基于情景感知的Android移動終端電源管理方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明屬于移動終端電源管理技術(shù)領(lǐng)域，具體設(shè)及一種基于情景感知的智能管理Amlroid移動終端網(wǎng)絡(luò)接口的電源管理方法。
【背景技術(shù)】
[0002] 隨著移動終端軟硬件的高速發(fā)展和新一代網(wǎng)絡(luò)3G和4G的普及，越來越多的人們 使用移動智能終端并享受其帶來的便捷服務(wù)和休閑娛樂。目前全球智能手機用戶數(shù)量高速 增長，而Amlroid系統(tǒng)已占據(jù)著移動智能終端系統(tǒng)的大部分市場份額。同時移動終端的高 性能W及復(fù)雜應(yīng)用和重度游戲也帶來了更高的功耗，但是電池技術(shù)發(fā)展緩慢，容量明顯受 其自身體積制約結(jié)論，如何減少功耗已成為移動終端發(fā)展的一個亟待解決的問題。
[0003] 動態(tài)電源管理值ynamicPowerManagement,DPM)是一種系統(tǒng)級低功耗技術(shù)，它根 據(jù)請求服務(wù)和性能要求，通過對系統(tǒng)部件的動態(tài)配置，對系統(tǒng)部件的狀態(tài)進行動態(tài)轉(zhuǎn)換，啟 動盡可能少的部件或讓其處于適當?shù)哪芎臓顟B(tài)，W此來達到對能耗的有效利用。傳統(tǒng)的策 略包括超時策略、預(yù)測策略和隨機模型策略，它們都有各自的特點和不足。
[0004] Amlroid系統(tǒng)也提供了自身的電源管理方案，其中包括基于Wakelock的系統(tǒng)電源 管理，目的是使其在待機狀態(tài)下盡量進入休眠狀態(tài)。但是研究表明Amlroid移動終端的待 機狀態(tài)能耗占全部能耗的一半W上，運是由于Amlroid系統(tǒng)的開放性導(dǎo)致第S方的應(yīng)用在 后臺濫用Wakelock資源，通過網(wǎng)絡(luò)接口不斷進行數(shù)據(jù)傳輸。針對待機狀態(tài)下的高能耗問 題，目前的方法主要是靜態(tài)設(shè)置一些固定的時間和其他條件來開啟和關(guān)閉網(wǎng)絡(luò)接口。

【發(fā)明內(nèi)容】
陽〇化]為了更加智能并且有效地減少待機狀態(tài)下的功耗，本發(fā)明提出了基于情景感知的Amlroid移動終端電源管理方法，利用移動終端的情景感知信息進行決策來預(yù)測當前是否 需要網(wǎng)絡(luò)接口，并智能地對其進行動態(tài)管理，減少待機狀態(tài)下的系統(tǒng)能耗。本發(fā)明對復(fù)雜的 情景信息進行了預(yù)處理，并優(yōu)化了獲取定位數(shù)據(jù)的方法。決策算法是基于改進的K最近鄰 算法，樣本距離計算采用加權(quán)歐式距離公式，并利用信息增益值來選取情景信息屬性和確 定屬性的權(quán)重。另外本發(fā)明提出了一種基于最大屬性值域的樣本裁剪方法，來減少決策時 的計算樣本數(shù)量。
[0006] 本發(fā)明的具體技術(shù)方案如下。
[0007] 一種基于情景感知的Amlroid移動終端電源管理方法，其包括：利用移動終端的 情景感知信息進行決策來預(yù)測當前是否需要網(wǎng)絡(luò)接口，并智能地對移動終端進行動態(tài)管 理，來減少待機狀態(tài)下的系統(tǒng)功耗，并通過移動終端的系統(tǒng)接口獲取相關(guān)的情景信息。
[0008] 進一步地，對獲取到的復(fù)雜情景信息進行了預(yù)處理，其中包括對定位數(shù)據(jù)精確度 的確定和優(yōu)化獲取定位數(shù)據(jù)的方法，來減少額外損耗的能量。
[0009] 進一步地，基于改進的K最近鄰算法，樣本距離計算采用加權(quán)歐式距離公式，并利 用屬性的信息增益來選取情景信息屬性和確定屬性的權(quán)重。
[0010] 進一步地，基于最大屬性值域的樣本裁剪方法，來減少決策時的計算樣本數(shù)量。
[0011] 進一步地，所述對獲取到的復(fù)雜情景信息進行了預(yù)處理包括如下步驟：
[0012] (1)在情景采集層獲取初始數(shù)據(jù)，主要是針對經(jīng)締度的地理位置；
[0013] (2)利用（1)的結(jié)果采用不同的精確度使其唯一對應(yīng)一個地理位置；
[0014] (3)利用（2)的結(jié)果將同一位置的經(jīng)締度數(shù)據(jù)進行合并，得到不同精度下位置的 時間分布情況；
[0015] (4)利用（3)的結(jié)果進行數(shù)據(jù)處理及分析，選取精確度等于4的經(jīng)締度方案。
[0016] 進一步地，所述基于改進的K最近鄰算法包括如下步驟：
[0017] (1)計算待分類樣本Y和每一個訓(xùn)練樣本Xi的距離；
[001引 似利用（1)的結(jié)果進行升序排序，選取前k個距離最近的樣本集合Z;
[0019] 做利用似的結(jié)果統(tǒng)計k個最近樣本集合Z中每個類別C的個數(shù)N(C);
[0020] (4)利用（3)的結(jié)果選取樣本集合中N(C)最多的類別C作為待分類的樣本的類別 C(Y)O
[0021] 進一步地，所述基于最大屬性值域的樣本裁剪方法包括如下步驟： 陽0巧 （1)在訓(xùn)練樣本集合X中，計算樣本P與其時間屬性值相同的樣本Y的距離，W及 樣本P與其時間屬性值不相同的樣本Q的距離；
[002引 0)利用（1)的結(jié)果來表示各個樣本相對于樣本Y的相對位置；
[0024] (3)利用（2)的結(jié)果得到樣本Y的第K個最近樣本Xi的范圍；
[00對 （4)利用做的結(jié)果W-周為單位來采集訓(xùn)練樣本，WK順算法的K值除W7來確 定公式中的K值。
[0026] 與現(xiàn)有技術(shù)相比，本發(fā)明具有如下優(yōu)點和技術(shù)效果：
[0027] 本發(fā)明的決策算法是基于改進的K最近鄰算法，樣本距離計算采用加權(quán)歐式距離 公式，并利用屬性的信息增益來選取情景信息屬性，同時基于屬性的信息增益設(shè)計了一種 確定屬性權(quán)重的方法。本發(fā)明基于最大屬性值域的樣本裁剪方法來減少決策時的計算樣本 數(shù)量。具體來說，本發(fā)明基于時間屬性來確定K個最近樣本的可能范圍，從而排除不可能成 為K個最近的其他樣本。本發(fā)明并W服務(wù)的形式實現(xiàn)到移動終端，來智能地管理移動終端 的網(wǎng)絡(luò)接口，減少待機狀態(tài)下的系統(tǒng)功耗，延長電池的可供使用時間，提高移動終端的用戶 體驗。
【附圖說明】
[0028] 圖1為情景感知策略的框架圖。
[0029] 圖2為需要獲取的情景信息屬性實例圖。
[0030] 圖3為不同精度下產(chǎn)生的位置分布示意圖。
[0031] 圖4為不同屬性的信息增益值實例圖。
[0032] 圖5為不同屬性的權(quán)重值實例圖。
[0033] 圖6為第一個可能的最近樣本相對于樣本Y的位置示意圖。
[0034] 圖7為第K個可能的最近樣本相對于樣本Y的位置示意圖。
[0035] 圖8為不同K值的準確性對比圖。
[0036] 圖9為實驗結(jié)果的系統(tǒng)功耗對比圖。
【具體實施方式】
[0037] 為了使本發(fā)明的技術(shù)方案及優(yōu)點更加清楚明白，W下結(jié)合附圖，進行進一步的詳 細說明，但本發(fā)明的實施和保護不限于此。需指出的是，W下若有未特別詳細說明之過程或 符號，均是本領(lǐng)域技術(shù)人員可W參照現(xiàn)有技術(shù)理解或?qū)崿F(xiàn)的。
[003引圖1是基于情景感知的電源管理方法（W下簡稱情景感知策略）的框架圖，從上 而下分為硬件設(shè)備層、情景采集層、情景處理層和策略控制層。其中情景處理層和策略控制 層是整個策略框架的核屯、所在。下面將對每一層進行闡述。
[0039] 硬件設(shè)備層是指移動終端的所有硬件設(shè)備，包括系統(tǒng)組件和傳感器。系統(tǒng)組件有 移動網(wǎng)絡(luò)接口、WiFi接口、GPS定位、屏幕、電池等，傳感器有加速度傳感器、光線傳感器、重 力傳感器等。運些硬件設(shè)備為本發(fā)明了情景信息獲取的提供硬件基礎(chǔ)。 W40] 情景感知層則在硬件設(shè)備層的基礎(chǔ)上，利用Amlroid系統(tǒng)框架提供的開發(fā)接口， 來獲取各種情景信息。本發(fā)明通過運一層獲取情景信息，并保存到本地數(shù)據(jù)庫當中作為歷 史數(shù)據(jù)，為后面深入學(xué)習用戶的使用習慣做好數(shù)據(jù)準備。
[0041] 情景處理層主要是對情景感知層的采集的歷史數(shù)據(jù)進行處理，得到?jīng)Q策模型需要 的有用信息。其中預(yù)處理模塊負責對情景感知層的一些復(fù)雜信息進行簡化處理，包括地理 位置信息；而特征選取模塊則在眾多的情景信息屬性當中選擇和決策結(jié)果相關(guān)性較強的屬 性，來提高決策模型的決策效果。
[0042] 策略控制層利用情景感知層的實時情景數(shù)據(jù)和情景處理層提供的有效特征來對 網(wǎng)絡(luò)接口組件進行決策，最后根據(jù)決策結(jié)果來控制組件的狀態(tài)。其中策略決策模塊根據(jù)KNN 算法決策模型來進行決策，而組件