一种帧聚合方法及电子设备的制造方法
【技术领域】
[0001]本发明涉及移动通信领域中的电子设备的控制技术，尤其涉及一种帧聚合方法及电子设备。
【背景技术】
[0002]目前，在判别是否采用帧聚合技术、帧聚合时确定帧长度的方法，通常是基于无线信道的质量。当信道质量好时，采用帧聚合技术，可以有效地提高局域网的吞吐量；当信道质量差时，不采用帧聚合技术或者只使用较短聚合帧，这样可以降低重传对系统吞吐量的影响。
[0003]但是，上述判别方法，不区分采用帧聚合技术的设备特点，即不区分设备是手持无线终端和无用户参与的无线接入设备。如此，就无法保证获取的信道状态信息的准确性和实效性，从而会影响到判断是否采用帧聚合技术的准确性。
【发明内容】
[0004]为解决上述技术问题，本发明的目的在于提供一种帧聚合方法及电子设备。
[0005]本发明提供了一种帧聚合方法，所述方法包括:
[0006]获取无线信道的状态信息；
[0007]根据预设的状态参数，获取操作者的状态信息；
[0008]根据所述无线信道的状态信息以及所述操作者的状态信息进行计算得到计算结果，当计算结果满足第一条件时，进行帧聚合。
[0009]上述方案中，所述无线信道的状态信息包括以下至少一种:数据错误率、丢包率、重传次数、无线信号强度。
[0010]上述方案中，所述方法还包括:设置操作者对应的状态参数。
[0011]上述方案中,所述操作者对应的状态参数包括:模型；
[0012]所述模型的建立方法包括:收集指定时长中的传感参数，将所述传感参数转换为操作者对应的N种状态的变化信息，将所述N种状态的变化信息作为输入参数进行训练，将操作者对应的状态作为输出结果，对模型进行训练。
[0013]上述方案中，所述满足第一条件包括:当所述计算结果达到预设的阈值时，满足第一条件。
[0014]本发明还提供了一种电子设备，所述电子设备包括:
[0015]信息获取模块，用于获取无线信道的状态信息；根据预设的状态参数，获取操作者的状态信息；
[0016]决策模块，用于根据所述无线信道的状态信息以及所述操作者的状态信息进行计算得到计算结果；
[0017]调整模块，用于当计算结果满足第一条件时，进行帧聚合。
[0018]上述方案中，所述无线信道的状态信息包括以下至少一种:数据错误率、丢包率、重传次数、无线信号强度。
[0019]上述方案中，所述信息获取模块，还用于设置操作者对应的状态参数。
[0020]上述方案中，所述信息获取模块，还用于将预存的模型作为所述操作者对应的状态参数；
[0021]所述模型的建立方法包括:根据传感器收集指定时长中的传感参数，将所述传感参数转换为操作者对应的N种状态的变化信息,将所述N种状态的变化信息作为输入参数进行训练，将操作者对应的状态作为输出结果，对模型进行训练。
[0022]上述方案中，所述决策模块，还用于当所述计算结果达到预设的阈值时，确定满足第一条件。
[0023]本发明所提供的帧聚合方法及电子设备，能根据无线信道的状态以及操作者的状态进行计算，并根据计算结果来确定是否进行帧聚合，如此，就能够准确的判断是否需要能够进行帧聚合，从而能够进一步的保证电子设备的帧传输质量。
【附图说明】
[0024]图1为本发明提供的帧聚合方法流程示意图一；
[0025]图2为电子设备具备的多种传感器示意图；
[0026]图3为本发明提供的帧聚合方法流程示意图而；
[0027]图4为帧聚合技术中帧组成结构示意图；
[0028]图5为本发明提供的电子设备组成结构示意图。
【具体实施方式】
[0029]下面结合附图及具体实施例对本发明再作进一步详细的说明。
[0030]实施例一、
[0031]本发明实施例提供的帧聚合方法，如图1所示，包括:
[0032]步骤101:获取无线信道的状态信息；
[0033]步骤102:根据预设的状态参数，获取操作者的状态信息；
[0034]步骤103:根据所述无线信道的状态信息以及所述操作者的状态信息进行计算得到计算结果，当计算结果满足第一条件时，进行帧聚合。
[0035]优选地，上述步骤101以及步骤102不分执行的先后顺序，可以同时执行，也可以先执行步骤102再执行步骤101，本实施例不对其进行限定。
[0036]其中，所述无线信道的状态信息包括以下至少一种:数据错误率、丢包率、重传次数、无线信号强度。
[0037]对于数据错误率、丢包率和重传次数等信息，当其数值大于预设的阈值时，表示其信道状态差；否则，表示其信道状态好。对于无线信号强度，当其值大于预设的阈值时，表示其信道状态好；相反地，表示其信道状态差。
[0038]比如当状态分为两个等级，即好跟差时，可以用“I”来表征好，用“O”表征差；或者当状态分为三个等级，即好、中、差时，可以使用“ 11”表征好，“ O I”表征中，“ 00 ”表征差。
[0039]无线信道的状态的获取可以为:对于闭环传输，即使存在延迟、误差等情况，发送端可以获取无线信道状态信息。对于开环传输，发送端不能通过接收端反馈而获得数据错误率、丢包率、和无线信号强度等信息。但是可以通过重传次数等信息，采用启发式算法推断出信道状态。在发送端无法获得任何信道状态信息时，默认信道状态为“差”状态。
[0040]所述操作者的状态信息可以为操作者的心情状态,或者可以为操作者的操作环境状态等；同样可以使用对应的标识来表征，比如当状态分为两个等级，即好跟差时，可以用“I”来表征好，用“O”表征差；或者当状态分为三个等级，即好、中、差时，可以使用“11”表征好，“ O I”表征中，“ 00 ”表征差。
[0041]优选地，执行步骤101之前，所述方法还可以包括:设置操作者对应的状态参数。
[0042]所述操作者对应的状态参数可以包括:模型；所述模型的训练方法可以包括:根据传感器收集指定时长中的传感参数，将所述传感参数转换为操作者对应的N种状态的变化信息，将所述N种状态的变化信息作为输入参数进行训练，将操作者对应的状态作为输出结果，对模型进行训练；
[0043]其中，所述传感器可以如图2所示包括罗盘、摄像头、陀螺仪和光传感器、全球定位系统(GPS, Global Posit1ning System)、压力传感器、温度传感器、加速度传感器等。
[0044]所述N种状态的变化信息可以为:表情符号的变化信息如人脸表情情绪识别；声音的变化信息，比如语音情绪识别、语义情绪识别、中枢神经信号情绪识别、自主神经信号信号情绪识别等；、位置的变化信息、动作变化信息、温度变化信息等。
[0045]如，获取表情符号的变化信息可以通过采集用户使用各种聊天软件时输入的表情符号；获取声音可以为通过麦克风采集，进而分析用户发出的声音的强弱、频率等变化信息；获取位置或者动作等可以为通过陀螺仪、或者GPS、或者加速度传感器等；获取操作者的温度可以通过温度传感器，进而分析得到温度变化信息。其中，通过各种传感器得到对应的信息的方法均为现有技术，这里不做赘述。
[0046]优选地，将所述N种状态的变化信息作为输入参数进行训练可以为仅选取一种状态的变化信息，比如对典型参数可以使用单一参数获取某一情绪，如使用面部表情参数判断情绪，在此参数不适用时，可以综合多参数方法判断用户情绪。
[0047]这里，以操作者的心情状态进行说明，可以为通过传感器收集用户在一段时间内的心情相关信息之后，将其作量化为程序可以处理的数值信息(如0，1，或者在一定取值范围内的离散数值)，将这些信息作为样本，采用机器学习中的二类分类方法(如贝叶斯分类方法)生成分类模型(即用户心情状态模型)。通过该模型，可以对新近收集到的用户心情信息进行心情状态识别识别。
[0048]当操作者的状态信息为表征操作者的情绪时，可以通过在用户不同情绪变化时，语音，表情，会表现不同特征，机器学习即通过提取一定状态下用户特征数据，通过机器学习训练，可以识别一定比例的用户特征情绪。如用户的一种情绪，如愤怒情绪，音调的频谱有其特征，表情有其特征，将其特征作为特征量输入分类器实现一定程度的情绪识别。
[0049]所述分类器是一种机器学习程序，其实质为数学模型。针对模型的不同，目前有多种分支，包括=Bayes分类器，BP神经网络分类器，决策树算法，SVM(支持向量机)算法等，计算公式可以为:
[0050]Mood = X(XI, X2…Xn)
[0051]XI，X2…Xn分别代表不同用户生理特征，可以表示多个情绪特征参数，此处包括但不限于此处参数，也可以包含其它参数，利用不同情绪特征参数，应用综合判断获得用户最终情绪信息。
[0052]所述满足第一条件包括:当所述计算结果达到预设的阈值时，满足第一条件；
[0053]其中，所述计算可以采用公式:
[0054]ag_condit1n = channel_st