一種幀聚合方法及電子設(shè)備的制造方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及移動(dòng)通信領(lǐng)域中的電子設(shè)備的控制技術(shù),尤其涉及一種幀聚合方法及電子設(shè)備。
【背景技術(shù)】
[0002]目前,在判別是否采用幀聚合技術(shù)、幀聚合時(shí)確定幀長度的方法,通常是基于無線信道的質(zhì)量。當(dāng)信道質(zhì)量好時(shí),采用幀聚合技術(shù),可以有效地提高局域網(wǎng)的吞吐量;當(dāng)信道質(zhì)量差時(shí),不采用幀聚合技術(shù)或者只使用較短聚合幀,這樣可以降低重傳對系統(tǒng)吞吐量的影響。
[0003]但是,上述判別方法,不區(qū)分采用幀聚合技術(shù)的設(shè)備特點(diǎn),即不區(qū)分設(shè)備是手持無線終端和無用戶參與的無線接入設(shè)備。如此,就無法保證獲取的信道狀態(tài)信息的準(zhǔn)確性和實(shí)效性,從而會影響到判斷是否采用幀聚合技術(shù)的準(zhǔn)確性。
【發(fā)明內(nèi)容】
[0004]為解決上述技術(shù)問題,本發(fā)明的目的在于提供一種幀聚合方法及電子設(shè)備。
[0005]本發(fā)明提供了一種幀聚合方法,所述方法包括:
[0006]獲取無線信道的狀態(tài)信息;
[0007]根據(jù)預(yù)設(shè)的狀態(tài)參數(shù),獲取操作者的狀態(tài)信息;
[0008]根據(jù)所述無線信道的狀態(tài)信息以及所述操作者的狀態(tài)信息進(jìn)行計(jì)算得到計(jì)算結(jié)果,當(dāng)計(jì)算結(jié)果滿足第一條件時(shí),進(jìn)行幀聚合。
[0009]上述方案中,所述無線信道的狀態(tài)信息包括以下至少一種:數(shù)據(jù)錯(cuò)誤率、丟包率、重傳次數(shù)、無線信號強(qiáng)度。
[0010]上述方案中,所述方法還包括:設(shè)置操作者對應(yīng)的狀態(tài)參數(shù)。
[0011]上述方案中,所述操作者對應(yīng)的狀態(tài)參數(shù)包括:模型;
[0012]所述模型的建立方法包括:收集指定時(shí)長中的傳感參數(shù),將所述傳感參數(shù)轉(zhuǎn)換為操作者對應(yīng)的N種狀態(tài)的變化信息,將所述N種狀態(tài)的變化信息作為輸入?yún)?shù)進(jìn)行訓(xùn)練,將操作者對應(yīng)的狀態(tài)作為輸出結(jié)果,對模型進(jìn)行訓(xùn)練。
[0013]上述方案中,所述滿足第一條件包括:當(dāng)所述計(jì)算結(jié)果達(dá)到預(yù)設(shè)的閾值時(shí),滿足第一條件。
[0014]本發(fā)明還提供了一種電子設(shè)備,所述電子設(shè)備包括:
[0015]信息獲取模塊,用于獲取無線信道的狀態(tài)信息;根據(jù)預(yù)設(shè)的狀態(tài)參數(shù),獲取操作者的狀態(tài)信息;
[0016]決策模塊,用于根據(jù)所述無線信道的狀態(tài)信息以及所述操作者的狀態(tài)信息進(jìn)行計(jì)算得到計(jì)算結(jié)果;
[0017]調(diào)整模塊,用于當(dāng)計(jì)算結(jié)果滿足第一條件時(shí),進(jìn)行幀聚合。
[0018]上述方案中,所述無線信道的狀態(tài)信息包括以下至少一種:數(shù)據(jù)錯(cuò)誤率、丟包率、重傳次數(shù)、無線信號強(qiáng)度。
[0019]上述方案中,所述信息獲取模塊,還用于設(shè)置操作者對應(yīng)的狀態(tài)參數(shù)。
[0020]上述方案中,所述信息獲取模塊,還用于將預(yù)存的模型作為所述操作者對應(yīng)的狀態(tài)參數(shù);
[0021]所述模型的建立方法包括:根據(jù)傳感器收集指定時(shí)長中的傳感參數(shù),將所述傳感參數(shù)轉(zhuǎn)換為操作者對應(yīng)的N種狀態(tài)的變化信息,將所述N種狀態(tài)的變化信息作為輸入?yún)?shù)進(jìn)行訓(xùn)練,將操作者對應(yīng)的狀態(tài)作為輸出結(jié)果,對模型進(jìn)行訓(xùn)練。
[0022]上述方案中,所述決策模塊,還用于當(dāng)所述計(jì)算結(jié)果達(dá)到預(yù)設(shè)的閾值時(shí),確定滿足第一條件。
[0023]本發(fā)明所提供的幀聚合方法及電子設(shè)備,能根據(jù)無線信道的狀態(tài)以及操作者的狀態(tài)進(jìn)行計(jì)算,并根據(jù)計(jì)算結(jié)果來確定是否進(jìn)行幀聚合,如此,就能夠準(zhǔn)確的判斷是否需要能夠進(jìn)行幀聚合,從而能夠進(jìn)一步的保證電子設(shè)備的幀傳輸質(zhì)量。
【附圖說明】
[0024]圖1為本發(fā)明提供的幀聚合方法流程示意圖一;
[0025]圖2為電子設(shè)備具備的多種傳感器示意圖;
[0026]圖3為本發(fā)明提供的幀聚合方法流程示意圖而;
[0027]圖4為幀聚合技術(shù)中幀組成結(jié)構(gòu)示意圖;
[0028]圖5為本發(fā)明提供的電子設(shè)備組成結(jié)構(gòu)示意圖。
【具體實(shí)施方式】
[0029]下面結(jié)合附圖及具體實(shí)施例對本發(fā)明再作進(jìn)一步詳細(xì)的說明。
[0030]實(shí)施例一、
[0031]本發(fā)明實(shí)施例提供的幀聚合方法,如圖1所示,包括:
[0032]步驟101:獲取無線信道的狀態(tài)信息;
[0033]步驟102:根據(jù)預(yù)設(shè)的狀態(tài)參數(shù),獲取操作者的狀態(tài)信息;
[0034]步驟103:根據(jù)所述無線信道的狀態(tài)信息以及所述操作者的狀態(tài)信息進(jìn)行計(jì)算得到計(jì)算結(jié)果,當(dāng)計(jì)算結(jié)果滿足第一條件時(shí),進(jìn)行幀聚合。
[0035]優(yōu)選地,上述步驟101以及步驟102不分執(zhí)行的先后順序,可以同時(shí)執(zhí)行,也可以先執(zhí)行步驟102再執(zhí)行步驟101,本實(shí)施例不對其進(jìn)行限定。
[0036]其中,所述無線信道的狀態(tài)信息包括以下至少一種:數(shù)據(jù)錯(cuò)誤率、丟包率、重傳次數(shù)、無線信號強(qiáng)度。
[0037]對于數(shù)據(jù)錯(cuò)誤率、丟包率和重傳次數(shù)等信息,當(dāng)其數(shù)值大于預(yù)設(shè)的閾值時(shí),表示其信道狀態(tài)差;否則,表示其信道狀態(tài)好。對于無線信號強(qiáng)度,當(dāng)其值大于預(yù)設(shè)的閾值時(shí),表示其信道狀態(tài)好;相反地,表示其信道狀態(tài)差。
[0038]比如當(dāng)狀態(tài)分為兩個(gè)等級,即好跟差時(shí),可以用“I”來表征好,用“O”表征差;或者當(dāng)狀態(tài)分為三個(gè)等級,即好、中、差時(shí),可以使用“ 11”表征好,“ O I”表征中,“ 00 ”表征差。
[0039]無線信道的狀態(tài)的獲取可以為:對于閉環(huán)傳輸,即使存在延遲、誤差等情況,發(fā)送端可以獲取無線信道狀態(tài)信息。對于開環(huán)傳輸,發(fā)送端不能通過接收端反饋而獲得數(shù)據(jù)錯(cuò)誤率、丟包率、和無線信號強(qiáng)度等信息。但是可以通過重傳次數(shù)等信息,采用啟發(fā)式算法推斷出信道狀態(tài)。在發(fā)送端無法獲得任何信道狀態(tài)信息時(shí),默認(rèn)信道狀態(tài)為“差”狀態(tài)。
[0040]所述操作者的狀態(tài)信息可以為操作者的心情狀態(tài),或者可以為操作者的操作環(huán)境狀態(tài)等;同樣可以使用對應(yīng)的標(biāo)識來表征,比如當(dāng)狀態(tài)分為兩個(gè)等級,即好跟差時(shí),可以用“I”來表征好,用“O”表征差;或者當(dāng)狀態(tài)分為三個(gè)等級,即好、中、差時(shí),可以使用“11”表征好,“ O I”表征中,“ 00 ”表征差。
[0041]優(yōu)選地,執(zhí)行步驟101之前,所述方法還可以包括:設(shè)置操作者對應(yīng)的狀態(tài)參數(shù)。
[0042]所述操作者對應(yīng)的狀態(tài)參數(shù)可以包括:模型;所述模型的訓(xùn)練方法可以包括:根據(jù)傳感器收集指定時(shí)長中的傳感參數(shù),將所述傳感參數(shù)轉(zhuǎn)換為操作者對應(yīng)的N種狀態(tài)的變化信息,將所述N種狀態(tài)的變化信息作為輸入?yún)?shù)進(jìn)行訓(xùn)練,將操作者對應(yīng)的狀態(tài)作為輸出結(jié)果,對模型進(jìn)行訓(xùn)練;
[0043]其中,所述傳感器可以如圖2所示包括羅盤、攝像頭、陀螺儀和光傳感器、全球定位系統(tǒng)(GPS, Global Posit1ning System)、壓力傳感器、溫度傳感器、加速度傳感器等。
[0044]所述N種狀態(tài)的變化信息可以為:表情符號的變化信息如人臉表情情緒識別;聲音的變化信息,比如語音情緒識別、語義情緒識別、中樞神經(jīng)信號情緒識別、自主神經(jīng)信號信號情緒識別等;、位置的變化信息、動(dòng)作變化信息、溫度變化信息等。
[0045]如,獲取表情符號的變化信息可以通過采集用戶使用各種聊天軟件時(shí)輸入的表情符號;獲取聲音可以為通過麥克風(fēng)采集,進(jìn)而分析用戶發(fā)出的聲音的強(qiáng)弱、頻率等變化信息;獲取位置或者動(dòng)作等可以為通過陀螺儀、或者GPS、或者加速度傳感器等;獲取操作者的溫度可以通過溫度傳感器,進(jìn)而分析得到溫度變化信息。其中,通過各種傳感器得到對應(yīng)的信息的方法均為現(xiàn)有技術(shù),這里不做贅述。
[0046]優(yōu)選地,將所述N種狀態(tài)的變化信息作為輸入?yún)?shù)進(jìn)行訓(xùn)練可以為僅選取一種狀態(tài)的變化信息,比如對典型參數(shù)可以使用單一參數(shù)獲取某一情緒,如使用面部表情參數(shù)判斷情緒,在此參數(shù)不適用時(shí),可以綜合多參數(shù)方法判斷用戶情緒。
[0047]這里,以操作者的心情狀態(tài)進(jìn)行說明,可以為通過傳感器收集用戶在一段時(shí)間內(nèi)的心情相關(guān)信息之后,將其作量化為程序可以處理的數(shù)值信息(如0,1,或者在一定取值范圍內(nèi)的離散數(shù)值),將這些信息作為樣本,采用機(jī)器學(xué)習(xí)中的二類分類方法(如貝葉斯分類方法)生成分類模型(即用戶心情狀態(tài)模型)。通過該模型,可以對新近收集到的用戶心情信息進(jìn)行心情狀態(tài)識別識別。
[0048]當(dāng)操作者的狀態(tài)信息為表征操作者的情緒時(shí),可以通過在用戶不同情緒變化時(shí),語音,表情,會表現(xiàn)不同特征,機(jī)器學(xué)習(xí)即通過提取一定狀態(tài)下用戶特征數(shù)據(jù),通過機(jī)器學(xué)習(xí)訓(xùn)練,可以識別一定比例的用戶特征情緒。如用戶的一種情緒,如憤怒情緒,音調(diào)的頻譜有其特征,表情有其特征,將其特征作為特征量輸入分類器實(shí)現(xiàn)一定程度的情緒識別。
[0049]所述分類器是一種機(jī)器學(xué)習(xí)程序,其實(shí)質(zhì)為數(shù)學(xué)模型。針對模型的不同,目前有多種分支,包括=Bayes分類器,BP神經(jīng)網(wǎng)絡(luò)分類器,決策樹算法,SVM(支持向量機(jī))算法等,計(jì)算公式可以為:
[0050]Mood = X(XI, X2…Xn)
[0051]XI,X2…Xn分別代表不同用戶生理特征,可以表示多個(gè)情緒特征參數(shù),此處包括但不限于此處參數(shù),也可以包含其它參數(shù),利用不同情緒特征參數(shù),應(yīng)用綜合判斷獲得用戶最終情緒信息。
[0052]所述滿足第一條件包括:當(dāng)所述計(jì)算結(jié)果達(dá)到預(yù)設(shè)的閾值時(shí),滿足第一條件;
[0053]其中,所述計(jì)算可以采用公式:
[0054]ag_condit1n = channel_st