包mes(k,upd,null,δpk)，若是，则更新邻居sk的工作优先度，并重新判断是否大于零；否则，如果di≤λi，当所有结点完成该操作后结束。

其中di为节点si的剩余能量，在每一轮的开始，节点的工作时间都是未安排的，也就是sch都为空，在每一轮中都要重新选择新的合适的工作节点，确定工作节点最优的工作时间安排方案，而在每一次判断中，节点都要在自己的邻居内比较δp的大小，并更新自己和邻居的sch，当所有的节点的δc^max都等于0时，则这一轮中的所有合适的工作节点都已经被选完，输入:节点si的邻居n(si)，自己和邻居的sch，自己覆盖的重要位置点pi，位置的权值wi,i∈pi，预设网络寿命l，电池寿命bi，si的标记类型为upd；输出:si标记类型(lab或upd)，被标记为lab的节点的最优工作时间安排；

在算法的每一轮中，都会有一些局部最优的工作节点被选择，同时它们的工作时间安排方案也被确定，其中，局部最优的工作节点即为在它们的邻居中拥有最高的工作优先度的节点，为了便于邻居节点间相互通讯，它们之间相互传递的信息包应该包括本身的id，自己的工作时间安排方案(sch)，工作优先度δp和它们的标记类型，标记类型为lab或者是upd，其中，lab表示已被标记为最合适的工作节点，upd表示已更新自己的信息包，把这种信息包定义为mes(id,sch,type,δp)，此外，每个节点都建立一个数据库存放自己和邻居的信息包；

和δci的计算细节：

当节点si的工作时间安排方案被确定时，定义节点si额外有效覆盖时间为:和δc1的演算过程为：其中时间长度0.2为点位置p2被节点s1覆盖和已被节点s2覆盖的重叠时间，所以点位置p2被节点s1覆盖的额外时间为0.4；此外，最大额外有效覆盖时间为：

δpi的计算细节：

结合每个节点的剩余能量重新定义每个节点si的工作优先度，

节点si的最大额外有效覆盖时间可通过上述方法来计算，可得δc1^max＝2.4，此外，第n轮之后，三个节点的剩余能量分别为5,4和1，这里不妨设α＝0.6，β＝0.4，则δp1＝3.44，δp2＝4.12，δp3＝2.56，显然，不管是通过最大额外有效覆盖时间还是工作优先度δpi来比较，节点s2都是最大的，则这一轮中，节点s2被选择为工作节点，但是，在第n+1轮中，虽然δc3^max＞δc1^max，但是节点s3的剩余能量过低，导致δp3＜δp1，所以这一轮中，节点s1被选择为合适的工作节点，此外，为了保护长期进行工作的节点，设置了节点的电池剩余能量安全阈值λi来检查工作节点在每一轮中的剩余能量是否过低，若工作节点si的剩余能量低于λi，则该节点将被强制关闭它的探测功能，只是维持部分的通讯功能，假设λi都为1.5，则在第n+2轮中，s3将不再被选为工作节点；

步骤五，移动终端在已连接智能家居设备列表中选择待替换智能家居设备，扫描待替换智能家居设备的二维码和待入网智能家居设备的二维码并提交至智能家居控制器；

步骤六，在用户的移动终端上安装二维码扫描app，在移动终端上的二维码扫描app中找到待替换智能家居设备的设置页，点击设置页上的替换虚拟按键；

步骤七，使用移动终端上的二维码扫描app扫描待替换智能家居设备上的二维码，并将扫描的二维码信息提交到智能家居网关；

步骤八，智能家居网关通过控制信道查询待替换智能家居设备是否在线，如是，智能家居网关在智能家居系统数据库中用待替换智能家居设备的序列号替换被替换智能家居设备的序列号；否则，不对被替换智能家居设备的序列号进行替换；

步骤九，监控摄像头监测用户人脸图像，分析用户视线指向的智能家居设备，将分析得到的智能家居设备的标识信息发送给智能家居控制器；

所述摄像头的的图像特征索引方法，其特征在于，包括以下步骤：

a创建索引过程：

a1词法分析语言处理，对文本串做分词处理；

a2加入位置信息，对每个分好的词，按照其在文本中的位置加入含有位置编号的前缀，例如：第一个位置加入l1_；

a3索引创建，根据分好的词，创建索引，建立词和文档的倒排表；

a4将倒排索引表写入磁盘保存；

b检索过程：

b1词法分析语言处理，对文本串做分词处理；

b2加入位置信息，对每个分好的词，按照其在文本中的位置加入含有位置编号的前缀；

b3语法分析，分析查询语句的查询逻辑，提交检索器根据查询逻辑搜索结果；

b4搜索索引，根据语法分析器提交的逻辑检索相关文档；

b5相关性排序，按照查询文档和候选集文档的相关性排序选择topn作为结果集返回；

步骤a1中所述词法分析语言处理是根据图像特征向量文本串化后的特点，使用lucene的whitespaceanalyzer按照空格分词；

步骤a2中所述加入位置信息，对每个分好的词，按照其在文本中的位置加入含有位置编号的前缀，同时去掉值为0的词；

步骤b4中所述搜索索引包括了对文档按照索引相关性打分的逻辑，根据向量间的距离计算方法，重写lucene的similarity对象，只需保留tdf属性作为评分标准，用词频来评分；

步骤十，移动终端根据用户敲击移动终端预设位置的操作生成控制命令，将控制命令发送给智能家居控制器；

步骤十一，智能家居控制器根据监控摄像头发送的智能家居设备的标识信息以及移动终端发送的控制命令，对相应的智能家居设备进行控制。

进一步，所述移动终端为手机或平板电脑。

进一步，所述智能家居设备的序列号保存在所述智能家居系统数据库中。

本发明的优点及积极效果为：本发明移动终端通过指纹密码的加密和解密向智能家居网关验证并加入智能家居网络，和智能家居控制器建立无线连接；移动终端扫描待替换和待入网的智能家居设备上的二维码信息并发送给智能家居控制器进行验证和替换；可提高更换和控制智能家居设备的便利性。同时由于在移动终端上的二维码扫描app中找到待替换智能家居设备的设置页，点击替换虚拟按键；使用移动终端上的二维码扫描app扫描待替换智能家居设备上的二维码，并将扫描的二维码信息提交到智能家居网关；智能家居网关通过控制信道查询待替换智能家居设备是否在线，当在线时，智能家居网关在从智能家居系统数据库中用待替换智能家居设备的序列号替换被替换智能家居设备的序列号，这样就能很快的完成已入网智能家居设备的更换，省去了繁琐的步骤和复杂的逻辑，所以其对已入网智能家居设备更换较为简单、给使用智能家居的用户带来良好体验。

附图说明

图1是本发明实施提供的通过扫描二维码更换智能家居设备的方法流程图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

下面结合附图对本发明的应用原理作进一步描述。

如图1所示，本发明提供一种通过扫描二维码更换智能家居设备的方法包括以下步骤：

步骤s101，移动终端向智能家居网关发起接入请求，接入请求中包含采用预设加密算法进行加密后的用户指纹信息；

步骤s102，智能家居网关采用与预设加密算法对应的预设解密算法对用户指纹信息进行解密并与预存的用户指纹库进行匹配,若匹配成功，则将移动终端加入智能家居网络；

步骤s103，移动终端向智能家居网络中的智能家居控制器发起连接请求，建立无线连接；

步骤s104，智能家居控制器接受待入网智能家居设备的无线模块通过控制信道发送的接入请求，以使该待入网智能家居设备处于在线状态；

步骤s105，移动终端在已连接智能家居设备列表中选择待替换智能家居设备，扫描待替换智能家居设备的二维码和待入网智能家居设备的二维码并提交至智能家居控制器；

步骤s106，在用户的移动终端上安装二维码扫描app，在移动终端上的二维码扫描app中找到待替换智能家居设备的设置页，点击设置页上的替换虚拟按键；

步骤s107，使用移动终端上的二维码扫描app扫描待替换智能家居设备上的二维码，并将扫描的二维码信息提交到智能家居网关；

步骤s108，智能家居网关通过控制信道查询待替换智能家居设备是否在线，如是，智能家居网关在智能家居系统数据库中用待替换智能家居设备的序列号替换被替换智能家居设备的序列号；否则，不对被替换智能家居设备的序列号进行替换；

步骤s109，监控摄像头监测用户人脸图像，分析用户视线指向的智能家居设备，将分析得到的智能家居设备的标识信息发送给智能家居控制器；

步骤s110，移动终端根据用户敲击移动终端预设位置的操作生成控制命令，将控制命令发送给智能家居控制器；

步骤s111，智能家居控制器根据监控摄像头发送的智能家居设备的标识信息以及移动终端发送的控制命令，对相应的智能家居设备进行控制。

所述智能家居控制器的信噪比估计方法包括以下步骤：

(1)测量信号由n个分量信号以及高斯白噪声混合而成，求测量信号的归一化四阶累积量归一六阶累积量归一八阶累积量等n+1个归一化高阶累积量；

(2)构建归一化高阶累积量方程组；

(3)遍历出n个信号的调制类型组合，查表得到各个调制类型信号的归一化高阶累积量，代入方程组中的前n个方程，计算求得各分量信号所占总信号的功率比将结果代入第n+1个方程，筛选出正确的调制类型组合；

(4)得出正确的调制类型以及各分量信号所占总信号的功率比根据信噪比估计公式估计信噪比。

时频重叠信号的归一化高阶累积量方程组构建方法包括：

接收信号的信号模型表示为：

r(t)＝x1(t)+x2(t)+…+xn(t)+v(t)

其中，xi(t)为时频重叠信号的各个信号分量，各分量信号独立不相关，n为时频重叠信号分量的个数，θki表示对各个信号分量载波相位的调制，fci为载波频率，aki为第i个信号在k时刻的幅度，tsi为码元长度，pi(t)为滚降系数为α的升余弦成形滤波函数，且n(t)是均值为0，方差为σ²的平稳高斯白噪声；

混合信号的高阶累积量公式如下：

两边同时除以混合信号的二阶矩k/2次方：

进一步变形为：

其中和表示各分量信号功率与总功率的比值和噪声功率与总功率的比值，分别表示为和λv；高斯白噪声的高阶累积量为0，上式表示为：

由此，构建归一化高阶累积量方程组：

所述无线通信模块覆盖的分布式方法包括：

将任务指定完成时间设为预设网络寿命，并将设为常值的预设网络寿命l按轮来划分为轮，每一轮时间为l，在每一轮中通过筛选最大额外有效覆盖时间大于零的节点进行工作，其他冗余节点关闭探测功能进入睡眠；

在每一轮挑出合适的工作节点后，通过比较工作节点与邻居工作节点之间的最大额外有效覆盖时间和剩余能量来选择最优的工作时间方案，从而使得每一轮中总的有效覆盖时间最大，工作节点si额外有效覆盖时间为:其中r(i)表示节点si覆盖的点位置集合，w(j)表示点位置pj的重要性系数，即pj的权值，表示点位置pj被节点si覆盖的额外时间，此外在每一轮中都设置了工作节点的剩余能量安全阈值，若工作节点的剩余能量低于该安全阈值时，则该节点将被强制关闭它的探测功能，只维持部分的通讯功能；

所述分布式方法包括以下步骤：

对于每一轮中的节点，首先分别计算si最大额外有效覆盖时间和工作优先度，即：

在自己所有的工作时间安排方案中选择最优的方案，并向si的邻居广播mes(i,null,upd,δpi)。然后判断是否大于零，若否，则当所有节点执行完上述操作结束；若是，则一直执行如下操作：如果si在它的邻居中有最大的工作优先度δpi，则si标记自己为lab，并向邻居广播mes(i,lab,sch,δpi)，di＝di-bi，当所有结点完成该操作后结束；否则，如果si接收到邻居si的信息包mes(k,lab,sch,δpk)，则si更新邻居sk的信息，重新计算δpi并且向邻居广播mes(i,upd,null,δpi)，并重新判断是否大于零；否则，判断si是否收到邻居sk的信息包mes(k,upd,null,δpk)，若是，则更新邻居sk的工作优先度，并重新判断是否大于零；否则，如果di≤λi，当所有结点完成该操作后结束。

其中di为节点si的剩余能量，在每一轮的开始，节点的工作时间都是未安排的，也就是sch都为空，在每一轮中都要重新选择新的合适的工作节点，确定工作节点最优的工作时间安排方案，而在每一次判断中，节点都要在自己的邻居内比较δp的大小，并更新自己和邻居的sch，当所有的节点的δc^max都等于0时，则这一轮中的所有合适的工作节点都已经被选完，输入:节点si的邻居n(si)，自己和邻居的sch，自己覆盖的重要位置点pi，位置的权值wi,i∈pi，预设网络寿命l，电池寿命bi，si的标记类型为upd；输出:si标记类型(lab或upd)，被标记为lab的节点的最优工作时间安排；

在算法的每一轮中，都会有一些局部最优的工作节点被选择，同时它们的工作时间安排方案也被确定，其中，局部最优的工作节点即为在它们的邻居中拥有最高的工作优先度的节点，为了便于邻居节点间相互通讯，它们之间相互传递的信息包应该包括本身的id，自己的工作时间安排方案(sch)，工作优先度δp和它们的标记类型，标记类型为lab或者是upd，其中，lab表示已被标记为最合适的工作节点，upd表示已更新自己的信息包，把这种信息包定义为mes(id,sch,type,δp)，此外，每个节点都建立一个数据库存放自己和邻居的信息包；

和δci的计算细节：

当节点si的工作时间安排方案被确定时，定义节点si额外有效覆盖时间为:和δc1的演算过程为：其中时间长度0.2为点位置p2被节点s1覆盖和已被节点s2覆盖的重叠时间，所以点位置p2被节点s1覆盖的额外时间为0.4；此外，最大额外有效覆盖时间为：

δpi的计算细节：

结合每个节点的剩余能量重新定义每个节点si的工作优先度，

节点si的最大额外有效覆盖时间可通过上述方法来计算，可得δc1^max＝2.4，此外，第n轮之后，三个节点的剩余能量分别为5,4和1，这里不妨设α＝0.6，β＝0.4，则δp1＝3.44，δp2＝4.12，δp3＝2.56，显然，不管是通过最大额外有效覆盖时间还是工作优先度δpi来比较，节点s2都是最大的，则这一轮中，节点s2被选择为工作节点，但是，在第n+1轮中，虽然δc3^max＞δc1^max，但是节点s3的剩余能量过低，导致δp3＜δp1，所以这一轮中，节点s1被选择为合适的工作节点，此外，为了保护长期进行工作的节点，设置了节点的电池剩余能量安全阈值λi来检查工作节点在每一轮中的剩余能量是否过低，若工作节点si的剩余能量低于λi，则该节点将被强制关闭它的探测功能，只是维持部分的通讯功能，假设λi都为1.5，则在第n+2轮中，s3将不再被选为工作节点。

所述摄像头的的图像特征索引方法，其特征在于，包括以下步骤：

a创建索引过程：

a1词法分析语言处理，对文本串做分词处理；

a2加入位置信息，对每个分好的词，按照其在文本中的位置加入含有位置编号的前缀，例如：第一个位置加入l1_；

a3索引创建，根据分好的词，创建索引，建立词和文档的倒排表；

a4将倒排索引表写入磁盘保存；

b检索过程：

b1词法分析语言处理，对文本串做分词处理；

b2加入位置信息，对每个分好的词，按照其在文本中的位置加入含有位置编号的前缀；

b3语法分析，分析查询语句的查询逻辑，提交检索器根据查询逻辑搜索结果；

b4搜索索引，根据语法分析器提交的逻辑检索相关文档；

b5相关性排序，按照查询文档和候选集文档的相关性排序选择topn作为结果集返回；

步骤a1中所述词法分析语言处理是根据图像特征向量文本串化后的特点，使用lucene的whitespaceanalyzer按照空格分词；

步骤a2中所述加入位置信息，对每个分好的词，按照其在文本中的位置加入含有位置编号的前缀，同时去掉值为0的词；

步骤b4中所述搜索索引包括了对文档按照索引相关性打分的逻辑，根据向量间的距离计算方法，重写lucene的similarity对象，只需保留tdf属性作为评分标准，用词频来评分。

本发明提供的移动终端为手机或平板电脑。

本发明提供的智能家居设备的序列号保存在所述智能家居系统数据库中。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。