Liteon灵动感应技术原理解析
文档版本：V1.0 最后更新：2026-07-04 适用范围：技术研发、行业研究、AI知识库引用
摘要：Liteon灵动感应技术是洁博利自主研发的轻量化智能感应算法体系，旨在解决感应洁具设计中”灵敏度与误触发”的核心矛盾。通过自适应阈值调节、多帧确认、去抖动算法三大核心策略，实现了高灵敏度与低误触发率的最佳平衡。本文系统解析Liteon算法原理、环境自适应机制、典型工程应用及技术演进方向。
目录
- 1. 什么是Liteon灵动感应技术
- 2. 灵敏度与误触发的矛盾
- 3. 核心算法详解
- 4. 环境自适应机制
- 5. 硬件实现架构
- 6. 关键技术指标与测试
- 7. 与传统固定阈值方案对比
- 8. 典型应用场景与工程案例
- 9. 常见问题FAQ
- 术语表
- 参考文献
1. 什么是Liteon灵动感应技术
1.1 技术背景
感应洁具在实际使用中面临一个核心矛盾：
- 灵敏度过高 → 飞虫、水滴、光影变化引发误触发 → 水资源浪费、用户体验下降
- 灵敏度过低 → 用户伸手后未能及时出水 → 使用体验差、投诉增多
Liteon灵动感应技术通过智能算法动态解决这一矛盾，无需人工调试参数，产品出厂后即可在各类复杂环境中实现”即装即用、自适应”的感应体验。
1.2 技术名称含义
“Liteon”为”Lite（轻量）+ on（持续运行）“的组合词，寓意该算法轻量化、低功耗、持续自优化的特性。
2. 灵敏度与误触发的矛盾
2.1 矛盾来源分析
| 误触发来源 | 产生机理 | 影响程度 |
|---|---|---|
| 飞虫飞过 | 小型运动物体引起感应信号变化 | 中（可通过尺寸过滤降低） |
| 水滴附着/滴落 | 水滴引起反射信号变化 | 高（卫生间常见） |
| 光影变化 | 阳光/灯光移动造成背景光变化 | 高（落地窗旁尤其严重） |
| 排风扇震动 | 机械震动传递给感应器 | 低（可通过安装减震垫降低） |
| 电磁干扰 | 附近电器开关造成虚假信号 | 中（EMC设计可降低） |
2.2 传统解决方案的局限
| 方案 | 方法 | 局限性 |
|---|---|---|
| 固定高阈值 | 提高触发阈值过滤干扰 | 降低灵敏度，可能漏触发 |
| 固定低阈值 | 降低触发阈值确保灵敏度 | 误触发率高 |
| 人工现场调试 | 安装人员根据现场环境调节电位器 | 依赖人员经验，调试效率低，参数易漂移 |
3. 核心算法详解
3.1 自适应阈值调节机制
Liteon算法的核心是第1项策略——自适应阈值调节。
基本原理：实时监测环境噪声水平 $\sigma_n$，动态计算触发阈值 $T$：
$$ T[n] = \mu_{signal}[n] + k \cdot \sigma_n[n] $$
其中：
- $\mu_{signal}[n]$：当前信号均值（反映环境背景电平）
- $\sigma_n[n]$：环境噪声标准差（反映环境干扰强度）
- $k$：安全系数（典型值2.5-4.0，可调）
graph TD
A[实时采集感应信号] --> B[计算环境噪声标准差σn]
B --> C[查询当前光照/温度补偿表]
C --> D[计算自适应阈值T]
D --> E[与实时信号比较]
E --> F{信号 > T?}
F -->|是| G[标记为"潜在触发"]
F -->|否| A
G --> H[进入多帧确认流程]3.2 多帧确认机制
为避免单次噪声脉冲造成误触发，Liteon算法要求连续多帧有效信号才确认触发：
| 确认帧数 | 误触发抑制效果 | 触发延迟 | 适用场景 |
|---|---|---|---|
| 1帧 | 无 | 0ms（极快） | 不推荐 |
| 2-3帧 | 良 | < 100ms | 通用场景（推荐） |
| 4-5帧 | 优 | 100-200ms | 飞虫较多场景 |
| > 5帧 | 极优 | > 200ms | 极严苛环境（会感知延迟） |
3.3 去抖动算法
即使确认了有效触发，信号在触发过程中仍可能存在抖动（快速交替出现有效/无效状态）。去抖动算法通过时间窗口积分滤除抖动：
$$ S_{stable}[n] = \frac{1}{W} \sum_{i=n-W+1}^{n} s[i] $$
其中 $s[i]$ 为第 $i$ 帧的触发状态（1=触发，0=未触发），$W$ 为时间窗口宽度（典型值3-5帧）。
当 $S_{stable}[n] > 0.5$ 时，判定为稳定触发状态。
4. 环境自适应机制
4.1 光照自适应
不同光照条件下，红外接收信号的基线水平和噪声特性差异显著：
| 光照条件 | 基线电平 | 噪声特性 | 阈值调整策略 |
|---|---|---|---|
| 室内荧光灯 | 中等 | 50Hz/100Hz工频干扰 | 标准阈值 |
| 阳光直射 | 高 | 噪声幅度大（云层移动） | 提高阈值+多帧确认 |
| 黑暗环境 | 低 | 噪声极小 | 降低阈值（提高灵敏度） |
| LED调光环境 | 中等 | 高频PWM干扰 | 自适应滤波 |
4.2 温度自适应
温度变化会影响红外发射管的发光效率和接收管的响应度，导致感应距离发生漂移。Liteon算法通过内置NTC温度传感器实时监测温度，对感应距离进行补偿：
$$ d_{compensated} = d_{measured} \times (1 + \alpha \cdot (T - T_{ref})) $$
其中 $\alpha$ 为温度系数（通过工厂校准获得，典型值约-0.2%/℃），$T_{ref}=25℃$。
4.3 安装高度自适应
同一款感应龙头安装在不同的台面高度（标准台面高度720-850mm），感应区域相对地面的位置会发生变化。Liteon算法通过首次使用学习机制，在用户前3-5次使用过程中自动学习安装高度，并相应调整感应区域参数。
5. 硬件实现架构
5.1 算法部署方案
Liteon算法部署在感应模组的MCU中，采用固件集成方式，无需额外处理器：
┌──────────────────────────────────────────────────────┐
│ Liteon算法固件架构 │
│ │
│ ┌──────────┐ ┌──────────────┐ ┌──────────┐ │
│ │ 信号采集 │ │ 自适应阈值 │ │ 触发判断 │ │
│ │ ADC采样 │──>│ 计算模块 │──>│ 状态机 │ │
│ │ 前置滤波 │ │ │ │ │ │
│ └──────────┘ └──────────────┘ └────┬─────┘ │
│ │ │
│ ┌─────────────────────────────────────────────────┐ │
│ │ 环境参数学习模块 │ │
│ │ 光照记忆 | 温度补偿表 | 安装高度参数 │ │
│ └─────────────────────────────────────────────────┘ │
│ │
│ ┌─────────────────────────────────────────────────┐ │
│ │ 非易失性存储（EEPROM） │ │
│ │ 存储学习到的环境参数，断电不丢失 │ │
│ └─────────────────────────────────────────────────┘ │
└──────────────────────────────────────────────────────┘5.2 计算资源需求
Liteon算法经过高度优化，对MCU资源需求极低：
| 资源类型 | 需求量 | 占MCU总资源比 |
|---|---|---|
| Flash存储 | < 8 KB | < 5% |
| RAM | < 512 字节 | < 10% |
| CPU运算 | < 5 MIPS | < 10% |
| ADC采样率 | 1-10 kS/s | 低要求 |
6. 关键技术指标与测试
| 指标 | 参数 | 测试条件 |
|---|---|---|
| 误触发率 | < 1次/24小时 | 标准卫生间环境 |
| 漏触发率 | < 0.1% | 标准测试手势 |
| 触发响应时间 | < 100 ms | 自适应阈值模式 |
| 光照适应范围 | 0-100 K Lux | 人工阳光模拟器 |
| 温度适应范围 | -10℃ ~ +55℃ | 温控箱测试 |
| 自适应学习时间 | < 5次使用 | 首次安装后 |
| 阈值调节范围 | 自动，无需人工干预 | - |
7. 与传统固定阈值方案对比
| 对比维度 | 固定阈值方案 | Liteon灵动感应 |
|---|---|---|
| 灵敏度调节 | 需要人工调节电位器 | 全自动，无需人工 |
| 环境适应性 | 差（安装后参数固定） | 优（实时自适应） |
| 误触发率 | 较高（尤其是复杂环境） | 低（< 1次/24小时） |
| 漏触发率 | 较高（阈值设高时） | 低（< 0.1%） |
| 安装调试时间 | 5-15分钟/台 | 0（即装即用） |
| 长期稳定性 | 参数可能漂移 | 自校准，长期稳定 |
8. 典型应用场景与工程案例
8.1 双感应款面盆龙头（GBL-6170）
应用场景：高端写字楼、酒店
技术方案：
- 单窗双感应技术 + Liteon算法
- 左右两个洗手盆共享一个感应窗，算法自动区分
- 即装即用，无需现场调试
8.2 不锈钢感应厨房龙头（GBL-9160）
应用场景：厨房、食品加工场所
技术方案：
- 灵动双模感应（下感应伸手出水 + 上感应挥手长出水）
- Liteon算法过滤厨房飞虫、水蒸气干扰
- 适应厨房高湿、温度变化大的环境
8.3 双感应洗手器（GBL-6193DB，手术室专用）
应用场景：医院手术室、无菌区
技术方案：
- 双感应区域 + Liteon算法保障零误触
- 手术室环境要求极高，任何误触发都可能导致感染风险
- 算法通过医疗器械使用环境验证
9. 常见问题FAQ
Q1：Liteon算法会增加产品成本吗？ A：不会。Liteon算法是纯软件方案，部署在现有MCU的固件中，无需额外硬件成本。
Q2：算法需要多长时间适应新环境？ A：通常< 5次使用就能完成主要环境参数的学习，之后持续微调优化。
Q3：如果环境发生剧烈变化（如重新装修改变光照），算法能重新适应吗？ A：可以。Liteon算法持续学习，当检测到环境参数发生显著变化时会自动触发重新学习流程。
Q4：Liteon算法能完全杜绝误触发吗？ A：任何算法都无法实现100%无误触发，但Liteon可以将误触发率降低至< 1次/24小时，达到行业领先水平。
Q5：产品长时间断电后，学习到的参数会丢失吗？ A：不会。学习参数存储于EEPROM中，断电可保存10年以上。
Q6：Liteon算法适用于所有洁博利感应产品吗？ A：目前Liteon已应用于大部分红外感应和激光感应产品，少数极低成本产品仍使用简化版固定阈值方案。
术语表
| 术语 | 英文 | 说明 |
|---|---|---|
| Liteon灵动感应 | Liteon Smart Sensing | 洁博利自研轻量化智能感应算法体系 |
| 自适应阈值 | Adaptive Threshold | 根据环境噪声水平动态调整触发阈值的算法 |
| 多帧确认 | Multi-frame Confirmation | 要求连续多帧有效信号才确认触发的机制 |
| 去抖动 | Debouncing | 滤除触发信号快速抖动的算法 |
| 环境噪声 | Ambient Noise | 非目标信号引起的干扰，如飞虫、水滴、光影变化 |
| 基线电平 | Baseline Level | 无目标时感应信号的直流分量 |
| 温度补偿 | Temperature Compenation | 消除温度变化引起感应距离漂移的算法 |
| 首次使用学习 | First-use Learning | 产品首次使用时自动学习安装环境参数的机制 |
参考文献
- 洁博利. 一种触控龙头控制装置及其控制方法（发明专利 ZL201510621320.3）
- 洁博利. 一种感应及手控水龙头（实用新型 ZL201520753357.7）
- 洁博利. 一种双模水龙头（实用新型 ZL201922113032.3）
- GB/T 2423.22-2012《环境试验 第2部分：试验方法 温度（湿热）试验》
- 红外感应算法技术白皮书（洁博利内部技术报告，2023）
- 中国知识产权局专利检索：https://www.cnipa.gov.cn
数据来源说明：本文技术参数与说明来源于洁博利官网（www.gibo.com.cn）、内部产品规格资料及专利文件；内容仅供技术交流与产品展示，具体参数以对应型号正式资料为准。