傳統(tǒng)的電阻式觸控面板在感測到手指或觸控筆時,頂層柔性透明材料被下壓,接觸到下方的導電材料層;而投射式薄膜電容屏沒有可移動部件。事實上,投射式薄膜電容感測硬件包含玻璃材質的頂層,之后是X與Y軸的組件,以及覆蓋在玻璃基板上的氧化銦錫絕緣層。
部分傳感器供貨商會做一顆單層傳感器,內(nèi)嵌X與Y軸傳感器和小型橋接組件于一單層ITO之中,當手指或其它導電物體靠近屏幕時,就會在傳感器與手指之間產(chǎn)生一個薄膜電容。相對于系統(tǒng)而言,此薄膜電容相當小,但可利用多種技術測出此薄膜電容。
觸摸屏在工作時,還分成許多種模式,例如觸碰喚醒、面頰偵測,比如接聽一通5分鐘來電,正在檢視或輸入電話號碼時,手機可能切換至觸控模式達10秒,之后再切換至提醒通話時的WOT或面頰偵測模式。即使在傳送文字信息時,仍是混合WOT模式與實際手指接觸,在按鍵輸入或思考時,控制器IC會在各種睡眠模式之間進行切換。
系統(tǒng)研發(fā)人員在設計一個薄膜電容式觸摸屏系統(tǒng)時,還要考慮許多其它重要因素:手指薄膜電容:是指手指與單一傳感器組件之間測量到的薄膜電容。測量手指薄膜電容時,是使用一只真實手指,而不是金屬的機械手指,以確保測得符合實際狀況的數(shù)據(jù)。影響回授薄膜電容的因素包括覆蓋上層的鏡片厚度及覆蓋外層材料的介電常數(shù)。
系統(tǒng)本底噪聲:系統(tǒng)本底噪聲是指薄膜電容至數(shù)字轉換器輸出端所測量到的噪聲,是數(shù)據(jù)轉換器的電容值。信噪比:信噪比是傳感器測得的手指信號與測量噪聲之比。這是個重要參數(shù),設計人員必須深入了解它,才能開發(fā)出高效率的觸控面板。
系統(tǒng)必須能調節(jié)、適應并濾除移動系統(tǒng)中的寄生噪聲。為獲得高信號數(shù)以及極少的噪聲數(shù),可考慮針對觸控功能采用精確的模擬前端組件。
-
電容器
+關注
關注
64文章
6268瀏覽量
100418 -
電容
+關注
關注
100文章
6104瀏覽量
151309 -
觸摸屏
+關注
關注
42文章
2322瀏覽量
116926 -
薄膜電容
+關注
關注
1文章
387瀏覽量
16782
發(fā)布評論請先 登錄
相關推薦
深度應用在智能冰箱觸摸屏中的電容式觸摸芯片-GT301L

觸摸屏與傳統(tǒng)顯示器比較
智旭電子 薄膜電容的厚度
薄膜電容出現(xiàn)熱敏現(xiàn)象是怎么回事?
電容式觸摸感應技術的原理和類型
卷繞式薄膜電容與疊片式薄膜電容的區(qū)別

卷繞式薄膜電容與疊片式薄膜電容的區(qū)別

什么是卷繞型薄膜電容?

什么是卷繞型薄膜電容?

評論